Zelfrijdende auto’s, gezichtsherkenning, taalherkenning; allemaal toepassingen gebaseerd op kunstmatige intelligentie. Computersystemen moeten zich daarvoor aanpassen aan een steeds dynamischere omgeving en kunnen omgaan met ongestructureerde en imperfecte data. De huidige kunstmatige neurale netwerken werken goed, maar kennen een aantal grote nadelen. Zo verbruiken ze veel energie en kosten complexe berekeningen relatief veel tijd. TU/e-onderzoeker Eveline van Doremaele heeft daarom afgelopen jaren aan een nieuwe generatie computersystemen gewerkt en ontwikkelde hiermee een slimme chip die voor diverse toepassingen in het menselijk lichaam gebruikt kan worden. Donderdag 25 mei verdedigt ze haar proefschrift aan de faculteit Mechanical Engineering.

Het brein nabootsen

“We dragen zelf een perfect systeem mee voor het uitvoeren van complexe taken” - Van Doremaele grijpt even naar haar hoofd dat vier jaar lang op ‘aan’ stond. “Ons brein kan heel goed met onzekerheden omgaan en werkt heel efficiënt in een wisselende omgeving. Dat komt vooral doordat ons brein processen en berekeningen tegelijkertijd kan uitvoeren en kan leren aan de hand van eerdere ervaringen. Dat is eigenlijk precies wat we nodig hebben voor AI-toepassingen.”

Neuromorphic computing – het nabootsen van de structuur en functie van onze hersenen in een computersysteem – is daarom de laatste jaren flink in opmars, vertelt Van Doremaele. “Energie-efficiënt, snel en dynamisch, ons brein laat zien hoe een perfect computersysteem zou moeten werken en is een grote inspiratiebron. Ook voor onze vakgroep. Wij gaan nog een stap verder en proberen een device te ontwikkelen waarin de zelflerende interactie tussen mens en machine centraal staat. Denk aan een slimme armprothese die je kunt aansluiten aan je lichaam en die je dankzij kunstmatige neuronen kunt leren een pen te pakken. Of een chip die door het gebruik van verschillende sensoren tegelijkertijd tussen miljoenen cellen een circulerende kankercel kan detecteren. Een pacemaker die zich kan aanpassen aan een ouder wordend hart. Als we de technologie eenmaal op gang hebben, zijn de toepassingen eindeloos.”

Zelflerend systeem

Om zo’n chip te maken, moest Van Doremaele op zoek naar geschikte materialen die zowel goed te programmeren zijn, maar ook door ons lichaam goed ontvangen worden. Geleidende organische polymeren, lange moleculen die een elektrische stroom kunnen doorlaten, blijken hiervoor heel effectief, laat Van Doremaele in haar onderzoek zien. “Om het systeem zelf te laten leren is het essentieel dat de weerstand in het device varieerbaar is. Dat gebeurt ook in ons brein: hoe vaker je iets leert, hoe sterker de verbinding tussen neurale cellen wordt. Met behulp van ionen kunnen we de weerstand inderdaad variëren. Maar we willen de connectie ook permanent maken”, legt ze uit.

“Tot nu toe werden in ons vakgebied materialen gebruikt waarin de verbindingen na verloop van tijd afzwakten”, vervolgt de promovenda. “In het geval van de armprothese zou dat betekenen dat je bijvoorbeeld na een maand niet meer weet hoe je een pen moet vastpakken. P-3O, het ambipolaire materiaal dat wij getest hebben is uniek: het kan de weerstand variëren en de ontstane verbinding vasthouden. Verder werkt het zowel met een vloeibaar elektrolyt, zoals in een waterige omgeving in het lichaam, als met een vaste elektrolyt, een gel met ionen. We kunnen cellen met elkaar koppelen en zo complexe circuits met bepaalde eigenschappen maken. Handig voor het meten van zwakke signalen, zoals minieme spierbewegingen, of signalen die zoals de hartslag omgeven zijn door veel ruis.”

Zweetsamples meten

Hoewel voor het doen van complexe metingen nog veel vervolgonderzoek nodig is, ontwikkelde Van Doremaele al wel met neuromorphic computing een biosensor die in zweetsamples van proefpersonen zou kunnen bepalen of er sprake is van de erfelijke aandoening Cystic Fybrosis, taaislijmziekte. “De chip kan met behulp van verschillende sensoren het kalium- en chloorgehalte in het zweet meten. We hebben het systeem voorspellingen laten doen wanneer er een zweetsample werd aangeboden. Wanneer die voorspelling fout was duwde ik op een knopje en corrigeerde het systeem zichzelf hierop. Uiteindelijk leverde de biosensor alleen goede antwoorden. Zo leerde het op een unieke manier, als een neuron in het menselijk brein. Deze basis kunnen we nu verder gaan uitwerken.”

Van Doremaele merkt dat er veel interesse is voor haar werk. “AI is overal, en dat wordt alleen maar meer. Maar ook het energieprobleem neemt toe, datacenters verbruiken enorm veel energie. We moeten dus echt op zoek naar alternatieve computersystemen. Daarnaast is onze focus op organische materialen voor zelflerende biomedische toepassingen vrij uniek. Wereldwijd zijn er slechts enkele groepen die hier - vaak in gezamenlijke projecten - aan werken. Vanwege het multidisciplinaire karakter hebben we ook op de campus verbindingen gemaakt. Door op zoek te gaan naar collega’s met een andere achtergrond en veel kennis te delen, vormde ik een schakel tussen de TU/e-onderzoeksinstituten EAISI (Artificial Intelligence) en ICMS (Complex Molecular Systems). Een PhD kan soms eenzaam zijn, maar ik heb er juist een enorm dankwoord in mijn proefschrift aan overgehouden.”