Afbeelding: Dominique Kösters
Het massale gebruik van AI-algoritmes zorgt voor een snelle toename van het energieverbruik van computersystemen. Een aantrekkelijk en mogelijk duurzamer alternatief is de zogeheten neuromorfe hardware. Dit zijn computerchips die geïnspireerd zijn op de hersenen. Geheugen en rekenkracht zitten hierbij op dezelfde plek. Daardoor hoeft er veel minder data heen en weer gestuurd te worden, en dat scheelt energie. Het is echter nog onduidelijk hoe neuromorfe hardwareconcepten optimaal kunnen worden ingezet wat betreft rekencapaciteit en milieu-impact.
Algoritmes en hardwarematerialen
In dit project ontwikkelen we algoritmes voor neuromorfe hardware. We gebruiken computationele materiaalkunde als voorbeeldtoepassing. Zo werken we aan oplossingen voor problemen op het gebied van optimalisatie en sampling (het slim nemen van steekproeven). Daarnaast leren we meer over materialen voor de volgende generatie neuromorfe hardware. Op die manier versterken de ontwikkeling van algoritmes en de ontwikkeling van materialen elkaar.
We richten ons vooral op stochastische algoritmes. Dat zijn algoritmes die bewust gebruikmaken van toeval. Ons doel is om algoritmes te maken die direct gebruikmaken van het toevallige gedrag van de materialen zelf. Dat kan nu nog niet, en zou dus een echte doorbraak zijn.
Veel rekentaken kun je goed oplossen met stochastische algoritmes. Een voorbeeld: in plaats van alle mogelijke onderdelen van een berekening precies mee te nemen, kies je willekeurig de belangrijkste onderdelen. Zo bouw je stap voor stap een steeds betere oplossing op. Dit soort algoritmes draait nu op digitale hardware. Maar als die hardware steeds kleiner wordt, ontstaan er vanzelf toevallige effecten. Op dit moment proberen ingenieurs die effecten juist te voorkomen.
Aan de Radboud Universiteit hebben we veel kennis van stochastische algoritmes en van het gebruik daarvan in de wetenschap. We weten ook veel over de toevallige eigenschappen van magnetische materialen op nanoschaal. Samen met de JGU Mainz, een universiteit die vooroploopt op het gebied van stochastische magnetische materialen, hebben we alle kennis in huis. Zo kunnen we ontdekken hoe je gesynchroniseerd toeval kunt gebruiken voor berekeningen, in plaats van het te vermijden. Met de kennis van SURF, Fontys en InfinityQ onderzoeken we bovendien hoe je de resultaten kunt toepassen in de wetenschap en de samenleving.
Doelstellingen
De doelstellingen van ons onderzoeksprogramma zijn:
- Nieuwe rekenalgoritmes ontwikkelen die gebruikmaken van gesynchroniseerd toeval in memristieve nanomaterialen.
- Laten zien dat deze nieuwe algoritmes ook echt werken in neuromorfe materialen.
- Aantonen dat neuromorfe hardware voordelen biedt bij belangrijke toepassingen in de computationele natuurkunde.
Consortium
Om deze doelen te bereiken, combineren we kennis uit verschillende vakgebieden: kunstmatige intelligentie (RU-AI), computationele natuurkunde (RU-natuurkunde), experimentele natuurkunde en materiaalkunde (JGU Mainz), high-performance computing (SURF), en het ontwikkelen van computerhardware en -software (InfinityQ).
Samen ontwikkelen we algoritmes. Die passen we toe op nieuw ontdekte magnetische materialen die heel snel, heel klein en heel energiezuinig zijn. Daarna testen we, samen met Fontys, hoe snel en energiezuinig onze methode is. We vergelijken dit met traditionele rekenmethoden.
Projectleider Johan Mentink: "In dit project laten we zien wat stochastische neuromorfe hardware kan betekenen. We willen het energieverbruik flink verlagen. En we willen grootschalige simulaties mogelijk maken die nu nog niet kunnen, zowel in de wetenschap als daarbuiten."
