Miranda Cheng staat centraal in een nieuwe aflevering van de VPRO tv-serie 'Grote Vragen' op donderdag 1 oktober.
Kijken!
Showing posts with label Natuurkunde. Show all posts
Showing posts with label Natuurkunde. Show all posts
Saturday, September 26, 2020
Mutant in de natuurkunde
Voor de VPRO Gids van deze week schreef ik over de eigenzinnige theoretisch natuurkundige Miranda Cheng. Zij zoekt de wiskunde die het geheim van zwarte gaten onthult, en deed een belangrijke doorbraak.
Miranda Cheng staat centraal in een nieuwe aflevering van de VPRO tv-serie 'Grote Vragen' op donderdag 1 oktober.
Miranda Cheng staat centraal in een nieuwe aflevering van de VPRO tv-serie 'Grote Vragen' op donderdag 1 oktober.
Friday, October 4, 2019
Machine learning is een must voor de deeltjesfysica
Hoe kun je nieuwe natuurkunde vinden zonder een model te hebben van die fysica? Machine learning is daarvoor essentieel, beweert deeltjesfysicus Sascha Caron. Hij past het toe in de zoektocht naar donkere materie.
Dit artikel is gepubliceerd in het NIKHEF-magazine Dimensies van oktober 2019. Het magazine is hier te downloaden
Dit artikel is gepubliceerd in het NIKHEF-magazine Dimensies van oktober 2019. Het magazine is hier te downloaden
“Voor mijn kinderen is het heel normaal dat een auto zelf kan rijden, dat een machine hun vragen beantwoordt en dat een robot hen helpt om wetenschap te bedrijven. Deze nieuwe generatie denkt heel anders dan mijn generatie of nog oudere generaties. Dat zie ik ook in mijn vakgebied.”
Aan het woord is Sascha Caron, universitair hoofddocent deeltjesfysica aan de Radboud Universiteit Nijmegen en tevens verbonden aan het Nikhef. Hij is gespecialiseerd in data-analyse, in het bijzonder die bij de zoektocht naar donkere materie. Daarin is hij een van de pioniers in het gebruik van machine learning.
Caron: “Als je bij het Nikhef nu de vraag zou stellen wat het nut is van machine learning in de deeltjesfysica, dan zul je vaak antwoorden horen in de trant van: het is een hype, of: dat we doen al twintig jaar. Mijn eigen antwoord luidt: machine learning is een must, we doen er veel te weinig mee en veel te weinig fysici begrijpen het potentieel.”
Voor de deeltjesfysica ligt dat potentieel volgens Caron op vier terreinen: het beter classificeren van deeltjes en botsingsgebeurtenissen, het direct afleiden van fysica uit ruwe data, het vinden van nieuwe fysica zonder een model van die fysica te hebben, en tenslotte het fantaseren of − netter gezegd − bedenken van nieuwe fysica. Dat is nogal wat.
Machine learning is het onderdeel van de kunstmatige intelligentie waarin computers nieuwe taken leren in plaats van alleen maar voorgeprogrammeerde taken uitvoeren. Een van de eenvoudigste praktische toepassingen is een computer die leert om in je e-mailbox spam van niet-spam te onderscheiden zonder dat hem van te voren precies is verteld hoe een spam-bericht is opgesteld.
De meest populaire manier van machine learning gebruikt neurale netwerken. Dat idee is geïnspireerd op de manier waarop het menselijk brein leert en simuleert een netwerk van neuronen op een computer. Deze kunstmatige neuronen zijn met elkaar verbonden en tijdens het leerproces veranderen de ‘gewichten’ die aangeven hoe sterk twee neuronen met elkaar zijn verbonden.
Neurale netwerken bestaan al decennialang, maar boekten ook net zo lang nauwelijks succes. Dat veranderde in 2012 toen diepe neurale netwerken, met meer lagen van neuronen dan voorheen, het ineens veel beter bleken te doen bij het classificeren van voorwerpen in afbeeldingen dan alle andere methoden. Sindsdien duiken neurale netwerken ineens overal op, nu onder de naam deep learning: van beeld- en spraakherkenning tot medische diagnoses en robotica, en sinds een paar jaar ook in de natuurwetenschappen. Zo ontdekten astronomen in 2017 dankzij machine learning een nieuwe exoplaneet. Scheikundigen kunnen dankzij machine learning sneller interessante nieuwe materialen vinden.
Dankzij deep learning kunnen computers nu razendsnel en zonder moe te worden patronen in data herkennen. Soms zijn dat patronen die de mens ook wel zou herkennen, maar soms ook zijn dat subtiele patronen die de mens niet ziet. In 2016 deed go-computer AlphaGo tegen de beste go-speler van het decennium dankzij zijn zelflerende vermogen een zet die menselijke top-spelers als oerdom beschouwden, maar die achteraf geniaal bleek te zijn.
Geïnspireerd door de successen van deep learning op andere terreinen, ging ook een klein groepje deeltjesfysici ermee aan de slag in. In 2014 boekten zij het eerste succes. Ze lieten zien dat deep learning 8% beter dan alle andere methoden in staat was om in de data van botsingsdetectoren deeltjes te onderscheiden van achtergrondruis.
