Neurale netwerken op basis van licht en geïnspireerd op ons brein

Patty Stabile van de Nederlandse TU Eindhoven pioniert met neuromorfe fotonica, dat op het brein geïnspireerde computers combineert met de snelheid en het lage stroomverbruik van fotonica.

Trefwoorden: #Eindhoven, #fotonica, #licht, #universiteit

Lees verder

research

( Foto: TU/e - © Bart van Overbeeke )

ENGINEERINGNET.BE - Bij kunstmatige intelligentie moeten grote hoeveelheden data met ongekende snelheden worden verwerkt en geanalyseerd.

"De algoritmen die daarvoor nodig zijn, kunnen niet draaien op conventionele von Neumann-computerarchitecturen, waarbij geheugen en verwerking niet parallel lopen," stelt Patty Stabile, hoofddocent bij de faculteit Electrical Engineering van TU Eindhoven.

"Het is daarom van groot belang om architecturen te ontwikkelen die deze functies wel combineren, en zo zorgen voor een soepel en snel datatransport. In fotonica kun je bijvoorbeeld bijna onbeperkte hoeveelheden data overbrengen met de snelheid van het licht."

Een menselijk brein bevat ongeveer 100 miljard neuronen, die elk met duizenden andere neuronen kunnen communiceren via synapsen die neurotransmitters vervoeren. "De sleutelbegrippen hier zijn knooppunten en interconnectiviteit. Dat is vergelijkbaar met wat we kennen van fotonische geïntegreerde schakelaars."

Stabile ziet daarom veel mogelijkheden in het gebruik van geïntegreerde fotonica om neuromorfe netwerken te bouwen. Het bouwen van een neuromorf fotonisch netwerk is echter niet eenvoudig.

"De uitdaging is om op te schalen naar grote aantallen neuronen. Maar hoe kun je neuronen in slechts twee tot drie lagen stapelen en toch tot betrouwbare rekenresultaten komen? Is het mogelijk om algoritmes zo te tweaken dat de vereiste netwerkarchitectuur eenvoudiger wordt?"

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

Op dit moment richt zij zich op het optimaliseren van de netwerkarchitectuur op een chip. "Ik probeer te bepalen in hoeverre we de benodigde netwerken kunnen vereenvoudigen en toch betrouwbare voorspellingen kunnen doen. Aan welke eisen moeten dit soort netwerken voldoen?"

De volgende stap is om de benodigde fysieke lagen, regelsystemen, algoritmen en read-outs te integreren in een werkend systeem dat in staat is om op een efficiënte manier berekeningen te versnellen.

Doel is om een driedimensionaal 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 routing-laag van siliciumnitride voor synaptische operaties met ultra-lage verliezen."

"Dit wordt dan opgeladen door een geheugenlaag, gebaseerd op fase-veranderende materialen. Hiermee zijn berekeningen mogelijk op petaschaal, met tientallen femtojoules per operatie."

Stabile ontwikkelt ook een experimenteel platform voor het versnellen van de technologie. Zo’n accelerator kan de belangstelling wekken van bedrijven om te onderzoeken hoe deze technologie kan helpen hun problemen op te lossen.