Analoog neuraal netwerk neemt razendsnel beslissingen

Vijftig miljoen beslissingen nemen per seconde: dat kan de NeuroClassifier, het neurale netwerk dat de Hongaarse onderzoeker ir Peter Masa ontwikkelde aan de Universiteit Twente. Deze extreem hoge snelheid is vereist bij toepassingen in de hoge energie fysica. Uit de gigantische hoeveelheid gegevens afkomstig van deeltjesversnellers, kan de NeuroClassifier 'real-time' juist die informatie selecteren, die voor de fysicus interessant is. De chip is daarmee sneller dan de snelste supercomputer, voor slechts een fractie van de prijs. Tijdens het Micro Neuro Congres, onlangs gehouden in Turijn, kreeg Masa voor zijn ontdekking de Best Chip Award uitgereikt. Op 20 januari a.s. promoveert hij aan de faculteit Elektrotechniek. Hij studeerde in 1989 af aan de Technische Universiteit van Budapest.

Neurale netwerken kunnen leren complexe taken uit te voeren. Ze zijn bijvoorbeeld geschikt voor het herkennen en selecteren van informatie. Een andere krachtige eigenschap van neurale netwerken is, dat ze parallel kunnen rekenen. Dit maakt ze geschikt voor toepassing in de hoge energiefysica, waar de eisen aan snelheid en verwerkingscapaciteit zeer groot zijn. Een deeltjesversneller als het Deutsches Elektronen Synchrotron (DESY) in Hamburg levert per seconde tien terabyte aan informatie. Iedere seconde registreren 270.000 detectoren elke tien miljoen gebeurtenissen. Van deze tien miljoen gebeurtenissen zijn er gemiddeld vijf interessant, omdat dit botsingen zijn waarbij deeltjes als quarks vrijkomen. Om deze momenten te selekteren uit de gigantische informatiestroom is de NeuroClassifier van Peter Masa bij uitstek geschikt. Binnen 20 nanoseconden (miljardste seconden) beslist het systeem of een gebeurtenis interessant is of niet. Het netwerk is daarmee sneller dan een supercomputer, die tientallen miljoenen guldens kost, terwijl de prijs van Masa's chips enkele duizenden guldens bedraagt.

De NeuroClassifier leert zelf relevante gebeurtenissen te onderscheiden - de fysicus hoeft geen selectiecriterium op te geven, het netwerk leert zelf onderscheid te maken.

De silicium chip meet negen bij acht millimeter. Voor het leren maakt Masa's chip gebruik van 400 multipliers, schakelingen die vermenigvuldigingen kunnen uitvoeren. In digitale techniek zou dit veel meer chipoppervlak in beslag nemen en is zo'n hoge snelheid niet haalbaar.