In Nederland gaat een nieuw applicatielab voor neuromorphic computing van start. Het initiatief moet bedrijven en onderzoekers helpen om energiezuinige AI sneller te testen en in te zetten. Het lab richt zich op praktische proefopstellingen en pilots bij organisaties in onder meer zorg, industrie en mobiliteit. Doel is een snellere doorbraak van deze technologie in het Europese bedrijfsleven en het publieke domein.
Neuromorphic maakt AI zuiniger
Neuromorphic computing is een manier van rekenen die het menselijk brein nabootst. Het gebruikt zogeheten spiking neural networks: algoritmen die alleen rekenen wanneer er echt een signaal is. Daardoor verbruiken systemen veel minder energie dan klassieke chips. Dat is belangrijk voor sensoren, draagbare apparaten en robots die op batterijen draaien.
De technologie maakt ook lokale verwerking mogelijk, vaak “aan de rand” of op het apparaat zelf. Daardoor hoeven minder gegevens naar de cloud, wat energie en kosten scheelt. Het verlaagt ook vertraging, wat nuttig is voor realtime taken zoals foutdetectie in machines. Tegelijk vraagt deze aanpak om andere software en meetmethoden dan bij standaard AI.
Nieuwe chiptypen, zoals memristors, helpen bij dit energiezuinige rekenmodel. Een memristor is een elektronisch onderdeel dat zowel rekent als data opslaat. In combinatie met eenvoudige, event-gedreven algoritmen levert dat compacte en snelle systemen op. Het applicatielab wil zulke bouwstenen toegankelijk maken voor ontwikkelteams.
Neuromorphic computing: rekensystemen die het brein nabootsen met korte “spikes”, waardoor ze zuinig, snel en geschikt voor lokale AI zijn.
Applicatielab verbindt onderzoek en markt
Het applicatielab biedt testopstellingen, voorbeeldhardware en referentie-algoritmen. Teams kunnen daar hun idee binnen weken omzetten in een werkend prototype. Ook helpt het lab bij het meten van verbruik, nauwkeurigheid en vertraging. Zo wordt duidelijk of een concept klaar is voor een pilot in het veld.
De focus ligt op toepassingen met duidelijk nut. Denk aan trillingsanalyse voor voorspellend onderhoud, slimme camera’s die privacyvriendelijk tellen, en hoorhulpmiddelen die spraak uit ruis halen. In de zorg en maakindustrie liggen de eerste kansrijke trajecten. Daar telt lage energie, betrouwbare respons en dataminimalisatie dubbel mee.
Het lab werkt met open interfaces en documenteert keuzes in hardware en software. Zo kunnen bedrijven later wisselen van leverancier of versie. Eigendom van data en modellen blijft bij de deelnemer, met duidelijke afspraken over intellectueel eigendom. Dit moet deelname voor mkb en startups laagdrempelig maken.
Ook kennisdeling is een speerpunt. Ontwikkelaars krijgen trainingen in spiking-algoritmen en energie-metingen. Daarnaast zijn er trajecten voor productmanagers en compliance-teams. Zo ontstaat een gedeelde taal tussen techniek, operatie en beleid.
Europese regels geven richting
De Europese AI-verordening (AI Act) plaatst AI-toepassingen in risicoklassen. Neuromorphic computing is een techniek; de regels gelden vooral voor de toepassing. Wordt het systeem gebruikt in een hoogrisicodomein, zoals medische hulpmiddelen of kritieke infrastructuur, dan zijn documentatie, testen en menselijk toezicht verplicht. Het applicatielab helpt deelnemers deze eisen vroeg mee te nemen.
De AVG blijft leidend bij persoonsgegevens. Lokaal verwerken op het apparaat past bij dataminimalisatie en beperkt datadeling. Toch blijven een DPIA, duidelijke doelen en beveiliging nodig. Versleuteling, toegangsbeheer en het vermijden van onnodige opslag horen bij het ontwerp.
De Europese Chips Act en nationale halfgeleiderprogramma’s sturen op zuinige, betrouwbare processors. Dat kan de beschikbaarheid van geschikte neuromorphic-hardware vergroten. In Nederland sluit dit aan bij de sterke positie in chipontwerp en hoogtechnologische maakindustrie. Het applicatielab kan fungeren als schakel tussen onderzoek, leveranciers en gebruikers.
Voor organisaties betekent dit: “compliance by design”. Documenteer data, modellen en meetresultaten vanaf de eerste proef. Leg beslisregels vast bij updates en hertraining. Zo worden pilots sneller schaalbaar en audit-proof binnen Europa.
Uitdagingen en volgende stappen
De techniek staat nog niet overal op productniveau. Er is schaarste aan volwassen tools, en standaarden voor uitwisseling en testen zijn in ontwikkeling. Niet elke toepassing wint aan neuromorphic; sommige taken blijven beter op conventionele AI-chips. Een goede problemenanalyse voorkomt misbruik van de technologie.
Meten is cruciaal voor vertrouwen. Bedrijven willen harde cijfers over nauwkeurigheid, latency en milliwatt-verbruik onder echte omstandigheden. Het lab beoogt daarvoor referentieworkflows en reproduceerbare meetopstellingen te bieden. Zo worden keuzes tussen modellen, chips en energieprofielen vergelijkbaar.
Integratie met bestaande software is een ander aandachtspunt. Veel AI-teams werken met Python, PyTorch of ONNX; neuromorphic-stacks vragen vaak een andere aanpak. Het applicatielab werkt daarom met vertaalstappen en duidelijke API’s. Dat moet de instap verlagen voor teams die al met edge-AI bezig zijn.
De komende maanden staan in het teken van praktische pilots en een groeiende community. Verwacht oproepen aan mkb en sectororganisaties om cases in te dienen. Financiering kan komen uit Europese programma’s zoals Horizon Europe of nationale innovatievouchers. Zo krijgt deze energiezuinige vorm van AI sneller voet aan de grond in Nederland en Europa.