Nieuwe manier om neuromorfe chips te trainen

Neuromorfe computers zijn gebaseerd op de structuur van het menselijk brein. De training vraagt nu nog externe trainingssoftware, wat tijdrovend en energie-inefficiënt kan zijn. Onderzoekers hebben nu echter een neuromorfe biosensorchip ontwikkeld die zelfstandig kan leren, zonder externe training.

Zoals gepresenteerd in een artikel in Nature Electronics hebben onderzoekers van de TU/e en Northwestern University in de VS een manier bedacht om neuromorfe chips te trainen, door de chip als testcase te gebruiken als biosensor om taaislijmziekte te detecteren.

“Neuromorfe computers kunnen bijvoorbeeld een grote impact hebben op de gezondheidszorg, vooral als het gaat om toepassingen en apparatuur buiten het lab om te testen op een ziekte of aandoening”, zegt onderzoeker Eveline van Doremaele. “In ons onderzoek hebben we een belangrijk probleem opgelost met betrekking tot het gebruik van neuromorfe computers in de gezondheidszorg.”

Voor praktisch gebruik in de zorgpraktijk moet neuromorfe technologie weinig stroom verbruiken, een interface hebben met een sensor en gemakkelijk te trainen zijn voor gebruik. De eerste twee kunnen worden opgelost met neuromorfe elektronica. Het centrale vraagstuk was echter nog het trainingsdeel.

Tot nu toe werd het neurale netwerk van een neuromorfe chip getraind met behulp van externe software. “Onze chip kan zelf leren door real-time patiëntgegevens te verwerken. Dit versnelt het trainingsproces echt en bevordert het gebruik van de chip in echte interactieve bioapplicaties”, aldus de onderzoeker.

Zoeken naar chloride-anionen

De chip is getest op taaislijmziekte, waar al goede tests en betrouwbare sensoren voor beschikbaar zijn. Dit maakt de resultaten goed te verifiëren.

De neuromorfe biosensor bestaat uit een sensormodule, neurale netwerk-hardware en een classificatiegedeelte. Een druppel zweet wordt aan de sensormodule toegevoegd, waarna chloride- en andere ionenconcentraties in het zweet worden gedetecteerd met ion-selectieve elektroden. Deze signalen worden verwerkt door de neuromorfe chip, waarna het resultaat verschijnt als een groen of rood lampje dat respectievelijk een negatief of positief resultaat aangeeft.  

Training in de ‘datasportschool’

Voordat de chip werd gebruikt om de echte zweetmonsters te evalueren, moest het neurale netwerk naar de ‘datasportschool’ om daar onder begeleiding te trainen.

“We maakten een aantal zweetmonsters met variërende en bekende ionenconcentraties en testten de monsters vervolgens op de chip. Als het resultaat van de chip voor een test verkeerd was, corrigeerden we de chip, wat resulteerde in correcties van de gewichten tussen de knooppunten van het neurale netwerk”, zegt van Doremaele. “Belangrijk is dat we de chip trainen op de hardware zelf.”

Dit is de belangrijkste vooruitgang in dit onderzoek – de mogelijkheid om het neurale netwerk op de chip te trainen, zonder dat er externe software nodig is. “Wanneer de chip eenmaal is getraind voor het probleem in kwestie is er geen verdere externe controle of interventie nodig.”

Herbruikbaar

Bovendien kan de chip, zelfs als hij getraind is, gebruikt worden voor een ander probleem. “Stel dat je dezelfde neurale netwerk-hardware wilt gebruiken in een slimme prothesehand of -arm. Het enige wat je dan hoeft te doen is het neurale netwerk opnieuw te trainen in de ‘datasportschool’ met informatie over hand- of armbewegingen”, zegt Van Doremaele.

Deze nieuwe on-chip leerbenadering opent de deur voor gepersonaliseerde implanteerbare neurale netwerken die getraind worden door de eindgebruiker, door gebruik te maken van gegevens die direct afkomstig zijn van die gebruiker. “Zo’n benadering van het trainen van neurale netwerken voor de gezondheidszorg kan belangrijke gevolgen hebben voor mensen. Wellicht is het hierdoor op een dag mogelijk om chips in real-time te trainen om protheses of andere soortgelijke apparaten te besturen. De echte nieuwigheid is dat de chips kunnen leren en zich kunnen aanpassen aan hun toepassing en omgeving. Ze hoeven niet van tevoren geprogrammeerd te worden, zoals nu het geval is.”