Onderzoekers in Canada hebben een computerachtig systeem ontwikkeld waarbij de niet-lineaire dynamica van trillende kiezelstaafjes onderdeel uit maakt. Dit huwelijk van elektronica en mechanica (MEMS gedoopt), door de bedenkers reservoirrekenen genoemd, maakt het mogelijk om neurale netwerken te bouwen die kunnen omgaan met ki-toepassingen zoals patroon- en woordherkenning. Die reservoircomputers zouden veel minder energie nodig hebben dan de traditionele elektronische rekentuigen.
Volgens de onderzoekers van de universiteit van Sherbrooke (Can) is het de eerste reservoircomputertoepassing. Daarin gebruiken neurale netwerken micromechanische componenten om berekeningen uit te voeren. De onderzoekers willen MEMS-componenten ontwikkelen die zowel als sensor als computer(onderdeel) kunnen dienen met een fractie van de energie die een normale computer daarvoor nodig heeft.
“Normaal worden deze berekeningen door programmatuur gedaan en computers kunnen heel inefficiënt zijn”, zegt hoofdauteur Guillaume Dion. “Veel sensoren zijn tegenwoordig mechano-elektronisch. Onze techniek zou de ideale zijn om de scheiding tussen sensoren en computers te doorbreken.”
Kiezelstaafje
Het mechanische component is een, trillend, kiezelstaafje (silicium) dat twintig keer dunner is dan een menselijke haar. Die trillingen worden gebruikt om een virtueel neuraal netwerk te bouwen.
In demonstraties bleek de reservoircomputer geen problemen te hebben om verschillende standaardtaken uit te voeren voor neurale netwerken, stellen de onderzoekers, zoals het thuisbrengen van gesproken teksten en het verwerken van binaire patronen met een nauwkeurigheid van, achtereenvolgens, 78,2% en 99,9%.
“Dit staafje kan vele taken aan”, zegt medeonderzoeker Julien Sylvestre. “Het is verrassend hoe goed dat werkt bij het herkennen van woorden.” De onderzoekers willen kijken of hun MEMS-computer ook goed blijft scoren bij ingewikkelder taken. Ze hopen kleine en energiezuinige sensoren met die techniek te ontwikkelen voor sensoren en robotbesturing
Bron: EurekAlert