Sienitietokoneet: Miten sienet voimaannuttavat neuromorfisia siruja

Uusi biologinen tietokone

Computing was initially developed with analog technology, which differs from digital technology in that it uses more complex (and messy) signals instead of clearly distinct 1 & 0.

Lähde: Unison Audio

Yleisesti ottaen digitaalinen signaali on helpompi analysoida, toistaa ja siirtää. Mutta analoginen signaali on parempi käsittelemään todellisen maailman monimutkaisuutta kaikkine vivahteineen.

Tämä on syy siihen, miksi tutkijat ovat katsoneet takaisin analogisiin laskentatapoihin etsiessään uusia kehityssuuntia tekoälyssä, anturiteknologiassa ja muissa sovelluksissa. Tämä sisältää monia erilaisia niin sanottujen neuromorfisten sirujen suunnitelmia, jotka jäljittelevät aivojen tapaa käsitellä dataa.

Uusi kehitys, jossa hyödynnetään aivojen kaltaista kykyä suorittaa laskentaa, on todellisten biologisten tietokoneiden ilmestyminen, joissa orgaanisia kudoksia käytetään tehtäviin, jotka tavallisesti annetaan piisiruille. Yksi esimerkki on organoidit, laboratoriossa kasvatetut kudokset, jotka on tuotettu ihmisen neuroneista ja jotka pystyvät suorittamaan laskentatehtäviä. Yhdistettynä uusiin 3D-tulostustekniikoihin, joilla voidaan tulostaa toimivia aivokudoksia, tämä voi avata tien aivan uudelle, omituiselle laskentakyvykkyyden muodolle.

Toinen elektroninen komponentti, joka hyödyntää biologisia osia, tulisi lisätä listaan, sillä Ohio State Universityn tutkijat ovat luoneet neuromorfisia orgaanisia memristoreja, eräänlaisen tietojenkäsittelylaitteen, joka muistaa aiemmat sähkötilansa. Eri tavalla kuin neuronit, ne on tehty sienistä.

He julkaisevat löydöksensä tieteellisessä arvostelussa PLOS One, otsikolla “Sustainable memristors from shiitake mycelium for high-frequency bioelectronics.”

Miksi käyttää neuromorfista laskentaa?

NPU:iden nousu

Neural Processing Units (NPU:t), joita kutsutaan myös neuromorfisiksi siruiksi, ovat AI-laitteisto, joka tarjoaa muutamia etuja perinteisiin siruihin kuten CPU:ihin ja GPU:ihin verrattuna:

• Joustavampi suunnittelu, jonka avulla sirun arkkitehtuuri voi mukautua koulutusdataan.
• Paljon alhaisempi energiankulutus, joskus jopa 1/100^th verrattavissa olevaan GPU:hun.
• Vähemmän lämmöntuottoa, mikä auttaa ratkaisemaan kehittyvien AI-datakeskusten kasvavaa jäähdytysongelmaa.

(Voit lukea lisää AI‑erikoislaitteistosta, mukaan lukien NPU:t, omassa raportissamme.)

“Kyky kehittää mikrosiruja, jotka jäljittelevät todellista hermorata-aktiivisuutta, tarkoittaa, että ei tarvita paljon virtaa valmiustilassa tai kun konetta ei käytetä.

Tämä voi olla valtava laskennallinen ja taloudellinen etu.”

John LaRocco – psykiatrian tutkimuslääkäri Ohio Statein Lääketieteellisessä tiedekoulussa.

Monia menetelmiä tutkitaan parhaillaan neuromorfisten sirujen luomiseksi:

• Hyödyntää incipient ferroelectricityä, edelleen huonosti ymmärrettyä ilmiötä.
• Aktiivinen alusta, jossa käytetään vanadiinia tai titaania.
• Memristoreiden käyttö, uusi elektroninen komponentti, joka voi suorittaa AI‑tehtäviä 1/800^th normaalista energiankulutuksesta.

Miten memristorit jäljittelevät synapseja

Memristorit ovat elektronisia komponentteja, jotka jäljittelevät neuronien yhdistäviä synapseja muistamalla, mihin sähkötilaan ne on asetettu, kun virta katkaistaan.

Tämä voi merkittävästi vähentää energiaa ja aikaa, joka kuluu datan siirtämiseen prosessorin ja muistin välillä.

Yksi memristorien keskeisistä vahvuuksista on niiden kyky tehokkaaseen ja itsesopeutuvaan in situ -oppimiseen, mikä on kriittistä robotiikan ja autonomisten ajoneuvojen sovelluksissa.

