Svampcomputere: Sådan driver svampe neuromorfe chips

En ny type biologisk computer

Computing blev oprindeligt udviklet med analog teknologi, som adskiller sig fra digital teknologi ved at bruge mere komplekse (og rodet) signaler i stedet for klart adskilte 1 & 0.

Kilde: Unison Audio

Generelt er et digitalt signal lettere at analysere, reproducere og transmittere. Men et analogt signal er bedre til at håndtere kompleksiteten i en virkelighedsnær situation med alle dens nuancer.

Dette er grunden til, at forskere ser tilbage på analoge former for computing for nye udviklinger inden for AI, sensorer og andre anvendelser. Det inkluderer mange forskellige designs af såkaldte neuromorfe chips, som efterligner, hvordan hjernen behandler data.

En ny udvikling mod at bruge hjerne‑lignende evner til at udføre beregning er fremkomsten af faktiske biologiske computere, der bruger organisk væv til at udføre opgaver, som normalt tilskrives silicium‑chips. Et eksempel er organoider, laboratoriedyrkede væv produceret fra menneskelige neuroner, som kan udføre beregningsopgaver. Kombineret med nye teknikker til 3D‑printning af funktionelt hjernevæv kan dette åbne vejen for en helt ny, mærkelig form for beregningskapacitet.

En anden type elektronisk komponent, der udnytter biologiske elementer, bør tilføjes listen, da forskere ved Ohio State University har skabt neuromorfe organiske memristorer, en type dataprocest, der kan huske tidligere elektriske tilstande. Forskellen er, at de ikke blev lavet af neuroner, men af svampe.

De offentliggjorde deres opdagelse i den videnskabelige tidsskrift PLOS One under titlen “Sustainable memristors from shiitake mycelium for high-frequency bioelectronics.”

Hvorfor bruge neuromorf computing?

Stigningen af NPUs

Neural Processing Units (NPUs), også kaldet neuromorfe chips, er en type AI‑hardware, der har flere fordele sammenlignet med mere traditionelle chips som CPU’er og GPU’er:

• Mere fleksibelt design, der tillader chip‑arkitekturen at tilpasse sig træningsdata.
• Meget lavere energiforbrug, nogle gange så lavt som 1/100^th af en tilsvarende GPU.
• Mindre varmeudvikling hjælper med at tackle det voksende køleproblem i avancerede AI‑datacentre.

(Du kan læse mere om AI‑specialiseret hardware, inklusiv NPUs, i vores dedikerede rapport.)

“At kunne udvikle mikrochips, der efterligner reel neural aktivitet, betyder, at du ikke behøver meget strøm til standby eller når maskinen ikke er i brug.

Det er noget, der kan udgøre en enorm potentiel beregnings‑ og økonomisk fordel.”

John LaRocco – forskningsforsker i psykiatri ved Ohio State’s College of Medicine.

Mange metoder udforskes i øjeblikket for at skabe neuromorfe chips:

• Udnytte incipient ferroelectricity, et stadig dårligt forstået fænomen.
• Aktivt substrat med vanadium eller titanium.
• Brug af memristorer, en ny type elektronisk komponent, som kan udføre AI‑opgaver med 1/800^th af det normale energiforbrug.

Hvordan memristorer efterligner synapser

Memristorer er elektroniske komponenter, der efterligner neuron‑forbindende synapser ved at huske hvilken elektrisk tilstand de blev sat i, efter at strømmen er slukket.

Dette kan i høj grad reducere den energi og tid, der går tabt ved at flytte data frem og tilbage mellem processorer og hukommelse.

En af de vigtigste styrker ved memristorer er deres kapacitet for effektiv og selv‑adaptiv in situ‑læring, hvilket er kritisk for anvendelser inden for robotteknik og autonome køretøjer.

Desuden er det lave energiforbrug ved memristorer særligt gavnligt i robotteknik og autonome køretøjer, hvor energieffektivitet er altafgørende. Hybrid‑analoge‑digitale memristorsystemer kan minimere strømforbruget under behandling uden at gå på kompromis med responsivitet.

Problemet indtil nu er, at fremstilling af elektroniske memristorer har været afhængig af nye teknologier med lav produktionsudbytte og upålidelig elektrisk ydeevne, på grund af hvor ny teknologien er.

At bruge faktiske neuroner, som med organoider, er også en mulighed, men neuroner er faktisk meget vanskelige celler at arbejde med, da de er relativt skrøbelige og svære at dyrke.

Men neuroner er ikke de eneste biologiske væv, der kan behandle og reagere på elektriske signaler.

Et potentielt alternativ er mycelium, vævet der udgør almindelige svampe, en organisme kendt for sin bemærkelsesværdige robusthed. De kan dyrkes i enklere bioreaktorer og næringskulturer end dem, der kræves for konventionelle neuroner og neurale organoider.

Bygger man svampe‑computere?

Fungale materialer viser ledende veje, der kan danne sig dynamisk under påvirkning af elektrisk stimuli, ligesom de ledende filamenter, der dannes i konventionelle memristorer.

Denne tilpasningsevne kan føre til forbedret ydeevne i neuromorfe anvendelser gennem facilitering af variable modstandstilstande, der efterligner synaptisk adfærd tættere end traditionelle memristive materialer.

Organiske materialer har også fordelen, at de fungerer effektivt ved lavere spændinger, mens de bevarer de stabile skifteegenskaber, der er vigtige for memristorer, endda lavere end for elektroniske memristorer, som selv er langt mindre energikrævende end traditionelle beregningskomponenter.

