ENGINEERINGNET.BE - Voor kunstmatige intelligentie moet een computer in staat zijn om patronen in de wereld te herkennen en nieuwe aan te leren. Computers doen dit nu via machine learning software op hardware waarin opslag en het verwerken van informatie op twee verschillende plekken gebeurt.
‘Dat is een enorm energie-inefficiënt proces’, vertelt Bert Kappen, hoogleraar Neurale netwerken en machine-intelligentie.
De natuurkundigen onderzochten of een stuk hardware hetzelfde kan doen, zonder dat daarbij software nodig is. Ze ontdekten dat ze met kobaltatomen op zwarte fosfor een netwerk konden bouwen dat informatie opslaat en verwerkt, vergelijkbaar met hoe hersenen dat doen. Verrassend genoeg bleek dit materiaal zichzelf te veranderen.
In 2018 toonde deze onderzoekers al aan dat het mogelijk is om informatie op te slaan op een enkel kobaltatoom. Met een bepaald voltage konden ze het atoom laten ‘vuren’, waarbij de staat van het atoom willekeurig wisselde tussen een 0 en 1, vergelijkbaar met één neuron.
Nu hebben ze ontdekt hoe ze specifieke groepen van deze atomen kunnen opbouwen, en vonden dat het vuurgedrag van zo’n groepje atomen lijkt op het gedrag van een computermodel dat door het brein geïnspireerd is en gebruikt wordt voor kunstmatige intelligentie.
Met dit systeem hebben ze de kleinste synaps ter wereld gebouwd, ter grootte van één atoom. Ook zagen ze dat het netwerk van atomen een ingebouwd vermogen heeft om zichzelf aan te passen: de atomen met de rol van synapsen veranderden hun vuurgedrag afhankelijk van welke input ze ‘zagen’.
De onderzoekers zijn nu van plan om het systeem op te schalen en een groter netwerk van atomen te bouwen. Ook gaan ze onderzoek doen naar nieuwe ‘quantummaterialen’ die gebruikt kunnen worden.
Het is belangrijk dat ze gaan begrijpen waarom de atomen zich gedragen zoals ze doen. ‘We staan nu op een punt waar we fundamentele natuurkunde kunnen gaan koppelen aan concepten uit de biologie, zoals leren en geheugen’, zegt Alexander Khajetoorians, hoogleraar Scanning Probe Microscopy aan de Radboud Universiteit en projectleider van het onderzoek.
‘Als we echte machines kunnen bouwen met dit materiaal, kunnen we zelflerende apparaten bouwen die energiezuiniger en kleiner zijn dan de huidige computers. Pas wanneer we echt begrijpen hoe het werkt, kunnen we het gedrag sturen en nieuwe technologie ontwikkelen.’