Lisäksi memristorien alhainen energiankulutus on erityisen hyödyllistä robotiikassa ja autonomisissa ajoneuvoissa, joissa energiatehokkuus on ensiarvoisen tärkeää. Hybridiset analogi‑digitaaliset memristorijärjestelmät voivat minimoida virrankulutuksen prosessoinnin aikana vaarantamatta reagointikykyä.

Tähän asti ongelmana on, että elektronisten memristorien luominen on perustunut kehittyviin teknologioihin, joilla on alhainen tuotantokapasiteetti ja epäluotettava sähköinen suorituskyky, koska teknologia on vielä hyvin uusi.

Varsinaisten neuronien käyttäminen, kuten organoidien kanssa, on myös vaihtoehto, mutta neuronit ovat itse asiassa erittäin vaikeita soluja käsitellä, koska ne ovat melko haavoittuvia ja niiden kasvattaminen on haastavaa.

Mutta neuronit eivät ole ainoita biologisia kudoksia, jotka pystyvät käsittelemään ja reagoimaan sähköisiin signaaleihin.

Yksi mahdollinen vaihtoehto on myseeli, tavallisten sienten muodostama kudos, organismi, joka tunnetaan poikkeuksellisesta kestävyydestään. Sitä voidaan kasvattaa yksinkertaisemmilla bioreaktoreilla ja ravinneteollisuuksilla kuin perinteisiä neuroneja ja hermostollisia organoideja.

Sienitietokoneiden rakentaminen?

Sienimateriaalit näyttävät johtavia polkuja, jotka voivat muodostua dynaamisesti sähköstimulaation vaikutuksesta, samankaltaisesti kuin perinteisissä memristoreissa muodostuvat johtavat filmaatit.

Tämä mukautuvuus voi johtaa parempaan suorituskykyyn neuromorfisissa sovelluksissa mahdollistamalla muuttuvat resistanssitilat, jotka jäljittelevät synaptisia käyttäytymisiä tarkemmin kuin perinteiset memristorimateriaalit.

Orgaanisilla materiaaleilla on myös etu toimia tehokkaasti alemmilla jännitteillä säilyttäen silti vakaat kytkentäominaisuudet, jotka ovat tärkeitä memristoreille – jopa alhaisempia kuin elektronisissa memristoreissa, jotka itsessään kuluttavat paljon vähemmän energiaa kuin perinteiset laskentakomponentit.

Tämä voi olla tärkeää energiatehokkaille laitteille kannettavassa elektroniikassa ja esineiden internetin (IoT) sovelluksissa, jotka saattavat perustua erittäin alhaiseen energialähteeseen.
Swipe to scroll →

Miksi syötävät sienet toimivat laskennassa

Tutkijat käyttivät tavallisia napasieniä sekä syötäviä ja lääkinnällisiä shiitake-sieniä kokeissaan, molemmat lajit, joiden viljely on hyvin ymmärrettyä ja edullista.

Shiitake-sienillä on aiemmin osoitettu olevan huokoinen hiilirakenne, kun ne aktivoidaan. Tämä huokoinen rakenne voi parantaa laitteiden elektrokemiallista suorituskykyä, tehden niistä sopivia energian varastointijärjestelmiin, kuten superkondensaattoreihin ja mahdollisesti memristoreihin.

Ne ovat myös erittäin säteilykestäviä, mikä voisi auttaa sovelluksissa kuten avaruusteknologiassa, jossa elektroniset sirut voivat vaurioitua ionisoivan säteilyn, kuten UV‑säteilyn ja aurinkotuulen, vaikutuksesta.

Sienien sähköinen vaste

Tutkijat kytkivät testattavan sienimassan sen jälkeen, kun se oli kuivattu.

Lähde: PLOS One

Ne testattiin sitten eri jännitteiden, aaltomuotojen ja taajuuksien alueella niiden mahdollisten memristorikykyjen arvioimiseksi.

Vastaava analoginen signaali osoitti vahvoja memristiivisiä ominaisuuksia, jäljitellen analogisesti digitaalista signaalia.

Lähde: PLOS One

Kokonaisuudessaan havaittu nopea kytkentänopeus 5 850 Hz, 90 % (± 1 %) tarkkuus, suhteellisen alhainen energiankulutus, kevyt paino ja säteilykestävyys tekevät sienimemristoreista houkuttelevia reunalaskentaan, avaruusteknologiaan ja sulautettuihin firmware‑sovelluksiin.