“Dat is mooi”, zegt Caron, “maar niet fundamenteel nieuw. Wat wel echt nieuw was, is dat deep learning daarvoor geen voorkennis over de fysica nodig heeft. De standaardmethode van classificeren heeft dat wel nodig. Traditioneel bedenkt een bepaalde groep theoretisch fysici variabelen die geschikt zijn om naar nieuwe natuurkunde te zoeken. Dat is de voorkennis. Ik durf wel te stellen dat het voor deze fysici na de publicatie in 2014 game over is. Zij gaan nooit meer variabelen bedenken die het beter doen in het classificeren dan een neuraal netwerk. Een diep neuraal netwerk heeft gewoon veel meer vrijheid om zich aan te passen aan de data.”
Het is de combinatie van diepe neurale netwerken, meer trainingsdata, betere simulatoren om trainingsdata zelf te maken, betere algoritmen om neurale netwerken te trainen en betere hardware die maken dat diepe neurale netwerken nu zo’n succesvol instrument kunnen zijn, ook in de deeltjesfysica. En dat terwijl in de jaren negentig neurale netwerken het niet beter deden in het classificeren van deeltjes en botsingsgebeurtenissen dan andere methoden.
“Helaas zitten veel fysici nog in hun hoofd met die oude neurale netwerken en zijn ze niet op de hoogte van de ontwikkelingen van de afgelopen vijf jaar”, zegt Caron. “Ik denk dat er wereldwijd zo’n vijftig deeltjesfysici bezig zijn de potentie van diepe neurale netwerken te ontdekken. Dat is veel te weinig. Het maakt het ook moeilijk om een cultuurverandering teweeg te brengen. Onderzoeksvoorstellen en papers worden vaak beoordeeld door natuur- en sterrenkundigen zonder kennis in machine learning. Dan is de kans groot dat ze niet begrijpen wat het nieuwe aspect is.”
Behalve het beter classificeren van deeltjes en botsingsgebeurtenissen, kan machine learning ook gebruikt worden om uit ruwe botsingsdata direct fysica af te leiden. Eigenlijk gaat de hele natuurkunde over het afleiden van nieuwe inzichten uit data. Machine learning kan daarbij enorm helpen. Caron: “Heel veel zaken die natuurkundigen nu op een conventionele manier doen, kunnen we waarschijnlijk beter doen met machine learning. Stel, een calorimeter in een deeltjesdetector meet de energieën van de deeltjes. De ruwe data bestaan dan uit een plaatje van op welke plek de calorimeter wat heeft gemeten. Dat plaatje kun je als ruwe data aan een diep neuraal netwerk geven en dat kan daar de relevante fysische parameters uit halen: welke deeltje is gemeten? welke energie heeft het? wat is de hoek van z’n baan?”
Nog spannender is dat machine learning nieuwe fysica kan vinden zonder een model te hebben van die fysica. Caron: “Tot en met de ontdekking van het Higgsdeeltje wisten deeltjesfysici meestal waarnaar ze zochten. Maar nu zijn we op een punt gekomen waarop we niet meer goed weten waarnaar we zoeken. We hebben misschien wel miljoenen mogelijke modellen voor donkere materie. Eigenlijk willen we alleen maar naar anomalieën zoeken, iets wat afwijkt van het standaardmodel.”
Juist daarvoor is machine learning geschikt. Caron trekt een vergelijking met het zoeken naar leven op andere paneten: “Stel, we trainen een diep neuraal netwerk om alle levende wezens op aarde te herkennen. Het heeft dan een algemeen begrip hoe leven eruit ziet. Vervolgens gaan we het gebruiken om op andere planeten te zoeken naar levende wezens. Dan kan het zomaar zijn dat het netwerk honderdduizenden dingen vindt die het niet kan reconstrueren uit al het aardse leven. Stel nu dat we een tweede netwerk trainen met alle aliens die in sciencefictionboeken voorkomen. In de deeltjesfysica is dat als het ware het netwerk dat door theoreten wordt getraind. Zij bedenken nieuwe fysica. Misschien zegt dit sciencefiction-netwerk wel dat 35 van die honderdduizend rare dingen op een andere planeet lijken op groene mannetjes met grote hoofden uit sciencefictionboeken. Dan zouden we de data daarvan verder kunnen onderzoeken. Dit is precies wat ik zelf doe met het zoeken naar donkere materie.”
Volgens Caron denken veel deeltjesfysici dat het echte werk zit in het bouwen van een detector en het doen van de experimenten en dat de data-analyse triviaal is. “Zo was het in de jaren 80 en 90 van de 20e eeuw, maar dat geldt al lang niet meer. Omdat we niet meer goed weten waarnaar we moeten zoeken, zijn de modellen veel complexer geworden. Daarnaast is de hoeveelheid gemeten data veel groter. En wel zo groot dat geen enkele klassieke analysemethode het beter doet dan machine learning. We moeten een heel ander beeld ontwikkelen over hoe we natuurkunde bedrijven. Een beeld waarin machine learning een krachtig instrument is.”
Internet
Sascha Caron: https://www.nikhef.nl/~scaron
Dark Machines is een onderzoekscollectief van natuurkundigen en data-wetenschappers: http://www.darkmachines.org
Project iDark van het eScience Center: https://www.esciencecenter.nl/project/idark
Aan het woord is Sascha Caron, universitair hoofddocent deeltjesfysica aan de Radboud Universiteit Nijmegen en tevens verbonden aan het Nikhef. Hij is gespecialiseerd in data-analyse, in het bijzonder die bij de zoektocht naar donkere materie. Daarin is hij een van de pioniers in het gebruik van machine learning.
Caron: “Als je bij het Nikhef nu de vraag zou stellen wat het nut is van machine learning in de deeltjesfysica, dan zul je vaak antwoorden horen in de trant van: het is een hype, of: dat we doen al twintig jaar. Mijn eigen antwoord luidt: machine learning is een must, we doen er veel te weinig mee en veel te weinig fysici begrijpen het potentieel.”
