Belgen ontwikkelen totaal nieuw type computer

Voor het eerst zijn computerwetenschappers er in geslaagd opto-elektronische reservoircomputing, een nieuwe vorm van informatieverwerking, in de praktijk te brengen. De eerste resultaten zijn indrukwekkend.

Wat is feedback?
We kennen allemaal positieve en negatieve feedback loops, zij het onder een andere naam. Negatieve feedbackloops houden systemen in evenwicht, terwijl positieve feedback loops juist werken als een versterker. Een voorbeeld van een negatieve feedbackloop is een volstromende badkuip. Als het waterniveau te hoog is, stroomt het water weg. Een positieve feedbackloop is bijvoorbeeld een brand (de hitte veroorzaakt nog meer brand) of de vorming van een ijskap (die zonlicht weerkaatst, waardoor deze afkoelt en zo groeit), waardoor een kleine oorzaak enorme gevolgen krijgt.  De natuur is zo ingewikkeld omdat deze bestaat uit talloze feedback loops die allemaal met elkaar in verbinding staan. Deze ingewikkeldheid schrikte onderzoekers tot nu toe af, maar steeds krachtiger hulpmiddelen voor berekeningen, en het inzicht dat er heel interessante dingen te ontdekken zijn, maken dat toch steeds meer wetenschappers de jungle van complexe feedback loops induiken.

Maakt analoge computer een comeback?
Zowel positieve als negatieve feedback kan je gebruiken als rekenelement voor een computer. Dat is precies wat Yvan Paquot van de Vrije Universiteit van Brussel en enkele collega’s hebben gedaan. Zij beschrijven de eerste praktische uitvoering van een exotische nieuwe vorm van computing die het feedbackmechanisme gebruikt om tot dusver ongekend snelle analoge berekeningen te kunnen uitvoeren. Het inzicht achter hun baanbrekende werk: een feedback loop verwerkt informatie. Bijvoorbeeld: brand -> hitte + brandstof -> nog meer brand. Het berekent dus de gevolgen van het combineren van hitte en brandstof, informatie uit het recente verleden. Die informatie is in de feedback loop opgeslagen.

Wat is een analoge computer?
Er bestaan twee soorten computers. Digitale computers, zoals die waarop ik dit stukje zit te tikken (en u te lezen), en analoge computers, al bekend uit de vroege oudheid, die tot in de jaren vijftig en zestig heel populair waren en in feite een soort model vormen van het systeem dat bestudeerd werd.

Zo gebruikten economen in de jaren vijftig een model met waterbuizen als analoge computer om de gevolgen van bijvoorbeeld een hogere rente op de Nederlandse economie te voorspellen en de resultaten waren niet eens zoveel beroerder als nu. Dergelijke effecten kan je ook bereiken met elektrische schakelingen of mechanische modellen.

Een kenmerkende eigenschap van analoge computers is dat ze continu zijn. Dat wil zeggen: ze werken met een glijdende schaal, niet met gehele getallen, zoals een digitale computer. De voorganger van de rekenmachine was de rekenliniaal (er hing nog zo’n levensgroot stokoud ding  in ons natuurkundelokaal). In feite een analoge computer. De oude garde weeklaagde geregeld dat sinds de invoering van de rekenmachine, leerlingen hun gevoel voor getallen kwijtraakten. Digitale computers zijn sinds de jaren zestig echter zo snel geworden, dat niemand meer geïnteresseerd is in het moeizame gepruts dat werken met een analoge computer met zich meebrengt. Jammer, want de natuur werkt analoog, niet digitaal.

Reservoir computing makkelijker in gebruik dan neuraal netwerk
Het type computer dat Paquot en zijn collega’s hebben gebouwd is een reservoir computer. Het reservoir bestaat uit een redelijk groot aantal knooppunten, nodes, die op toevalige wijze met elkaar zijn verbonden. Elke node gedraagt zich als een niet-lineaire feedback loop. Dit wil zeggen dat het systeem zich chaotisch kan gedragen. In de proefopzet die gekozen is door Paquot en zijn team, werden willekeurige nodes gekozen voor de invoer en andere, eveneens gekozen willekeurige nodes, om de uitvoer te lezen. Het systeem wordt vervolgens getraind om de gewenste berekening te produceren, door de uitvoer-nodes onderling op een bepaalde manier te wegen. Dit werkt veel simpeler dan bij een neuraal netwerk, dat veel lastiger fijn is te stellen. Reservoir computers bestaan al sinds de eeuwwisseling en zijn gebouwd van onderdelen, uiteenlopend van emmers water tot programmeerbare chips om zo feedback loops te creëren. Netwerken met enkele honderden eenheden bleken al in staat om enkele woorden te herkennen.

Rekenen met licht
Uniek aan deze opstelling is dat de onderdelen uit bestaande opto-elektronica bestaan en met de snelheid van het licht werken. Geen positronisch, maar een optisch brein dus. Sorry, Asimov. Elk knooppunt is een optoelektronische ‘ding’ waarbij de hoogte van de spanning bepaalt hoeveel licht er uit wordt gezonden. Deze output-lichtbundel komt in een glasvezel terecht die het licht terug stuurt naar de fotodiode die de spanning opwekt. Een ‘negatieve’ non-lineaire feedback dus met een vorm van (extreem) kortdurend geheugen.

Vijftig knooppunten maken slechts 0,4% fouten in woordherkenning
De onderzoekers slaagden er in om hun vijftig knooppunten, random met elkaar verbonden, taken als het onderscheiden van sinusgolven en blokgolven, en zelfs eenvoudige woordherkenning, te leren. Het ging hier om de door een vrouw gesproken getallen 1 tot 9, die de computer moest leren te herkennen. Hierin slaagde de schakeling in 99,6 % van de gevallen. Twee fouten in vijfhonderd herkende woorden dus. Nog indrukwekkender is de snelheid: het systeem werkt rond een miljoen keer sneller dan eerdere systemen. Een verdere toename met factor honderd tot duizend, waarvoor kant en klare opto-elektronische onderdelen kunnen worden gebruikt, ligt volgens de groep in het verschiet. Kortom: hiermee wordt het interessant voor real-life toepassingen. Zal deze benadering ooit digitale computers overtreffen? Volgens Paquot en zijn groep is dat nog de vraag, maar dat de kans hierop nu behoorlijk groot is geworden is duidelijk.

Bron
Yvan Paquot, Optoelectronic Reservoir Computing, Arxiv (2011)