Supercomputers zijn extreem snel, maar verbruiken ook veel stroom. Neuromorphic computing, dat onze hersenen als model gebruikt om snelle en energiezuinige computers te bouwen, kan een levensvatbaar en broodnodig alternatief bieden. De technologie biedt tal van mogelijkheden, bijvoorbeeld voor autonoom rijden, het interpreteren van medische beelden, edge AI of optische communicatie over lange afstanden. Elektrotechnisch ingenieur Patty Stabile is een pionier als het gaat om het verkennen van nieuwe op hersenen en biologie geïnspireerde computerparadigma's. "De TU/e ​​combineert alles wat nodig is om de mogelijkheden van op fotonen gebaseerde neuromorphic computing voor AI-toepassingen te demonstreren."

Patty Stabile, universitair hoofddocent bij de afdeling Elektrotechniek, was een van de eersten die het opkomende gebied van fotonische neuromorfische informatica betrad.

"Ik werkte aan een voorstel om fotonische digitale kunstmatige neuronen te bouwen toen onderzoekers van MIT in 2017 een artikel publiceerden waarin ze beschrijven hoe ze een kleine chip ontwikkelden om dezelfde algebraïsche bewerkingen uit te voeren, maar dan op een analoge manier. Toen realiseerde ik me dat synapsen op basis van analoge technologie waren de beste manier om kunstmatige intelligentie te gebruiken, en sindsdien ben ik verslaafd aan het onderwerp."

Stabile richt zich vooral op het realiseren van neuromorphic computing met geïntegreerde fotonica-technologie. "Voor dit boeiende multidisciplinaire nieuwe vakgebied gebruik ik veel van de kennis die ik heb opgedaan tijdens het werken aan optische schakelingen voor datacentertoepassingen."

Ongekende snelheden

Op het gebied van kunstmatige intelligentie moeten enorme hoeveelheden gegevens met ongekende snelheden worden verwerkt en geanalyseerd.

"De algoritmen die je hiervoor nodig hebt, kunnen niet draaien op conventionele von Neumann-computerarchitecturen, omdat ze niet tegelijkertijd geheugen en verwerking kunnen uitvoeren. Wat je nodig hebt, zijn parallelle architecturen die deze functies combineren, om een ​​soepel en snel gegevenstransport te garanderen. Er is een overvloed aan veelbelovende oplossingen in de elektronica, maar het dilemma is de beperkte hoeveelheid data die door de circuits kan lopen. In fotonica kun je bijna onbeperkte hoeveelheden data transporteren met de snelheid van het licht."

Een menselijk brein bevat ongeveer 100 miljard neuronen, die elk kunnen communiceren met duizenden andere neuronen via synapsen die neurotransmitters dragen. "De belangrijkste concepten hier zijn de knooppunten en de interconnectiviteit. En dat is vrij gelijkaardig aan wat we al hebben in fotonisch geïntegreerde schakelaars."

Daarom ziet Stabile veelbelovende mogelijkheden om met geïntegreerde fotonica neuromorfe netwerken te bouwen. Ze gelooft ook dat dit geheel nieuwe gebied van neuromorfische fotonica verdere vooruitgang zal brengen in de architecturen van optische schakelaars.

Uitdagingen

Het bouwen van een neuromorf fotonisch netwerk is echter verre van triviaal. "De grote uitdaging is om op te schalen naar grote aantallen neuronen. Hierdoor ontstaan ​​nieuwe onderzoeksvragen:hoe kun je neuronen in slechts twee tot drie lagen stapelen en toch betrouwbare rekenresultaten krijgen? Is het mogelijk om algoritmen in dergelijke een manier waarop we de vereiste netwerkarchitectuur kunnen vereenvoudigen?"

Om deze en andere vragen te beantwoorden, werkt Stabile samen met vele andere collega's uit complementaire disciplines, variërend van materiaalkunde en embedded systemen tot wiskunde en informatica.