Voor de deeltjesfysica ligt dat potentieel volgens Caron op vier terreinen: het beter classificeren van deeltjes en botsingsgebeurtenissen, het direct afleiden van fysica uit ruwe data, het vinden van nieuwe fysica zonder een model van die fysica te hebben, en tenslotte het fantaseren of − netter gezegd − bedenken van nieuwe fysica. Dat is nogal wat.
Machine learning is het onderdeel van de kunstmatige intelligentie waarin computers nieuwe taken leren in plaats van alleen maar voorgeprogrammeerde taken uitvoeren. Een van de eenvoudigste praktische toepassingen is een computer die leert om in je e-mailbox spam van niet-spam te onderscheiden zonder dat hem van te voren precies is verteld hoe een spam-bericht is opgesteld.
De meest populaire manier van machine learning gebruikt neurale netwerken. Dat idee is geïnspireerd op de manier waarop het menselijk brein leert en simuleert een netwerk van neuronen op een computer. Deze kunstmatige neuronen zijn met elkaar verbonden en tijdens het leerproces veranderen de ‘gewichten’ die aangeven hoe sterk twee neuronen met elkaar zijn verbonden.
Neurale netwerken bestaan al decennialang, maar boekten ook net zo lang nauwelijks succes. Dat veranderde in 2012 toen diepe neurale netwerken, met meer lagen van neuronen dan voorheen, het ineens veel beter bleken te doen bij het classificeren van voorwerpen in afbeeldingen dan alle andere methoden. Sindsdien duiken neurale netwerken ineens overal op, nu onder de naam deep learning: van beeld- en spraakherkenning tot medische diagnoses en robotica, en sinds een paar jaar ook in de natuurwetenschappen. Zo ontdekten astronomen in 2017 dankzij machine learning een nieuwe exoplaneet. Scheikundigen kunnen dankzij machine learning sneller interessante nieuwe materialen vinden.
Dankzij deep learning kunnen computers nu razendsnel en zonder moe te worden patronen in data herkennen. Soms zijn dat patronen die de mens ook wel zou herkennen, maar soms ook zijn dat subtiele patronen die de mens niet ziet. In 2016 deed go-computer AlphaGo tegen de beste go-speler van het decennium dankzij zijn zelflerende vermogen een zet die menselijke top-spelers als oerdom beschouwden, maar die achteraf geniaal bleek te zijn.
Geïnspireerd door de successen van deep learning op andere terreinen, ging ook een klein groepje deeltjesfysici ermee aan de slag in. In 2014 boekten zij het eerste succes. Ze lieten zien dat deep learning 8% beter dan alle andere methoden in staat was om in de data van botsingsdetectoren deeltjes te onderscheiden van achtergrondruis.
“Dat is mooi”, zegt Caron, “maar niet fundamenteel nieuw. Wat wel echt nieuw was, is dat deep learning daarvoor geen voorkennis over de fysica nodig heeft. De standaardmethode van classificeren heeft dat wel nodig. Traditioneel bedenkt een bepaalde groep theoretisch fysici variabelen die geschikt zijn om naar nieuwe natuurkunde te zoeken. Dat is de voorkennis. Ik durf wel te stellen dat het voor deze fysici na de publicatie in 2014 game over is. Zij gaan nooit meer variabelen bedenken die het beter doen in het classificeren dan een neuraal netwerk. Een diep neuraal netwerk heeft gewoon veel meer vrijheid om zich aan te passen aan de data.”
Het is de combinatie van diepe neurale netwerken, meer trainingsdata, betere simulatoren om trainingsdata zelf te maken, betere algoritmen om neurale netwerken te trainen en betere hardware die maken dat diepe neurale netwerken nu zo’n succesvol instrument kunnen zijn, ook in de deeltjesfysica. En dat terwijl in de jaren negentig neurale netwerken het niet beter deden in het classificeren van deeltjes en botsingsgebeurtenissen dan andere methoden.
“Helaas zitten veel fysici nog in hun hoofd met die oude neurale netwerken en zijn ze niet op de hoogte van de ontwikkelingen van de afgelopen vijf jaar”, zegt Caron. “Ik denk dat er wereldwijd zo’n vijftig deeltjesfysici bezig zijn de potentie van diepe neurale netwerken te ontdekken. Dat is veel te weinig. Het maakt het ook moeilijk om een cultuurverandering teweeg te brengen. Onderzoeksvoorstellen en papers worden vaak beoordeeld door natuur- en sterrenkundigen zonder kennis in machine learning. Dan is de kans groot dat ze niet begrijpen wat het nieuwe aspect is.”
Behalve het beter classificeren van deeltjes en botsingsgebeurtenissen, kan machine learning ook gebruikt worden om uit ruwe botsingsdata direct fysica af te leiden. Eigenlijk gaat de hele natuurkunde over het afleiden van nieuwe inzichten uit data. Machine learning kan daarbij enorm helpen. Caron: “Heel veel zaken die natuurkundigen nu op een conventionele manier doen, kunnen we waarschijnlijk beter doen met machine learning. Stel, een calorimeter in een deeltjesdetector meet de energieën van de deeltjes. De ruwe data bestaan dan uit een plaatje van op welke plek de calorimeter wat heeft gemeten. Dat plaatje kun je als ruwe data aan een diep neuraal netwerk geven en dat kan daar de relevante fysische parameters uit halen: welke deeltje is gemeten? welke energie heeft het? wat is de hoek van z’n baan?”
