Hersenen zijn efficiënter dan computers, vooral met energie. Daarom is er nu hardware geïnspireerd op de werking van het brein. Imke Krauhausen promoveerde op een onderzoek naar mogelijke toepassingen van deze nieuwe vorm van rekenen.

 

Hoewel er geen einde lijkt te komen aan de juichverhalen over zelflerende robots, machine learning en kunstmatige intelligentie, zit er een groot nadeel aan deze digitale denkmachines: ze vreten stroom. Onze eigen hersenen gaan zo’n tienduizend keer efficiënter om met energie.

Om ook denkende apparaten energiezuiniger te maken, laten wetenschappers van de TU Eindhoven (TU/e) en het Max Planck Instituut in Mainz deze net als hersenen werken. En dat gaat steeds beter, valt te concluderen uit het proefschrift van onderzoeker mechanical engineering Imke Krauhausen.

Zij promoveerde woensdag 10 april aan de TU/e op een onderzoek naar toepassingen van deze zogeheten neuromorphic computing.

 

Geheugen

Het grote verschil tussen traditionele software en neuromorphic computing, is dat er bij de eerste alleen schakeltjes ‘aan’ en ‘uit’ worden gezet, terwijl bij de laatste bij elke verbinding in het netwerk aan een graduele regelknop wordt gedraaid. In de hersenen gebeurt dit met neurotransmitters die door de neuronen stromen, in een soort netwerk van zouten en zoutkanalen. De neuronen communiceren met elkaar via synapsen, verbindingen die telkens als er informatie doorheen stroomt sterker worden.

‘Wij hebben in het lab kunstmatige synapsen ontwikkeld’, zegt Krauhausen in een nieuwsbericht van de TU/e. In dit geval zijn dat elektronische circuits met een zoutkanaal.

De synapsen zijn gemaakt van organische polymeren, waarin veranderingen optreden als er elektriciteit doorheen gaat. Zo krijgt ook dit neurale netwerk een geheugen. Een bijkomend voordeel van organisch materiaal boven silicium, is dat het wordt geaccepteerd door het menselijk lichaam. Dat is nodig bij toepassingen zoals slimme prothesen of metertjes die zich in het lichaam zelf bevinden.

 

Toepassingen

Zover is het echter nog niet. De elektronische apparaten die Krauhausen bouwde op basis van neuromorphic computing, waren een robot die kan leren door een doolhof te lopen, een robothand die koude en warme oppervlakken van elkaar leert onderscheiden en een netwerk van kunstmatige synapsen dat de bloedsuikerspiegel kan voorspellen.

 

Toekomst

Er is nog veel werk te doen, zegt Krauhausen. Niet alleen in de ontwikkeling van de apparaten zelf, maar ook in het maken van nieuwe algoritmen: neuromorphic computing vergt een heel andere benadering dat het programmeren voor een binaire computer (die alleen enen en nullen kent, en niks er tussenin). Dat wordt dus veel samenwerken: om verder te komen zijn onder meer scheikundig technologen, werktuigbouwkundigen, materiaaldeskundigen, soft robotica engineers, wiskundigen en ICT’ers nodig.

 

Openingsbeeld: Depositphotos