"Dat is het leukste van mijn werk, het feit dat ik de hele keten kan dekken, van de materiaal- en technologiekant tot en met de daadwerkelijke toepassing door de volledige computerlagenstapel", zegt de elektrotechnisch ingenieur.

Toepassingen

Stabile ziet veel kansen voor deze technologie. "Bijvoorbeeld in autonoom rijden, waar je een groot aantal gegevens van een groot aantal sensoren moet verwerken en analyseren om realtime besluitvorming mogelijk te maken. Of in ultrasnelle beeldclassificatie, waar je convolutionele optische neurale netwerken zou kunnen gebruiken om radiologen ondersteunen bij het interpreteren van medische beelden of om extreme signaalverwerking voor astronomische beeldvorming mogelijk te maken.

Maar ook in optische communicatie over lange afstand, om het stroomverbruik van digitale signaalverwerking aan de ontvangende kant te verlichten. Of in de ruimtevaart, waar je fotonische neurale netwerken met ultralaag vermogen kunt gebruiken om de verkregen gegevens voor te verwerken voordat je ze naar de aarde stuurt."

Optimaliseren en vereenvoudigen

Maar dat zijn allemaal dromen voor de lange termijn. Op dit moment richt Stabile zich op het optimaliseren van de on-chip netwerkarchitectuur. In plaats van zo complexe netwerken te bouwen, gaat Stabile eerst terug naar de basis.

“Ik probeer te achterhalen in hoeverre we de benodigde netwerken kunnen vereenvoudigen en toch betrouwbare voorspellingen kunnen krijgen. Wat zou de killer-toepassing zijn voor dit soort netwerken en aan welke eisen moeten ze voldoen? De volgende stap is het integreren van de benodigde fysieke lagen, controlesystemen, algoritmen en uitlezingen in een werkend systeem dat de berekening op een efficiënte manier kan versnellen."

Het opschalen van de technologie wordt de volgende fase. "We kunnen volop mogelijkheden verkennen om de gewenste prestaties te bereiken, variërend van nano-fotonica tot spintronica en plasmonica."

Een 3D-neuron

In de nabije toekomst hoopt Stabile een 3-dimensionaal neuron te demonstreren op basis van de integratie van elektronica en multifunctionele fotonica.

"Dat zou kunnen bestaan ​​uit een indiumfosfidelaag voor niet-lineaire processen, bedekt met een routeringslaag gemaakt van siliciumnitride voor synaptische bewerkingen met ultralaag verlies. Deze wordt vervolgens geladen door een geheugenlaag, gebaseerd op faseveranderende materialen. Een in- diepgaande analyse van de metrische/zure berekeningen heeft aangetoond dat dit petaschaalberekeningen mogelijk maakt met tientallen femtojoules per bewerking.

Hier in Eindhoven hebben we het juiste ecosysteem, de juiste expertise en de juiste apparatuur om zo'n neuron te produceren en de eigenschappen ervan te bestuderen. Ook het recent gelanceerde Eindhovense Hendrik Casimir Instituut zal ons onderzoek verder stimuleren."

Testbed

Naast het optimaliseren van de on-chip netwerkarchitectuur, richt Stabile zich momenteel op het ontwikkelen van een experimenteel platform om de technologie te versnellen. Het testbed kan de interesse wekken van bedrijven om te onderzoeken hoe deze technologie kan helpen bij het oplossen van hun problemen.

En natuurlijk wil ze nieuwe wetenschappers en studenten naar dit opkomende onderzoeksgebied lokken. "Neuromorfe fotonica is een zeer boeiend multidisciplinair veld dat grote beloften inhoudt voor de toekomst. Bij de TU/e ​​lopen we voorop in het onderwerp, werkend aan technologie, netwerken, architectuur en informatica. What's not to like?"

Het onderzoek is gepubliceerd in IEEE Journal of Selected Topics in Quantum Electronics .