Computers werken binair, ze rekenen met alleen de waarden 0 en 1. Maar de zenuwcellen die ons brein vormen kunnen rekenen met allerlei verschillende waarden, die afhankelijk zijn van de input die zij krijgen. Hierdoor verbruikt ons brein minder energie bij het verwerken van informatie dan een computer. Natuurkundigen van de Rijksuniversiteit Groningen werkten daarom aan een zogeheten memristor, een soort weerstand met geheugen, die de werking van zenuwcellen nabootst. Zij presenteerden hun resultaten in een artikel in het Journal of Applied Physics.
Het brein is op veel manieren gewone computers de baas. Hersencellen verbruiken minder energie, verwerken informatie sneller en kunnen zich beter aanpassen. De manier waarop de cellen reageren op een prikkel hangt af van de informatie die zij al hebben ontvangen, die ze gevoeliger of juist ongevoeliger maakt. Wetenschappers werken aan nieuwe elektronica die dit gedrag kan nabootsen, op basis van memristors.
RUG-onderzoeker Anouk Goossens, de eerste auteur van het artikel, heeft tijdens een onderzoeksproject voor haar master memristors getest die gemaakt zijn van strontium titanaat met een beetje niobium erin. De geleiding van memristors wordt op analoge wijze bepaald door een elektrisch veld: "We gebruiken de mogelijkheid om de weerstand in dit systeem aan te passen. Via korte spanningspulsjes kunnen we die weerstand controleren en met een lage spanning kunnen we uitlezen welke stroom er in verschillende toestanden door de memristors heen gaat. De kracht van de puls bepaalt de weerstand. We vonden dat die met een factor 1000 kan veranderen." Goossens wilde vooral weten hoe de toestand van de memristor in de loop van de tijd verandert.
Vergeten
Wat Goossens zag was dat de duur van de puls die zij gebruikte om de weerstand aan te passen bepaalde hoe lang de memristor de instelling kon onthouden. Dit varieerde van een tot vier uur voor pulsen van een seconde tot twee minuten. Bovendien bleek dat het materiaal na honderd keer schakelen nog even goed presteert.
‘Je kunt allerlei dingen doen met dit systeem’, zegt Goossens. "Door zo’n memristor op verschillende manieren te “trainen”, met verschillende pulsen, krijgt je een verschillend gedrag." Dat de weerstand na verloop van tijd verandert kan ook bruikbaar zijn: ‘"Het systeem kan zijn instellingen vergeten, net als de hersenen. Dat geeft ons de tijd als een parameter om mee te spelen." Bovendien is het mogelijk in de schakelingen die Goossens maakte geheugen en rekenkracht te combineren. Dat is efficiënter dan de klassieke computerarchitectuur, waarin opslag (op de magnetische harde schijf) en rekenkracht (in de processor) gescheiden zijn.
Links :een vereenvoudigd circuit in de hersenen: neuronen ontvangen en verwerken signalen die ze dan weer doorgeven. Rechts: een kruisvorming circuit, dat onderdeel kan zijn van een elektronisch brein. De memristors werken als de neuronen, ze kunnen hun geleiding aanpassen zodat verbindingen sterker of zwakker worden. | Illustratie: Spintronics of Functional Materials groep, Rijksuniversiteit Groningen.
Voordat ze circuits gaat bouwen, gebaseerd op onze hersenen, wil Goossens eerst nog experimenten doen om goed te begrijpen wat er gebeurt in haar materiaal. "Wanneer we niet precies weten hoe het werkt, kunnen we de problemen die we ongetwijfeld gaan tegenkomen in dit soort circuits niet goed oplossen. Dus moeten we begrijpen wat de natuurkundige eigenschappen van het materiaal zijn: wat doet het precies, en waarom?"
Waar Goossens onder meer een antwoord op wil hebben is de vraag welke parameters de toestand van het materiaal beïnvloeden. "En als we honderd van dit soort schakelingen bouwen, werken die dan allemaal precies hetzelfde? Als ze dat niet doen, en je dus variatie hebt tussen de schakelingen, hoeft dat geen probleem te zijn. Hersencellen zijn ook niet allemaal gelijk."
Referentie: A.S. Goossens, A. Das en T. Banerjee: Electric field driven memristive behavior at the Schottky interface of Nb-doped SrTiO3. Journal of Applied Physics, special topic section: New physcis and materials for neuromorphic computation, 21 Oktober 2018.
Bron: artikel overgenomen van ScienceLinx
