Grote doorbraak voor breinachtige computers

Een doorbraak aan de Universiteit Twente brengt nieuwe breinachtige computers een stap dichterbij. Een internationale groep onderzoekers geleid door Prof. Dr. Christian Nijhuis ontwikkelde een nieuw type moleculaire schakelaars dat kan leren van eerder vertoond gedrag. De onderzoekers publiceerden hun resultaten vandaag in het wetenschappelijke tijdschrift Nature Materials. Nijhuis: “Deze moleculen leren op dezelfde manier als onze hersenen.”

Computers, datacentra, en andere elektronica gebruiken enorme hoeveelheden energie. Om aan die energievraag te voldoen leggen we nu enorme windparken aan. Maar volgens Prof. Dr. Christian Nijhuis kunnen we onze aandacht ook richten op het efficiënter maken van onze elektronica. “Onze hersenen zijn de efficiëntste computers die we kennen. Ze gebruiken tienduizend keer zo weinig energie als de zuinigste computers”, aldus Nijhuis.

Efficiënte hersenen

Dit komt omdat onze hersenen data op volledig andere manier verwerken. Waar computers binaire informatiestromen verwerken – met nullen en enen – werken onze hersenen analoog door middel van tijdsafhankelijke pulsjes. “Onze hersenen verwerken zonder problemen de informatie van miljoenen zenuwcellen vanuit al onze zintuigen. Daarbij gebruiken ze, in tegenstelling tot traditionele elektronica, alleen de hersencellen en synapsen waar pulsjes langs lopen”, zegt Nijhuis. Door dat alleen energie wordt verbruikt tijdens een pulsje, kunnen onze hersenen veel efficiënter een heleboel data tegelijkertijd verwerken.

Hardware voor kunstmatige intelligentie

De moleculen die Nijhuis en zijn team ontwikkelden kunnen alle Booleaans logische poortschakelingen uitvoeren die nodig zijn voor ‘deep learning’. “Deep learning is een vorm van machine learning gebaseerd op kunstmatige neurale netwerken en wordt veel gebruikt in het automatisch herkennen van afbeeldingen en spraak, maar ook in de zoektocht naar nieuwe medicijnen en sinds kort het maken van kunst. Allemaal zaken die voor een computer veel moeilijker zijn dan voor ons brein”, vertelt Nijhuis. Onderzoekers zetten grote stappen op het gebied van software voor kunstmatige intelligentie, maar deze moleculen brengen nu ook de hardware voor kunstmatige intelligentie dichterbij.

Kunstneuronen

Om het dynamische gedrag van de synapsen op moleculair niveau na te bootsen, combineerden de onderzoekers snelle elektronenoverdracht met langzame protonkoppeling beperkt door diffusie. Dit lijkt op de snelle pulsjes en langzame opname van neurotransmitters van de neuronen in je hersenen. De moleculen kunnen de kracht en de duur van de pulsjes aanpassen. Daarmee laten ze een vorm van klassieke conditionering zien. De moleculen passen hun gedrag aan op de prikkels die ze eerder hebben ontvangen. Een vorm van leren. In de toekomst kunnen dergelijke moleculen ook reageren op andere stimuli zoals bijvoorbeeld licht.

Veel nieuwe toepassingen

Deze doorbraak maakt het mogelijk een heel nieuw scala aan aanpasbare en herconfigureerbare systemen te ontwikkelen. Die kunnen weer tot nieuwe multifunctionele adaptieve systemen leidendie kunstmatige neurale netwerken aanzienlijk versimpelen. Nijhuis: “Daarmee verlagen we het energieverbruik van onze elektronica drastisch.” Multifunctionele moleculen die ook lichtgevoelig zijn of andere moleculen kunnen detecteren kunnen weer tot nieuw type neurale netwerken of sensoren leiden.

Meer informatie

Christian Nijhuis leidt de groep ‘Hybrid Materials for Opto-Electronics’ (HMOE; Faculteit TNW), onderdeel van het MESA+ Instituut voor Nanotechnologie van de UT. Ook is hij Principal Investigator van het onderzoeksgebied Computing Molecules & (Opto)Electronics binnen het Molecules Centre van MESA+. Dit onderzoek werd uitgevoerd in samenwerking Damien Thompson, Professor Molecular Modelling en directeur van SSPC (Science Foundation Ireland Research Centre for Pharmaceuticals van de Universiteit van Limerick) Enrique del Barco, Pegsus Professor aan de University of Central Florida.

De publicatie getiteld ‘Dynamic molecular switches with hysteretic negative differential conductance emulating synaptic behaviour’ werd gepubliceerd in het wetenschappelijke tijdschrift Nature Materials. Nature Materials is een top-3 tijdschrift op het gebied van scheikunde, natuurkunde en materiaalkunde. De publicatie is online te lezen.

Bron: Universiteit Twente