Nog spannender is dat machine learning nieuwe fysica kan vinden zonder een model te hebben van die fysica. Caron: “Tot en met de ontdekking van het Higgsdeeltje wisten deeltjesfysici meestal waarnaar ze zochten. Maar nu zijn we op een punt gekomen waarop we niet meer goed weten waarnaar we zoeken. We hebben misschien wel miljoenen mogelijke modellen voor donkere materie. Eigenlijk willen we alleen maar naar anomalieën zoeken, iets wat afwijkt van het standaardmodel.”
Juist daarvoor is machine learning geschikt. Caron trekt een vergelijking met het zoeken naar leven op andere paneten: “Stel, we trainen een diep neuraal netwerk om alle levende wezens op aarde te herkennen. Het heeft dan een algemeen begrip hoe leven eruit ziet. Vervolgens gaan we het gebruiken om op andere planeten te zoeken naar levende wezens. Dan kan het zomaar zijn dat het netwerk honderdduizenden dingen vindt die het niet kan reconstrueren uit al het aardse leven. Stel nu dat we een tweede netwerk trainen met alle aliens die in sciencefictionboeken voorkomen. In de deeltjesfysica is dat als het ware het netwerk dat door theoreten wordt getraind. Zij bedenken nieuwe fysica. Misschien zegt dit sciencefiction-netwerk wel dat 35 van die honderdduizend rare dingen op een andere planeet lijken op groene mannetjes met grote hoofden uit sciencefictionboeken. Dan zouden we de data daarvan verder kunnen onderzoeken. Dit is precies wat ik zelf doe met het zoeken naar donkere materie.”
Volgens Caron denken veel deeltjesfysici dat het echte werk zit in het bouwen van een detector en het doen van de experimenten en dat de data-analyse triviaal is. “Zo was het in de jaren 80 en 90 van de 20e eeuw, maar dat geldt al lang niet meer. Omdat we niet meer goed weten waarnaar we moeten zoeken, zijn de modellen veel complexer geworden. Daarnaast is de hoeveelheid gemeten data veel groter. En wel zo groot dat geen enkele klassieke analysemethode het beter doet dan machine learning. We moeten een heel ander beeld ontwikkelen over hoe we natuurkunde bedrijven. Een beeld waarin machine learning een krachtig instrument is.”
Internet
Sascha Caron: https://www.nikhef.nl/~scaron
Dark Machines is een onderzoekscollectief van natuurkundigen en data-wetenschappers: http://www.darkmachines.org
Project iDark van het eScience Center: https://www.esciencecenter.nl/project/idark
Wednesday, January 4, 2017
Het internet duikt onder water
Zwermen van onderwaterrobots gaan communiceren als dolfijnen.
Zelfs de meest afgelegen plekken op aarde worden stukje bij beetje aan het internet gekoppeld. Maar duik onder water en het internet valt stil − en dat terwijl 71 % van het aardoppervlak uit water bestaat. Als het aan wetenschappers van het Europese onderzoeksproject Sunrise ligt, komt hier verandering in. Zij willen onderwaterrobots via het onderwater-internet met elkaar laten communiceren in zeeën, rivieren en meren. Uit Nederland doen onderzoekers van de Universiteit Twente aan Sunrise mee.
Lees het hele artikel op de website van De Kennis van Nu.
Klik op onderstaande afbeelding om mijn bijdrage aan het Radio 1-programma De Ochtend te beluisteren:
Thursday, December 22, 2016
Eerste vingerafdruk van een atoom antimaterie
Anti-waterstof als test voor diepste wetten van de natuur
Voor het eerst hebben natuurkundigen een vingerafdruk genomen van een atoom antimaterie. Onderzoekers van het Europese onderzoekcentrum CERN in Genève hebben 67 atomen antiwaterstof gemaakt en opgesloten in een sterk magneetveld. Vervolgens werden ze met laserlicht beschenen. Dit stimuleert de atomen om zelf licht te gaan uitzenden. Dit licht is een unieke vingerafdruk van antiwaterstof.
Voor het eerst hebben natuurkundigen een vingerafdruk genomen van een atoom antimaterie. Onderzoekers van het Europese onderzoekcentrum CERN in Genève hebben 67 atomen antiwaterstof gemaakt en opgesloten in een sterk magneetveld. Vervolgens werden ze met laserlicht beschenen. Dit stimuleert de atomen om zelf licht te gaan uitzenden. Dit licht is een unieke vingerafdruk van antiwaterstof.
Lees op de website van De Kennis van Nu het hele artikel.
Klik op onderstaande afbeelding om mijn bijdrage aan het radio 1-programma De Ochtend te beluisteren:
Saturday, June 25, 2016
Bouwstenen voor toekomstige elektronica - Spinozapremie voor natuurkundige Bart van Wees
Onze moderne informatie- en communicatietechnologie zou niet bestaan zonder succesvolle toepassingen van kwantummechanica. Bart van Wees, hoogleraar Technische natuurkunde aan de Rijksuniversiteit Groningen, bouwt quantum devices voor een nieuwe generatie toepassingen.
Dit artikel is gepubliceerd in NWO Hypothese van juni 2016
Uw onderzoek strekt zich uit over exotisch klinkende terreinen als spintronica, spincaloritronica en gekwantiseerde geleiding, maar u werkt ook aan een wondermateriaal als grafeen. Wat ziet u als de rode draad in uw werk?
