Zelflerende algoritmen zitten intelligent in elkaar, maar zijn nog niet slim genoeg voor complexe technische toepassingen. Wetenschappers onderzoeken daarom neuromorfische materialen om software en hardware sneller, efficiënter en flexibeler te maken.
Lekker achterover leunen en de wonderschone architectuur in je opnemen terwijl je auto zichzelf een weg door de tumulte stad baant. Dit is, ondanks de technische vooruitgang, helaas nog niet mogelijk. Conventionele computerhard- en -software hebben niet voldoende interfaces om in een noodgeval met dezelfde reactiesnelheid als een mens.in te grijpen
Neuromorfische materialen zouden dit wel mogelijk kunnen maken, stellen Dr. Susanne Baumann van het Institute for Functional Matter and Quantum Technology en haar collega’s Dr. Hermann Osterhage en Dr. Eduardo Domínguez Vázquez van de Radboud Universiteit in Nederland.
“Algoritmen zijn qua werking gemodelleerd naar het menselijk brein. Conventionele hardware is echter nog niet in staat om het volledige potentieel van deze algoritmen te implementeren,” legt Baumann uit. “We hebben ook hardwaretechnologieën nodig die meer op het brein lijken. Neuromorfe materialen zouden hiervoor de sleutel kunnen zijn.”
Hersenhardware
Om de volledige kracht van algoritmen te ontsluiten moeten hardware en software nauwkeuriger op elkaar afgestemd worden. In de praktijk betekent dit minder verwerkingslussen en efficiëntere en snellere reactieprestaties.
Hiervoor onderzoekt het team het potentieel van neuromorfe materialen. Dit zijn op atomen gebaseerde materialen die lijken op de neuronale structuur van de hersenen. Met behulp van scanning tunneling microscopie zijn Baumann en haar team in staat om zulke materialen atoom voor atoom samen te stellen volgens het puzzelprincipe en ze zo de gewenste eigenschappen te geven.
“Het materiaal moet zich kunnen aanpassen aan veranderende eisen,” zegt Baumann. Hierdoor leren algoritmes om de gewenste output efficiënter en sneller te genereren uit een aanvankelijk onbekende input. “Net zoals neurale paden in de hersenen zich vormen en versterken bij herhaalde uitvoering van een beweging, is neuromorfische hardware ontworpen om het leren van algoritmes te ondersteunen.”
Promovendi gezocht
Voor hun project “Neuromorphic materials designed atom by atom” (neurAm) hebben Baumann, Osterhage en Domínguez Vázquez een subsidie van een miljoen euro ontvangen van de Volkswagen Foundation. In de komende vier jaar is het doel om deze nieuwe benadering over te brengen naar hardwaretechnologieën. “Momenteel breiden we ons team uit en zijn we op zoek naar promovendi die zich bij ons project willen aansluiten,” aldus Baumann.