Neurale netwerken zijn enkele van de belangrijkste hulpmiddelen in kunstmatige intelligentie (AI):ze bootsen de werking van het menselijk brein na en kunnen teksten betrouwbaar herkennen, taal en beelden, er enkele noemen. Tot dusver, ze draaien op traditionele processors in de vorm van adaptieve software, maar experts werken aan een alternatief concept, de 'neuromorfe computer'. In dit geval, de schakelpunten van de hersenen - de neuronen - worden niet gesimuleerd door software, maar gereconstrueerd in hardwarecomponenten. Een team van onderzoekers van het Helmholtz-Zentrum Dresden-Rossendorf (HZDR) heeft nu een nieuwe benadering gedemonstreerd voor dergelijke hardwaregerichte magnetische golven die worden gegenereerd en verdeeld in wafels van micrometerformaat. Kijkend naar de toekomst, dit zou kunnen betekenen dat optimalisatietaken en patroonherkenning sneller en energiezuiniger kunnen worden uitgevoerd. De onderzoekers hebben hun resultaten gepresenteerd in het tijdschrift Fysieke beoordelingsbrieven .

Het team baseerde zijn onderzoek op een klein schijfje van het magnetische materiaal ijzernikkel, met een diameter van slechts enkele micrometers. Om deze schijf is een gouden ring geplaatst:als er een wisselstroom in het gigahertzbereik doorheen stroomt, het zendt microgolven uit die zogenaamde spingolven in de schijf opwekken. "De elektronen in het ijzernikkel vertonen een spin, een soort werveling ter plaatse, eerder als een tol, " Helmut Schultheiß, hoofd van de Emmy Noether Group "Magnonics" bij HZDR, verklaart. "We gebruiken de microgolfimpulsen om de elektronentop een beetje uit de koers te halen." De elektronen geven deze verstoring vervolgens door aan hun respectievelijke buren, waardoor een spingolf door het materiaal schiet. Op deze manier kan informatie zeer efficiënt worden getransporteerd zonder de elektronen zelf te hoeven verplaatsen, dat is wat er in de huidige computerchips gebeurt.

Terug in 2019, ontdekte de groep Schultheiß iets opmerkelijks:onder bepaalde omstandigheden de spingolf die in de magnetische vortex wordt gegenereerd, kan in twee golven worden gesplitst, elk met een verminderde frequentie. "Hiervoor zijn zogenaamde niet-lineaire effecten verantwoordelijk, ", legt Schultheiß's collega Lukas Körber uit. "Ze worden alleen geactiveerd wanneer het bestraalde microgolfvermogen een bepaalde drempel overschrijdt." Dergelijk gedrag suggereert spingolven als veelbelovende kandidaten voor kunstmatige neuronen omdat er een verbazingwekkende parallel is met de werking van de hersenen:deze neuronen ook pas af als een bepaalde prikkeldrempel is overschreden.

Magnetron lokvogel

Aanvankelijk, echter, de wetenschappers waren niet in staat om de verdeling van de spingolf erg nauwkeurig te regelen. Körber legt uit waarom:"Toen we de magnetron in de schijf stuurden, er was een vertraging voordat de spingolf in twee nieuwe golven werd verdeeld. En dit was moeilijk te controleren." Dus, het team moest een manier bedenken om het probleem te omzeilen, die ze nu hebben beschreven in Fysieke beoordelingsbrieven :Naast de gouden ring, een kleine magneetstrip is dicht bij de magnetische wafer bevestigd. Een kort microgolfsignaal wekt in deze strook een spingolf op die kan interageren met de spingolf in de wafer en zo als een soort lokmiddel kan fungeren. De spingolf in de strook zorgt ervoor dat de golf in de wafer zich sneller deelt. "Een heel kort extra signaal is voldoende om de splitsing sneller te laten plaatsvinden, " legt Körber uit. "Dit betekent dat we nu het proces kunnen activeren en de vertraging kunnen beheersen."

Wat ook betekent dat, in principe, het is bewezen dat spingolfwafels geschikt zijn voor kunstmatige hardware-neuronen - ze schakelen op dezelfde manier over als zenuwcellen in de hersenen en kunnen direct worden bestuurd. "Het volgende dat we willen doen, is een klein netwerk bouwen met onze spingolf-neuronen, " kondigt Helmut Schultheiß aan. "Dit neuromorfe netwerk zou dan eenvoudige taken moeten uitvoeren, zoals het herkennen van eenvoudige patronen."

Gezichtsherkenning en verkeersoptimalisatie Patroonherkenning is een van de belangrijkste toepassingen van AI. Gezichtsherkenning op een smartphone, bijvoorbeeld, maakt de noodzaak van een wachtwoord overbodig. Om het te laten werken, een neuraal netwerk moet vooraf worden getraind, die gepaard gaat met enorme rekenkracht en enorme hoeveelheden data. Smartphonefabrikanten zetten dit netwerk over op een speciale chip die vervolgens in de mobiele telefoon wordt geïntegreerd. Maar de chip heeft een zwakte. Het is niet adaptief, dus kan geen gezichten herkennen die een masker dragen, bijvoorbeeld.

Een neuromorfe computer, anderzijds, kan ook omgaan met situaties als deze:in tegenstelling tot conventionele chips, de componenten zijn niet vast bedraad, maar functioneren als zenuwcellen in de hersenen. "Daarom, een neuromorfe computer kan grote hoeveelheden gegevens tegelijk verwerken, net als een mens - en bovendien zeer energie-efficiënt, ’, vertelt Schultheiß enthousiast. Behalve patroonherkenning, het nieuwe type computer zou ook nuttig kunnen zijn op een ander economisch relevant gebied:voor optimalisatietaken zoals zeer nauwkeurige routeplanners voor smartphones.