De rode draad is dat ik geïnteresseerd ben in quantum engineering. Hoe benut je het feit dat elektronen zich soms als deeltjes en soms als golven gedragen? Aan de ene kant wil ik uit pure nieuwsgierigheid nieuwe kwantummechanische fenomenen in materialen ontdekken. Aan de andere kant wil ik die effecten gebruiken om bouwstenen voor de micro-elektronica van de toekomst mee te maken. Die twee stimuleren elkaar trouwens. Fundamenteel onderzoek leidt tot nieuwe toepassingen en die nieuwe toepassingen inspireren ons weer tot nieuw fundamenteel onderzoek.
Tot welke toepassingen kan uw onderzoek leiden?
Soms noemen we ons onderzoek ‘Voorbij Moore’. Decennialang is de Wet van Moore de drijvende kracht geweest achter de ontwikkeling van computerchips. Elke twee jaar verdubbelde de rekenkracht van een computerchip. Aan de Wet van Moore komt een keer een einde. Onze bouwstenen zijn dan misschien een manier om de micro-elektronica van de toekomst op te baseren.
Grafeen-devices die gebruik maken van elektronenspins kunnen bijvoorbeeld zo’n bouwsteen worden. Dat is een toepassing van wat spintronica heet. We gebruiken dan niet de lading van een elektron, maar zijn spin, zeg maar het tollen om zijn as. Hierdoor gedragen elektronen zich als kleine magneetjes. Het mooie van grafeen is dat daarin de spins over lange afstand kunnen bewegen zonder hun magnetisatierichting te verliezen. We zijn op weg om ook hier elementaire elektronicabouwstenen mee te maken.
In het algemeen heeft al ons onderzoek wel een link heeft met de halfgeleiderindustrie, de industrie die onze computerchips maakt. Dat ons onderzoek tot toepassingen leidt is zeker, maar welke bouwstenen het wel of niet halen, valt niet te voorspellen.
Bent u wel eens verbaasd hoe veel vreemde kwantummechanische effecten de natuur in petto heeft om nieuwe materialen mee te maken?
Ik denk dat ik eerder verbaasd ben over het feit dat de natuur materialen kent die helemaal geen rare eigenschappen hebben en die zo universeel zijn als bijvoorbeeld silicium. Dat de natuur materialen kent die zo goed te hanteren zijn dat we er mooie technologie van kunnen maken, vind ik minstens zo bijzonder als exotische kwantumfenomenen.
Wat ziet u als uw volgende grote uitdaging?
Het combineren van elektronica met spintronica en fotonica. We zouden hiermee hele nieuwe devices kunnen maken die zowel kunnen rekenen, wat nu elektronisch gebeurt, maar ook data kunnen opslaan, wat nu magnetisch gebeurt, en ook nog snel kunnen communiceren, wat nu met licht gebeurt.
Dit artikel is gepubliceerd in NWO Hypothese van juni 2016
Uw onderzoek strekt zich uit over exotisch klinkende terreinen als spintronica, spincaloritronica en gekwantiseerde geleiding, maar u werkt ook aan een wondermateriaal als grafeen. Wat ziet u als de rode draad in uw werk?
De rode draad is dat ik geïnteresseerd ben in quantum engineering. Hoe benut je het feit dat elektronen zich soms als deeltjes en soms als golven gedragen? Aan de ene kant wil ik uit pure nieuwsgierigheid nieuwe kwantummechanische fenomenen in materialen ontdekken. Aan de andere kant wil ik die effecten gebruiken om bouwstenen voor de micro-elektronica van de toekomst mee te maken. Die twee stimuleren elkaar trouwens. Fundamenteel onderzoek leidt tot nieuwe toepassingen en die nieuwe toepassingen inspireren ons weer tot nieuw fundamenteel onderzoek.
Tot welke toepassingen kan uw onderzoek leiden?
Soms noemen we ons onderzoek ‘Voorbij Moore’. Decennialang is de Wet van Moore de drijvende kracht geweest achter de ontwikkeling van computerchips. Elke twee jaar verdubbelde de rekenkracht van een computerchip. Aan de Wet van Moore komt een keer een einde. Onze bouwstenen zijn dan misschien een manier om de micro-elektronica van de toekomst op te baseren.
Grafeen-devices die gebruik maken van elektronenspins kunnen bijvoorbeeld zo’n bouwsteen worden. Dat is een toepassing van wat spintronica heet. We gebruiken dan niet de lading van een elektron, maar zijn spin, zeg maar het tollen om zijn as. Hierdoor gedragen elektronen zich als kleine magneetjes. Het mooie van grafeen is dat daarin de spins over lange afstand kunnen bewegen zonder hun magnetisatierichting te verliezen. We zijn op weg om ook hier elementaire elektronicabouwstenen mee te maken.
In het algemeen heeft al ons onderzoek wel een link heeft met de halfgeleiderindustrie, de industrie die onze computerchips maakt. Dat ons onderzoek tot toepassingen leidt is zeker, maar welke bouwstenen het wel of niet halen, valt niet te voorspellen.
Bent u wel eens verbaasd hoe veel vreemde kwantummechanische effecten de natuur in petto heeft om nieuwe materialen mee te maken?
Ik denk dat ik eerder verbaasd ben over het feit dat de natuur materialen kent die helemaal geen rare eigenschappen hebben en die zo universeel zijn als bijvoorbeeld silicium. Dat de natuur materialen kent die zo goed te hanteren zijn dat we er mooie technologie van kunnen maken, vind ik minstens zo bijzonder als exotische kwantumfenomenen.
Wat ziet u als uw volgende grote uitdaging?
