Met het brein van een fruitvlieg kan een neuromorfe computer feilloos een biobak aanwijzen
In dit artikel:
Op een laboratoriumtafel in Groningen bouwt onderzoeker Ton Juny Pina aan een kunstmatige neus die het reuksysteem van een fruitvlieg imiteert. Voor hem staat een doosje met zestien relatief onscherpe gassensoren; die reageren op veel verschillende moleculen en zijn daarom moeilijk selectief te maken. Pina en zijn begeleidster Elisabetta Chicca koppelen de ruisspelende sensoruitgangen aan een computermodel van Drosophila’s hersencircuits — de corpora pedunculata — die insecten helpen geurpatronen te scheiden. Het doel is een gevoelige, maar energiezuinige, geurdetector geïnspireerd op biologische netwerken.
Dit werk past in een bredere Nederlandse impuls rond neuromorphic computing: rekenmethoden en hardware die prinses en mechanismen van echte hersenen nabootsen. In Groningen werkt het CogniGron‑centrum — opgericht in 2016 met substantiële privédonaties — interdisciplinair aan dit terrein; er zitten honderd onderzoekers bij neuro‑, computer‑ en materiaalkunde betrokken. Een recent whitepaper van Topsector ICT signaleert dat Nederland een sterke positie inneemt en noemt toepassingen zoals bewaking van elektriciteitsnetten, logistiek, beveiliging, rampenbestrijding, voedselproductie en medische apparatuur. Al zijn er ook commerciële spin‑offs ontstaan (onder andere Innatera, Hoursec, AxeleraAI en IMChip) die energiezuinige chips en sensoren ontwikkelen.
Neuromorfe benaderingen onderscheiden zich van de huidige dominante AI‑stijl (deep learning) die grote, digitale neurale netwerken op krachtig getrainde GPU’s gebruikt. Die aanpak levert indrukwekkende prestaties, maar vergt enorme datavolumes en veel energie — een probleem dat onderzoekers als Beatriz Noheda zorgen baart, zeker in vergelijking met biologische hersenen die met circa 20 watt functioneren. Een fundamenteel knelpunt van klassieke computers is de Von Neumann‑architectuur: berekeningen en geheugen zijn fysiek gescheiden, waardoor veel tijd en energie in dataverkeer gaat zitten. Graphics‑chips (GPU’s) hebben die beperking deels omzeild door parallelle rekeneenheden, maar neuromorfe research streeft verder: geheugen en rekenkracht lokaal samenbrengen zoals in de hersenen.
Een technisch hart van die ambitie zijn memristors: componenten waarvan de elektrische weerstand verandert en die deze toestand vasthouden — kortom geheugen en rekenelement tegelijk. Rasterstructuren van horizontale en verticale lijnen met memristors op de kruisingen kunnen matrixvermenigvuldigingen zeer snel en zuinig uitvoeren, zonder traditionele processors. Zulke designs zouden vooral effectief zijn in combinatie met spiking‑netwerken: neurale modellen die met korte elektrische pulsen (spikes) werken en informatie in timing vastleggen. Spiking‑benaderingen zijn energiezuinig omdat ze alleen ‘vuren’ als er relevante signalen zijn, een idee dat al in de jaren tachtig door Carver Mead is toegepast voor event‑gebaseerde camera’s en sensoren.
Materialenonderzoek speelt een sleutelrol. Nieuwe neuromorfe apparaten gebruiken geen klassieke silicium‑CMOS, maar memristors op basis van uiteenlopende materialen: perovskieten (Amolf) bleken extreem zuinig, Eindhoven werkt aan geleidende polymeren die ook zacht en buigzaam zijn, en Noheda ontwikkelt ferro‑elektrische varianten. Zilveren nanodeeltjes die bij stroom samenklonteren en zo geleidbaarheid veranderen vormen een ander voorbeeld. Deze alternatieve materialen openen niet alleen de weg naar compacte neuromorfe chips, maar ook naar toepassingen waar zacht materiaal en bio‑compatibiliteit belangrijk zijn — denk aan draagbare hartmonitoren, kunstmatige spieren of mensvriendelijke soft robots.
Onderzoekers benadrukken dat het idee niet is om Nvidia‑achtige rekenkolossen te evenaren met miljoenen memristors, maar om heel specifieke, energiezuinige oplossingen voor sensing en lokale verwerking te ontwikkelen — vooral in omgevingen met beperkte batterijkracht of waar real‑time besluitvorming nodig is. Neuromorfe principes blijven veel van hun rijkdom ontlenen aan miljoenen jaren van biologische evolutie: geen absolute precisie, maar snelle, zuinige en robuuste beslissingen. Dat is precies de eigenschap die onderzoekers en bedrijven proberen te vangen en technologisch te vertalen.