Een internationale groep onderzoekers ontwikkelde een nieuw type schakelaars voor in de computer. Deze kunnen niet alleen op 1 of 0 staan, maar in signaalsterkte toe- of afnemen. Deze week publiceerden de wetenschappers hun resultaten in het wetenschappelijke tijdschrift Nature Materials.

 

Computers werken doorgaans met binaire (tweetallige) informatiestromen: geheugenplekken zijn schakelaars die aan of uit kunnen staan, waardoor een code van enen en nullen ontstaat. Zowel de programma’s die een computer draait als de gegevens die dat programma nodig heeft, zijn in deze vorm opgeslagen.

Het is een beproefde en goed werkende methode, maar heel efficiënt is het niet. Onze hersenen zijn bijvoorbeeld veel efficiënter. ‘Die gebruiken voor het uitvoeren van een zelfde soort taak zo’n tienduizend keer minder energie dan de meest zuinige computers’, zegt nanotechnoloog Christian Nijhuis van de Universiteit Twente, die het onderzoek leidde, in een nieuwsbericht op de website van zijn universiteit..

 

Hysterese

Dit komt doordat de zenuwcellen in onze hersenen (neuronen) alleen energie gebruiken als er een puls doorheen gaat, en omdat ze geavanceerder zijn.

Zo kunnen hersencellen niet alleen uit of aan staan, maar nemen ze ook neurotransmitters op, waardoor ze een soort regelknop hebben die op hard of zacht kan staan. Daarbij maakt het voor het signaal ook nog eens uit of de hoeveelheid neurotransmitters bij een bepaalde concentratie aan het afnemen of toenemen is.

Dit laatste heet het hysterese-effect, en is onder meer bekend van een thermostaat. Als deze bijvoorbeeld op 20 graden staat, en de verwarming afslaat bij 21 graden en aanslaat bij 19 graden, is het antwoord op de vraag wat er bij 20,5 graden gebeurt afhankelijk van de voorgeschiedenis: de verwarming kan dan immers zowel aan het afkoelen als aan het opwarmen zijn.

 

Moleculaire schakelaars

De hardware die de internationale groep onderzoekers heeft ontwikkeld, lijkt een beetje op hersenneuronen, schrijven ze in hun onderzoekspaper. De wetenschappers ontwierpen ‘moleculaire schakelaars’ waarvan de geleidbaarheid kan variëren, en waar ook een hysterese-effect is ingebouwd.

De kunstmatige moleculen kunnen de kracht en de duur van de gesimuleerde hersenpulsen aanpassen, en laten hun gedrag afhangen van prikkels die ze eerder hebben ontvangen. Dit alles vindt plaats in een laagje van 2,4 nanometer dik – dat is pakweg duizend keer dunner dan een zenuwverbinding in de hersenen.

 

Op één plek

Een andere eigenschap die hersencellen efficiënter maakt dan conventionele computerhardware, is dat hersenen gegevens op één plek opslaan en verwerken, terwijl een computer daar verschillende geheugenlocaties voor gebruikt. Ook die eigenschap wordt in de moleculaire schakelaars ingebouwd. Hierover schreven wij al in het aprilnummer van 2021 van De Ingenieur.

 

Deep learning

Omdat een moleculaire schakelaar uiteindelijk dus veel meer informatie kan bevatten dan een binaire schakelaar, levert dit efficiëntere hardware op. Deze is geschikt voor ‘deep learning’, kunstmatige intelligentie gebaseerd op neurale netwerken, die veel wordt gebruikt voor het herkennen van patronen.

‘Dat kan om afbeeldingen gaan of spraak, maar deep learning wordt ook gebruikt in de zoektocht naar nieuwe medicijnen of, sinds kort, voor het maken van kunst’, zegt Nijhuis in hetzelfde webbericht. ‘Allemaal zaken die voor een normale computer veel moeilijker zijn uit te voeren dan voor ons brein.’

In de toekomst kunnen de moleculaire schakelaars ook reageren op externe prikkels zoals licht. De hoop is dat hiermee neurale netwerken uiteindelijk efficiënter worden en dus minder energie verbruiken, zegt Nijhuis. ‘Dit zou tot energiezuinige sensoren kunnen leiden, die leren kunnen en op basis van ervaring op hun omgeving reageren. Die zouden dan gebruikt kunnen worden in zelfrijdende auto’s, of in het Internet-of-Things (apparaten die via sensoren informatie met elkaar uitwisselen).’

 

Openingsbeeld: Depositphotos

Vond je dit een interessant artikel, abonneer je dan gratis op onze wekelijkse nieuwsbrief.