Het combineren van elektronica met spintronica en fotonica. We zouden hiermee hele nieuwe devices kunnen maken die zowel kunnen rekenen, wat nu elektronisch gebeurt, maar ook data kunnen opslaan, wat nu magnetisch gebeurt, en ook nog snel kunnen communiceren, wat nu met licht gebeurt.
Wednesday, May 18, 2016
Wat is toeval?
Johan Cruijff zei ooit dat toeval logisch is, maar hoe logisch is toeval eigenlijk? Bestaat er in de natuur wel zoiets als zuiver toeval?
Klik op onderstaande afbeelding om mijn bijdrage aan het Radio 1-programma De Ochtend te horen:
Wednesday, February 17, 2016
In Memoriam voor de Wet van Moore
Vijftig jaar lang is de Wet van Moore de drijvende kracht geweest achter de ontwikkeling van computers, laptops, smartphones en tablets. Maar aan die wet komt nu officieel een einde. Dat gaat de internationale computerchipindustrie begin maart bekend maken.
Klik op onderstaande afbeelding om mijn radiobijdrage aan het Radio 1-programma De Ochtend te beluisteren of te bekijken:
Lees hier mijn artikel voor De Kennis van Nu over het einde van de Wet van Moore.
Veel meer over de Wet van Moore leest u in mijn eerdere blogpost: Alle ins en outs van de Wet van Moore.
Wednesday, November 25, 2015
Zonder Einstein geen GPS
Vandaag [woensdag 25 november 2015] is het precies honderd jaar geleden dat Albert Einstein het sluitstuk van zijn Algemene Relativiteitstheorie publiceerde.
´Sla linksaf na honderd meter´, klinkt het uit het navigatiesysteem van de auto. We zijn zozeer gewend geraakt aan een navigatiesysteem als alwetende gids tijdens onze autoritten dat we vergeten wat een wonder van wetenschap en techniek deze uitvinding is; een uitvinding die onmogelijk was geweest zonder Einsteins relativiteitstheorie, zowel de speciale- als de algemene relativiteitstheorie.
Lees het hele artikel op NPO Wetenschap.
´Sla linksaf na honderd meter´, klinkt het uit het navigatiesysteem van de auto. We zijn zozeer gewend geraakt aan een navigatiesysteem als alwetende gids tijdens onze autoritten dat we vergeten wat een wonder van wetenschap en techniek deze uitvinding is; een uitvinding die onmogelijk was geweest zonder Einsteins relativiteitstheorie, zowel de speciale- als de algemene relativiteitstheorie.
Lees het hele artikel op NPO Wetenschap.
Einsteins algemene relativiteitstheorie viert 100e verjaardag
De Kennis van Nu sprak er op dinsdag 24 november 2015 over met Jeroen van Dongen, hoogleraar wetenschapsgeschiedenis verbonden aan de Universiteit Utrecht en de Universiteit van Amsterdam, en Joeri van Leeuwen, sterrenkundige aan astronomisch instituut ASTRON en verbonden aan de Universiteit van Amsterdam.
Bennie Mols vertelde waarom alle GPS-navigatiesystemen waardeloos zouden worden zonder rekening te houden met de effecten van Einsteins speciale en algemene relativiteitstheorie.
Saturday, October 24, 2015
Heilige Graal van de kwantummechanica gevonden
Geen twijfel meer mogelijk: spookachtige werking op afstand bestaat echt. Bewezen in een Delfts lab.
Natuurkundigen van de TU Delft hebben experimenteel bewezen dat wat Albert Einstein ‘spookachtige werking op afstand’ noemde echt bestaat. De laatste twijfel is weggenomen. Bas Hensen, Ronald Hanson en hun collega’s publiceerden hun resultaten deze week in Nature.
Lees het hele artikel op de website van NPO Wetenschap.
Wednesday, October 7, 2015
Wildpark Tsjernobyl - Grote dieren floreren door afwezigheid mens
Het wildleven is terug op de plek van ’s werelds ergste kernramp, blijkt uit nieuw onderzoek. Met dank aan de afwezige mens. Maar er is veel kritiek op de studie.
29 jaar na de kernramp bij Tsjernobyl is de populatie elanden, reeën, herten, wilde zwijnen en wolven in de Tsjernobyl Exclusion Zone net zo groot als in vier niet-vervuilde natuurreservaten in de buurt. Verhalen over uitbundig wildleven waren er al jaren. Nu zijn er ook tellingen. Een groep internationale onderzoekers publiceerde de resultaten deze week in het tijdschrift Current Biology.
Op 26 april 1986 ontplofte de kerncentrale in Tsjernobyl, destijds nog deel van de Sovjet-Unie, nu van Oekraïne. In een straal van ruim dertig kilometer rond de rampplek werden alle mensen geëvacueerd, zo’n honderdduizend in totaal. Dit werd de Tsjernobyl Exclusion Zone, een gebied ter grootte van de provincie Noord-Holland, waarvan de helft in Oekraïne ligt en de helft in Wit-Rusland. Tsjernobyl werd een spookstad.
Uit de tellingen, gedaan tussen 2005 en 2010, concluderen de onderzoekers dat het heel waarschijnlijk is dat het wildleven nu talrijker is dan voor de ramp. Dat betekent niet dat straling goed is voor het wildleven, maar dat de effecten van de mens − bewoning, landbouw, bosbouw en jacht − op het niveau van populaties een stuk slechter voor deze dieren zijn.
Lees het hele artikel op NPO Wetenschap.
