Nieuwe moleculaire schakelaars kunnen elektronica efficiënter maken

Computers, datacenters en andere elektronica verbruiken veel energie. Nederland zet in op onder meer windparken voor het voldoen aan deze grote energievraag. Een nieuw type moleculaire schakelaars kan hieraan echter eveneens bijdragen. De schakelaars kunnen leren van eerder vertoond gedrag en ‘breinachtige computers’ mogelijk maken. Zo kunnen zij bijdragen aan het efficiënter maken van elektronica.

De schakelaars zijn ontwikkeld door een internationale groep onderzoekers geleid door Prof. Dr. Christian Nijhuis van de Universiteit Twente. In plaats van ons alleen te richten op de realisatie van duurzame energiebronnen, wil Nijhuis ook de aandacht richten op het efficiënter maken van elektronica. “Onze hersenen zijn de efficiëntste computers die we kennen. Ze gebruiken tienduizend keer zo weinig energie als de zuinigste computers”, meldt de hoogleraar.

Tijdsafhankelijke pulsjes

De hoge energie-efficiëntie van menselijke hersenen is mogelijk doordat hersenen data op een volledig andere manier verwerken. Computers verwerken binaire informatiestromen, die bestaan uit nullen en enen. Hersenen werken echter analoog door middel van tijdsafhankelijke pulsjes.

“Onze hersenen verwerken zonder problemen de informatie van miljoenen zenuwcellen vanuit al onze zintuigen. Daarbij gebruiken ze, in tegenstelling tot traditionele elektronica, alleen de hersencellen en synapsen waar pulsjes langs lopen”, meldt Nijhuis. Hierdoor verbruiken onze hersenen in de praktijk alleen energie tijdens een pulsje. Dit stelt hersenen in staat tot het op efficiënte wijze gelijktijdig verwerken van een grote hoeveelheid data.

Deep learning

Nijhuis ontwikkelde samen met zijn team moleculen die alle Booleaans logische poortschakelingen kunnen uitvoeren die nodig zijn voor deep learning. “Deep learning is een vorm van machine learning gebaseerd op kunstmatige neurale netwerken en wordt veel gebruikt in het automatisch herkennen van afbeeldingen en spraak, maar ook in de zoektocht naar nieuwe medicijnen en sinds kort het maken van kunst. Allemaal zaken die voor een computer veel moeilijker zijn dan voor ons brein”, licht Nijhuis toe.

Al langer zijn er allerlei ontwikkelingen rondom software voor kunstmatige intelligentie. Met de moleculen wil het onderzoeksteam nu ook hardware voor kunstmatige intelligentie dichterbij brengen.

Gedrag aanpassen op basis van eerder ontvangen prikkels

Voor het nabootsen van het dynamische gedrag van de synapsen op moleculair niveau combineerden de onderzoekers snelle elektronenoverdracht met langzame protonkoppeling beperkt door diffusie. Dit lijkt op de snelle pulsjes en langzame opname van neurotransmitters van de neuronen in de menselijke hersenen.

De moleculen zijn in staat tot het aanpassen van de kracht en duur van de pulsjes. Zij vertonen hiermee een vorm van klassieke conditionering, melden de onderzoekers. De moleculen passen hun gedrag aan op prikkels die zij eerder hebben ontvangen, wat een vorm van leren is. In de toekomst moeten dergelijke moleculen volgens de onderzoekers ook kunnen reageren op andere stimuli, zoals licht.

Diverse toepassingen

De onderzoekers voorzien een breed scala aan toepassingen. Zo maakt de ontdekking volgens de onderzoekers de weg vrij voor de ontwikkeling van diverse aanpasbare en herconfigureerbare systemen. Dit kunnen op hun beurt leiden tot nieuwe multifunctionele adaptieve systemen die kunstmatige neurale netwerken aanzienlijk vereenvoudigen. Nijhuis legt uit: “Daarmee verlagen we het energieverbruik van onze elektronica drastisch.” Multifunctionele moleculen die ook lichtgevoelig zijn of andere moleculen kunnen detecteren kunnen weer tot nieuw type neurale netwerken of sensoren leiden.

Meer informatie is beschikbaar in de publicatie ‘Dynamic molecular switches with hysteretic negative differential conductance emulating synaptic behaviour’ in het wetenschappelijke tijdschrift Nature Materials.

Auteur: Wouter Hoeffnagel
Foto: Gordon Johnson via Pixabay