Dans SOMMA, chaque flux d'information modale est traité par une carte corticale générique. Sur le schéma, la carte dite visuelle, car elle reçoit des données visuelles, est structurellement identique à la carte auditive, qui reçoit des données auditives.
Chaque carte est constituée d'un ensemble bidimensionnel d'unités génériques, inspirées des colonnes corticales.
Chaque colonne dispose de trois étages ayant chacun des fonctions et des flux d'entrées sémantiquement différents.
L'étage sensoriel reçoit les informations monomodales et fournit une première représentation du stimulus courant. Cette représentation est fondée sur l'apprentissage d'un codage tabulaire à une corrélation monomodale, c'est-à-dire que l'activité de cet étage dépend de la similarité entre une corrélation, dite discriminée, et le stimulus courant. Au niveau de la carte, les discriminations des différents étages sensoriels sont auto-organisées, c'est-à-dire que deux colonnes proches ont des discriminations proches.
L'étage cortical apporte une information partielle sur les perceptions faites dans les autres modalités. La perception d'une corrélation modale dans une carte active les étages corticaux des colonnes des autres cartes représentant les corrélations reliées multimodalement à cette corrélation perçue. Cet étage participe également à l'apprentissage des relations multimodales entre les corrélations monomodales.
L'étage perceptif intègre les informations modales et multimodales afin de fournir une perception multimodale unifiée du stimulus courant. Cette perception consiste en un codage spatial continu du stimulus courant qui s'appuie sur l'auto-organisation des étages sensoriels.