Beluister hier mijn bijdrage over hetzelfde onderwerp aan het Radio 1-programma De Ochtend
De Nederlanders Hans Wolkers en Daan Kloeg publiceerden in 2014 het prachtige fotoboek Silent Witness - Three decades after Chernobyl's nuclear disaster.
Deze week werden ook de Nobelprijzen bekend gemaakt. Zowel de Nobelprijs voor natuurkunde als die voor de scheikunde en de literatuur hebben - ongetwijfeld geheel toevallig - met radio-activiteit te maken:
Neutrino's (Nobelprijs natuurkunde) komen onder andere vrij tijdens radio-actief verval; DNA-reparatie (Nobelprijs scheikunde) treedt onder andere op nadat radio-activiteit het DNA in een cel heeft beschadigd; en tenslotte is een van de bekendste werken van Svetlana Aleksijevitsj (Nobelprijs literatuur) het boek 'Wij houden van Tsjernobyl' over de lotgevallen van mensen die bij de ontploffing van de kerncentrale in Tsjernobyl aanwezig waren en daar hun leven lang de gevolgen van hebben ondervonden.
29 jaar na de kernramp bij Tsjernobyl is de populatie elanden, reeën, herten, wilde zwijnen en wolven in de Tsjernobyl Exclusion Zone net zo groot als in vier niet-vervuilde natuurreservaten in de buurt. Verhalen over uitbundig wildleven waren er al jaren. Nu zijn er ook tellingen. Een groep internationale onderzoekers publiceerde de resultaten deze week in het tijdschrift Current Biology.
Op 26 april 1986 ontplofte de kerncentrale in Tsjernobyl, destijds nog deel van de Sovjet-Unie, nu van Oekraïne. In een straal van ruim dertig kilometer rond de rampplek werden alle mensen geëvacueerd, zo’n honderdduizend in totaal. Dit werd de Tsjernobyl Exclusion Zone, een gebied ter grootte van de provincie Noord-Holland, waarvan de helft in Oekraïne ligt en de helft in Wit-Rusland. Tsjernobyl werd een spookstad.
Uit de tellingen, gedaan tussen 2005 en 2010, concluderen de onderzoekers dat het heel waarschijnlijk is dat het wildleven nu talrijker is dan voor de ramp. Dat betekent niet dat straling goed is voor het wildleven, maar dat de effecten van de mens − bewoning, landbouw, bosbouw en jacht − op het niveau van populaties een stuk slechter voor deze dieren zijn.
Lees het hele artikel op NPO Wetenschap.
Beluister hier mijn bijdrage over hetzelfde onderwerp aan het Radio 1-programma De Ochtend
De Nederlanders Hans Wolkers en Daan Kloeg publiceerden in 2014 het prachtige fotoboek Silent Witness - Three decades after Chernobyl's nuclear disaster.
Deze week werden ook de Nobelprijzen bekend gemaakt. Zowel de Nobelprijs voor natuurkunde als die voor de scheikunde en de literatuur hebben - ongetwijfeld geheel toevallig - met radio-activiteit te maken:
Neutrino's (Nobelprijs natuurkunde) komen onder andere vrij tijdens radio-actief verval; DNA-reparatie (Nobelprijs scheikunde) treedt onder andere op nadat radio-activiteit het DNA in een cel heeft beschadigd; en tenslotte is een van de bekendste werken van Svetlana Aleksijevitsj (Nobelprijs literatuur) het boek 'Wij houden van Tsjernobyl' over de lotgevallen van mensen die bij de ontploffing van de kerncentrale in Tsjernobyl aanwezig waren en daar hun leven lang de gevolgen van hebben ondervonden.
Thursday, September 24, 2015
Laat de ruimtetijd zich nu wel op heterdaad betrappen?
Een sterk verbeterde zwaartekrachtsgolfdetector is uit de startblokken geschoten.
Sinds afgelopen vrijdag is de Amerikaanse Advanced LIGO-detector aan het speuren naar zwaartekrachtsgolven. Honderd jaar geleden werden ze voorspeld, maar nog nooit zijn ze direct gedetecteerd. Tot nu toe bleken de golven te zwak voor alle aardse detectoren die ernaar zochten.
Advanced LIGO is een verbeterde versie van de LIGO-detector die tussen 2000 en 2010 zonder succes naar dezelfde golven speurde. De vernieuwde detector is is tienmaal zo gevoelig als zijn voorloper. Als de berekeningen van de natuur- en sterrenkundigen kloppen, dan moet die gevoeligheid groot genoeg zijn om de minuscule golven op heterdaad te betrappen.
Sinds afgelopen vrijdag is de Amerikaanse Advanced LIGO-detector aan het speuren naar zwaartekrachtsgolven. Honderd jaar geleden werden ze voorspeld, maar nog nooit zijn ze direct gedetecteerd. Tot nu toe bleken de golven te zwak voor alle aardse detectoren die ernaar zochten.
Advanced LIGO is een verbeterde versie van de LIGO-detector die tussen 2000 en 2010 zonder succes naar dezelfde golven speurde. De vernieuwde detector is is tienmaal zo gevoelig als zijn voorloper. Als de berekeningen van de natuur- en sterrenkundigen kloppen, dan moet die gevoeligheid groot genoeg zijn om de minuscule golven op heterdaad te betrappen.
Lees het hele artikel op NPO Wetenschap.
