Innovatie & Strategie

Wetenschap
Brownse beweging

Extreem zuinig prototype computer bewijst dat principes uit theoretische natuurkunde werken

Prototype werkt vrijwel uitsluitend op energie uit de omgeving.

Brownse beweging van gasmoleculen © Shutterstock Jo Sam Re
9 december 2022

Prototype werkt vrijwel uitsluitend op energie uit de omgeving.

In een zoektocht naar manieren om computers veel efficiënter te laten werken, heeft een onderzoeksgroep aan de Duitse Johannes Gutenberg University Mainz -  met medewerking van Nijmeegse wetenschappers - een prototype gebouwd dat twee natuurkundige fenomenen combineert tot het energiezuinige Brownian reservoir computing.

De huidige computers verbruiken extreme hoeveelheden energie, waarbij veel warmte wordt geproduceerd die weer problemen geeft bij het wegleiden daarvan. Met een toenemende afhankelijkheid van computers en tegelijk het groeiend probleem van energieschaarste, moet daar een oplossing voor gevonden worden. Er zijn al veel wetenschappers die werken aan alternatieven met veelbelovende resultaten. Denk daarbij bijvoorbeeld aan neuromorphic computing en spiking neural networks.

Voor nieuwe denkrichtingen gaan wetenschappers doorgaans terug naar de basis, dus verschijnselen die in de natuur optreden. Zo is bekend dat alle kleine deeltjes in vloeistof of gas een willekeurige (random) beweging maken, de zogeheten Brownse beweging, ontdekt door Robert Brown in 1827. Die beweging is afhankelijk van de omgevingstemperatuur. Dat fenomeen is - zoals de naam al aangeeft - in Brownian reservoir computing gecombineerd met een ander fenomeen genaamd reservoir computing.

Reservoir computing komt voort uit de ontwikkeling van neurale netwerken. Het netwerk bestaat echter niet uit de klassieke verbindingen, maar moet meer gezien worden als continu systeem in ruimte en tijd, of - meer beeldend - een emmer met water. Dat 'water' dient als een reservoir waarmee berekeningen kunnen worden uitgevoerd door input te geven als verstoringen van het oppervlak. Bij reservoir computing hoeft alleen de buitenste laag te worden getraind en niet het hele reservoir - dus in de analogie alleen het oppervlak in plaats van de hele emmer water. Daarom werkt deze aanpak veel efficiënter. Reservoir computing wordt gezien als een alternatief voor de huidige manier waarop neurale netwerken worden getraind voor bijvoorbeeld natuurlijke taalverwerking. Die training is nu heel rekenintensief en kost veel energie.

Reservoir computing wordt bijvoorbeeld ook toegepast in combinatie met sommige typen kwantumcomputers. De werking van reservoir computing kon bijvoorbeeld worden aangetoond in een kwantumsysteem gebaseerd op de draairichting van elektronen (spin electron).

Het prototype werkt

De theoretische en experimenteel natuurkundige onderzoeksgroepen van Mathias Kläui hoogleraar aan het Institute of Physics van de Mainz University en Johan Mentink hoogleraar aan de Radboud Universiteit in Nijmegen hebben nu de Brownse beweging en reservoir computing samengebracht tot Brownian reservoir computing. Het prototype dat ze hebben gebouwd, kan de booleaanse bewerkingen uitvoeren die nodig zijn voor het uitvoeren van de standaard testen om de werking van reservoir computing aan te tonen.

Ze maken gebruik van heel dunne metalen films waarin zich zogeheten magnetische skyrmionen voordoen, ofwel draaikolkjes op atomaire schaal. Die gedragen zich als deeltjes en kunnen gemanipuleerd worden met kleine elektrische stroompjes. Het gedrag van de skyrmionen wordt niet alleen beïnvloed door de aangelegde stroompjes maar ook door hun eigen Brownse beweging. Die zorgt ervoor dat het systeem na elke bewerking automatisch wordt teruggezet in de uitgangspositie (reset). Dat levert een grote efficiencywinst op.

Heel goed op te schalen

Het grote voordeel van deze 'Brownian reservoir computing'-aanpak is volgens de onderzoekers dat het proces heel goed is op te schalen omdat het met standaard lithografische productieprocessen in chips is vorm te geven. Het project is onder meer gefinancierd met een Synergy Grant van de European Research Council. De onderzoeksresultaten zijn gepubliceerd in het gerenommeerde Nature Communications, waarbij de redactie het werk uitlichtte als een 'Editor's Highlight'.

Reactie toevoegen
De inhoud van dit veld is privé en zal niet openbaar worden gemaakt.