Dette kan være vigtigt for energieffektive enheder til bærbar elektronik og Internet of Things‑applikationer, som måske er afhængige af en meget lav energiforsyning.
Swipe for at rulle →

Hvorfor spiselige svampe fungerer til beregning

Forskerne brugte almindelige champignon samt spiselige og medicinske shiitake‑svampe til deres eksperimenter, begge arter hvis dyrkning er velkendt og billig.

Shiitake‑svampe har tidligere vist, at de har en porøs kulstofstruktur, når de aktiveres. Denne porøse struktur kan forbedre den elektrokemiske ydeevne i enheder, hvilket gør dem velegnede til energilagringssystemer, herunder superkondensatorer og potentielt memristorer.

De er også meget strålingsbestandige, hvilket kan hjælpe i anvendelser som rumfart, hvor elektroniske chips kan blive beskadiget af ioniserende stråling som UV og solvind.

Svampens elektriske respons

Forskere tilsluttede den testede svampemasse efter, at den var blevet dehydreret.

Kilde: PLOS One

De blev derefter testet over et udvalg af spændinger, bølgeformer og frekvenser for deres potentielle memristor‑egenskaber.

Det responderende analoge signal udviste stærke memristive karakteristika, der i analog form efterlignede det digitale signal.

Kilde: PLOS One

Samlet set gør den observerede hurtige skiftes hastighed på 5.850 Hz, en nøjagtighed på 90 % (± 1 %), relativt lavt energiforbrug, let vægt og strålingsbestandighed svamp‑memristorer attraktive for edge‑computing, rumfarts‑ og indlejrede firmware‑applikationer.

Dog faldt nøjagtigheden, når frekvensen steg, så ikke alle typer signaler sandsynligvis kan behandles/beregnes med denne metode.

Det bør også bemærkes, at metoden kun skaber biologisk nedbrydelige materialer (spiselige shiitake dyrkes på træflis) og kræver ingen sjældne jordarter eller giftige materialer, i modsætning til konventionelle elektroniske chips.

Fremtidigt potentiale

Undersøgelsen her var et første forsøg og var begrænset på to måder:

• Testene var relativt korte, kun over 2 måneder. Så den langsigtede kapacitet af svampe‑memristorer skal stadig undersøges.
• Metoden anvendte en bulk‑produktion, mens faktiske anvendelser ville kræve en mikrokultur af myceliet dyrket i et dedikeret miljø, hvilket giver meget mindre og mere kontrollerede resultater.

Så dette er i realiteten kun et proof‑of‑concept, en demonstration af, at noget så eksotisk som svampe‑computing overhovedet er muligt og pålideligt.

Fremtidige designs vil sandsynligvis se brugen af mere konsistente dyrkningsteknikker med 3D‑printede skabeloner og strukturer, der former shiitake‑svampen til den ønskede geometri.

Programmering kan også lette ved at tilføje elektriske kontakter til en 3D‑printet dyrkningsstruktur.

Endelig vil langsigtet brug kræve bevaring, som kan involvere en række teknikker, herunder dehydrering, udtørring, frysetørring, visse hydrogel‑materialer og specielle belægninger.

Alligevel er idéen om at udvikle memristorer udelukkende med organiske materialer, og med modstandsdygtigt, billigt og biologisk nedbrydeligt svampemateriale, yderst fascinerende.

Investering i bioprintning

BICO Group AB (BICO.ST)

Efterhånden som organisk‑baseret computing skrider frem, vil 3D‑printning af levende væv sandsynligvis blive et stadig mere anvendt værktøj. Først i forskning, og derefter til den faktiske produktion af enheder, der udnytter denne teknologi.

En førende aktør på området har været Cellink, hvis maskiner bruges til bioprintning af forskere over hele verden.

Kilde: Cellink

I 2021 blev Cellink omdøbt til BICO Group efter opkøbet af Cytena i 2019 og Scienion i 2020.

Cellink er stadig mærkenavnet for bioprintningsdelen af virksomheden. Dette kan også bruges til at skabe on‑demand 3D‑væv eller organer. (Du kan læse en diskussion om dette emne i “3D Printing Human Organs – How Realistic Is It?”.)

Bioprintning udgør omkring 1/5^th af forretningen, med bioscience‑automatiseringssegmentet, inklusiv billeddannelse af biologiske prøver, som udgør mere end 3/5^th af indtægterne.

Kilde: BICO Group AB

På længere sigt vil bioprintningsvirksomheder sandsynligvis udvikle sig fra at levere værktøjer til forskere til at blive leverandører af farmaceutiske virksomheder’ bioprintnings‑terapier til patienter.

Dette vil i sin tur fuldstændigt ændre antallet af bioprintere i brug og, vigtigere, volumen af forbrugsvarer solgt hver måned.

Dette er den samme proces, der foregik for andre biolab‑udstyrsproducenter, inklusiv genom‑sekventeringsmaskiner fra PacBio (PACB) og Illumina (ILMN), som ender med at tjene 80 % af deres indtægter fra tilbagevendende salg af forbrugsvarer.

Da BICO Group ikke udelukkende er afhængig af dette felt, kan de fortsætte med at forbedre teknologien, indtil de når en kritisk masse af brugere, samtidig med at de tjener penge og opbygger deres salgsnetværk med bioresearchere fra deres andre, mere modne produkter inden for bioscience‑automatisering.