Tuesday, September 22, 2015
Onzichtbaarheidsmantel 2.0 - Nu ook echt een mantel
Het is een oude droom van de mens om onzichtbaar te worden. De onzichtbaarheidsmantel komt voor in Keltische en Germaanse sagen en onzichtbaarheid staat centraal in vroege science fiction-boeken zoals The Invisible Man uit 1897.
En natuurlijk kennen we Harry Potter die in de gelijknamige boeken- en filmreeks in een onzichtbaarheidsmantel door zijn tovenaarschool sluipt.
Sinds 2006 is de onzichtbaarheidsmantel ook onderwerp van wetenschappelijk onderzoek. In de afgelopen week hebben wetenschappers twee doorbraken bereikt die een onzichtbaarheidsmantel een beetje dichterbij brengen.
En natuurlijk kennen we Harry Potter die in de gelijknamige boeken- en filmreeks in een onzichtbaarheidsmantel door zijn tovenaarschool sluipt.
Sinds 2006 is de onzichtbaarheidsmantel ook onderwerp van wetenschappelijk onderzoek. In de afgelopen week hebben wetenschappers twee doorbraken bereikt die een onzichtbaarheidsmantel een beetje dichterbij brengen.
Beluister hier mijn verhaal hierover bij het Radio 1-programma De Ochtend van dinsdag 22 september 2015.
Tuesday, June 23, 2015
Barbapapa-bacteriën vormen letters
Darmbacteriën vormen de woorden TU DELFT en TURING en wijzen de weg naar nieuwe antibiotica en kunstmatig leven.
Delftse wetenschappers onder leiding van nanofysicus Cees Dekker zijn er voor het eerst in geslaagd om gewone, eencellige darmbacteriën te laten groeien tot nieuwe vormen. Van nature heeft een darmbacterie de vorm van een staafje, dat zo’n drieduizendste millimeter lang is.
De Delftenaren lieten de bacteriën in speciale mallen van siliconenrubber groeien in de vorm van een rechthoek, een driehoek, een rondje en zelfs in de vorm van willekeurige letters. Met die letters schreven ze de woorden TU DELFT en TURING. De mallen maken van de bacteriën een soort Barbapapa-bacteriën.
Delftse wetenschappers onder leiding van nanofysicus Cees Dekker zijn er voor het eerst in geslaagd om gewone, eencellige darmbacteriën te laten groeien tot nieuwe vormen. Van nature heeft een darmbacterie de vorm van een staafje, dat zo’n drieduizendste millimeter lang is.
De Delftenaren lieten de bacteriën in speciale mallen van siliconenrubber groeien in de vorm van een rechthoek, een driehoek, een rondje en zelfs in de vorm van willekeurige letters. Met die letters schreven ze de woorden TU DELFT en TURING. De mallen maken van de bacteriën een soort Barbapapa-bacteriën.
Lees het hele artikel op NPO Wetenschap.
Wednesday, March 25, 2015
Vierkant ijs bij kamertemperatuur
Je zou denken dat water en ijs zo uitbundig voorkomen op aarde dat natuur- en scheikundigen inmiddels toch wel alles moeten weten van het molecuul dat aan de basis ervan ligt: twee atomen waterstof die samen met één atoom zuurstof een stabiel H2O-molecuul vormen.
Toch is niets minder waar. Water blijft verrassen. Voor het eerst hebben natuurkundigen onder leiding van Nobelprijswinnaar en grafeenontdekker Andre Geim nu vierkant ijs in een plat, tweedimensionaal vlak waargenomen. Daarvoor moet het wel ingeklemd worden tussen twee grafeenlagen die elk niet meer dan een atoomlaag dun zijn. Geim en zijn collega’s publiceerden hun bevindingen in Nature van deze week.
Lees het hele artikel van mijn hand op NPO Wetenschap.
Tuesday, March 3, 2015
Primeur: licht in beeld als golf en deeltje tegelijk
Na meer dan een eeuw zoeken is de kwantumparadox van licht eindelijk op heterdaad betrapt. Wetenschap om de wetenschap. Pure schoonheid.
Lees het volledige artikel op NPO Wetenschap.
Tuesday, October 14, 2014
Eerste bewijs voor Hawking-straling
Zwarte gaten zijn toch niet helemaal zwart. In ieder geval in een laboratoriumexperiment met een ultrakoude vloeistof.
Israëlische wetenschappers denken dat ze voor het eerst een experimentele aanwijzing hebben gevonden voor het bestaan van Hawking-straling. Na vijf jaar werk lukte het Jeff Steinhauer en collega’s van het Israel Institute of Technology in Haifa om een glimp van Hawking-straling op te vallen. Het zwarte gat verslindt echter geen licht, maar geluid. En het bestaat niet in het heelal, maar in het lab.
Lees het hele artikel op de website van NPO Wetenschap.
Tuesday, October 7, 2014
Nobelprijs Natuurkunde 2014 voor blauw LED-lampje
De Nobelprijs Natuurkunde 2014 is vandaag toegekend aan de drie Japanse uitvinders van blauwe LED-lampjes (light emitting diodes): Isamu Akasaki (1929), Hiroshi Amano (1960) en Shuji Nakamura (1954, genaturaliseerd tot Amerikaan).
Blauwe LED’s zijn essentieel geweest om wit LED-licht te kunnen maken. En dat witte LED-licht zien we in steeds meer toepassingen om ons heen: van verlichting in huis tot verkeersaanduidingen en autolichten.
Wednesday, June 25, 2014
Newtons G gemeten met atoomwolkjes
Saturday, May 3, 2014
Piramidestenen gleden over nat zand
Lees op de website van W24 het hele artikel.
Subscribe to:
Posts (Atom)