Kuitenkin tarkkuus heikkeni taajuuden noustessa, joten kaikki signaalityypit eivät todennäköisesti ole prosessoitavissa tällä menetelmällä.

On myös huomattava, että menetelmä tuottaa vain biohajoavia materiaaleja (ruokaluokan shiitake kasvatetaan puupaloista) eikä vaadi harvinaisia maametalleja tai myrkyllisiä aineita, toisin kuin perinteiset elektroniset sirut.

Tulevaisuuden potentiaali

Tässä tutkimuksessa on kyseessä ensimmäinen kokeilu, ja se oli rajoitettu kahdella tavalla:

• Testit olivat melko lyhyitä, kestäen vain 2 kuukautta. Siksi sienimemristorien pitkän aikavälin kapasiteettia on vielä tutkittava.
• Menetelmä käytti massatuotantoa, kun taas todelliset sovellukset vaatisivat mikrokulttuuria myseelistä, joka kasvatetaan omistautuneessa ympäristössä, tarjoten paljon pienempiä ja tarkemmin hallittuja tuloksia.

Joten tämä on todellakin vain konseptin todistus, demonstraatio siitä, että jotain niin eksoottista kuin sienilaskenta on jopa mahdollista ja luotettavaa.

Mahdollinen tuleva suunnitelma todennäköisesti hyödyntäisi johdonmukaisempia viljelytekniikoita, käyttäen 3D‑tulostettuja mallipohjia ja rakenteita, jotka muotoilevat shiitake-sienen haluttuun geometriaan.

Ohjelmointi voitaisiin myös helpottaa lisäämällä sähköisiä kontakteja 3D‑tulostettuun viljelyrakenneeseen.

Lopuksi pitkäaikainen käyttö edellyttäisi säilytystä, mikä voisi sisältää erilaisia tekniikoita, kuten kuivattamista, desikointia, pakastekuivauksen, tiettyjen hydrogelien ja erikoispinnoitteiden käyttöä.

Silti ajatus kehittää memristoreita, jotka koostuvat täysin orgaanisista materiaaleista, ja jotka ovat kestäviä, edullisia ja biohajoavia sienimateriaaleja, on kiehtova.

Sijoittaminen biotulostukseen

BICO Group AB (BICO.ST)

Kun orgaaniseen perustuva laskenta kehittyy, elävien kudosten 3D‑tulostus tulee todennäköisesti yhä yleisemmäksi työkaluksi. Ensin tutkimuksessa ja sitten itse laitteiden tuotannossa, jotka hyödyntävät tätä teknologiaa.

Yksi alalla johtavista on Cellink, jonka koneita käytetään biotulostukseen tutkijoiden ympäri maailmaa.

Lähde: Cellink

Vuonna 2021 Cellink nimettiin uudelleen BICO Groupiksi sen jälkeen, kun se oli hankkinut Cytenan vuonna 2019 ja Scienionin vuonna 2020.

Cellink on edelleen brändinimi biotulostusosalle. Sitä voitaisiin myös käyttää luomaan tarpeen mukaan 3D‑kudoksia tai elimiä. (Voit lukea keskustelun tästä aiheesta “3D Printing Human Organs – How Realistic Is It?”.)

Biotulostus edustaa noin 1/5^th liiketoiminnasta, ja bioscientifinen automaatio‑segmentti, mukaan lukien biologisten näytteiden kuvantaminen, tuottaa yli 3/5^th tuloista.

Lähde: BICO Group AB

Pitkällä aikavälillä biotulostusyritykset todennäköisesti kehittyvät tarjoamaan työkaluja tutkijoille kohti lääketeollisuuden biotulostusterapioita potilaille.

Tämä puolestaan muuttaa täysin biotulostimien määrää käytössä ja, mikä tärkeämpää, kulutustarvikkeiden myyntimäärää kuukausittain.

Tämä on sama prosessi, joka on tapahtunut muille biolaboratoriolaitteiden valmistajille, mukaan lukien genomin sekvensointilaitteet PacBio (PACB) ja Illumina (ILMN), jotka lopulta tekevät 80 % tuloistaan toistuvista kulutustarvikkeiden myynneistä.

Koska BICO Group ei ole pelkästään riippuvainen tästä alasta, se voi jatkaa teknologian parantamista, kunnes se saavuttaa kriittisen käyttäjämäärän, samalla kun ansaitsee rahaa ja rakentaa myyntiverkostoaan biotutkijoille muiden, kypsämpiä tuotteidensa kautta bioscientifisessä automaatiossa.