Komputer Jamur: Bagaimana Jamur Menggerakkan Chip Neuromorfik

Jenis Baru Komputer Biologis

Komputasi awalnya dikembangkan dengan teknologi analog, yang berbeda dari teknologi digital karena menggunakan sinyal yang lebih kompleks (dan berantakan) alih-alih 1 & 0 yang jelas terpisah.

Sumber: Unison Audio

Secara umum, sinyal digital lebih mudah dianalisis, direplikasi, dan ditransmisikan. Namun sinyal analog lebih baik dalam menangani kompleksitas situasi dunia nyata, dengan semua nuansanya.

Inilah mengapa para ilmuwan kembali meneliti tipe komputasi analog untuk pengembangan baru dalam AI, sensor, dan aplikasi lainnya. Ini mencakup banyak desain berbeda dari apa yang disebut chip neuromorfik, yang meniru cara otak memproses data.

Pengembangan baru yang mengarah pada penggunaan kemampuan mirip otak untuk melakukan komputasi adalah munculnya komputer biologis sesungguhnya, yang menggunakan jaringan organik untuk melakukan tugas yang biasanya diberikan kepada chip silikon. Salah satu contohnya adalah organoid, jaringan yang ditumbuhkan di laboratorium dari neuron manusia, yang mampu melakukan tugas komputasi. Dikombinasikan dengan teknik baru untuk pencetakan 3D jaringan otak fungsional, hal ini dapat membuka jalan ke jenis kemampuan komputasi yang benar‑benar baru dan aneh.

Jenis komponen elektronik lain yang memanfaatkan komponen biologis juga harus ditambahkan ke daftar, dengan ilmuwan di Ohio State University telah menciptakan memristor organik neuromorfik, jenis pemroses data yang dapat mengingat keadaan listrik masa lalu. Kecuali mereka membuatnya bukan dari neuron, melainkan dari jamur.

Mereka mempublikasikan penemuan mereka dalam jurnal ilmiah PLOS One, dengan judul “Sustainable memristors from shiitake mycelium for high-frequency bioelectronics.”

Mengapa Menggunakan Komputasi Neuromorfik?

Kebangkitan NPU

Neural Processing Units (NPU), yang juga disebut chip neuromorfik, adalah jenis perangkat keras AI yang menawarkan beberapa keunggulan dibandingkan chip tradisional seperti CPU dan GPU:

• Desain lebih fleksibel, memungkinkan arsitektur chip menyesuaikan diri dengan data pelatihan.
• Konsumsi energi jauh lebih rendah, kadang hanya 1/100^th dari GPU sebanding.
• Produksi panas yang lebih sedikit membantu mengatasi masalah pendinginan yang semakin meningkat di pusat data AI canggih.

(Anda dapat membaca lebih lanjut tentang perangkat keras khusus AI, termasuk NPU, dalam laporan khusus kami.)

“Mampu mengembangkan mikrochip yang meniru aktivitas neural sebenarnya berarti Anda tidak memerlukan banyak daya untuk mode siaga atau ketika mesin tidak digunakan.

Itu dapat menjadi keuntungan komputasi dan ekonomi yang sangat besar.

John LaRocco – peneliti ilmiah di bidang psikiatri di College of Medicine Ohio State.

Banyak metode saat ini sedang dieksplorasi untuk menciptakan chip neuromorfik:

• Memanfaatkan ferroelectricitas incipient, fenomena yang masih kurang dipahami.
• Substrat aktif menggunakan vanadium atau titanium.
• Menggunakan memristor, jenis komponen elektronik baru, yang dapat melakukan tugas AI dengan 1/800^th konsumsi daya normal.

Bagaimana Memristor Meniru Sinaps

Memristor adalah komponen elektronik yang meniru sinaps yang menghubungkan neuron dengan mengingat keadaan listrik yang mereka alihkan setelah daya dimatikan.

Ini dapat sangat mengurangi energi dan waktu yang hilang karena pengiriman data bolak‑balik antara prosesor dan memori.

Salah satu kekuatan utama memristor adalah kapasitasnya untuk pembelajaran in situ yang efisien dan adaptif secara mandiri, yang sangat penting untuk aplikasi robotika dan kendaraan otonom.

Selain itu, konsumsi daya rendah memristor sangat menguntungkan dalam robotika dan kendaraan otonom, di mana efisiensi energi menjadi prioritas utama. Sistem memristor hibrida analog‑digital dapat meminimalkan penggunaan daya selama pemrosesan tanpa mengorbankan responsivitas.

Masalah sejauh ini adalah bahwa pembuatan memristor elektronik mengandalkan teknologi baru dengan hasil produksi rendah dan kinerja elektronik yang tidak dapat diandalkan, karena teknologi ini masih sangat baru.

Menggunakan neuron sebenarnya, seperti pada organoid, juga merupakan opsi, tetapi neuron sangat sulit ditangani, relatif rapuh, dan susah ditumbuhkan.

Tetapi neuron bukan satu‑satunya jaringan biologis yang mampu memproses dan merespons sinyal listrik.

Salah satu alternatif potensial adalah miselium, jaringan yang membentuk jamur biasa, jenis organisme yang dikenal karena ketangguhannya yang luar biasa. Mereka dapat ditumbuhkan dengan bioreaktor dan kultur nutrisi yang lebih sederhana dibandingkan yang diperlukan untuk neuron konvensional dan organoid neural.

Membangun Komputer Jamur?

Bahan jamur menampilkan jalur konduktif yang dapat terbentuk secara dinamis di bawah pengaruh rangsangan listrik, mirip dengan filamen konduktif yang terbentuk pada memristor konvensional.

Adaptabilitas ini dapat meningkatkan kinerja dalam aplikasi neuromorfik melalui fasilitasi keadaan resistansi variabel yang meniru perilaku sinaptik lebih dekat daripada bahan memristif tradisional.

Bahan organik juga memiliki keunggulan beroperasi secara efektif pada tegangan lebih rendah sambil mempertahankan karakteristik saklar stabil yang penting bagi memristor, bahkan lebih rendah daripada memristor elektronik, yang sendiri jauh lebih hemat energi dibandingkan komponen komputasi tradisional.

Hal ini dapat menjadi penting untuk perangkat hemat energi bagi elektronik portabel dan aplikasi Internet of Things yang mungkin mengandalkan pasokan energi sangat rendah.
Geser untuk menggulir →

Mengapa Jamur yang Dapat Dimakan Cocok untuk Komputasi

Para peneliti menggunakan jamur kancing umum, serta jamur Shiitake yang dapat dimakan dan bersifat obat untuk percobaan mereka, kedua spesies tersebut memiliki budidaya yang dipahami dengan baik dan murah.

Jamur Shiitake sebelumnya telah terbukti memiliki struktur karbon berpori ketika diaktifkan. Struktur berpori ini dapat meningkatkan kinerja elektrokimia perangkat, menjadikannya kandidat yang cocok untuk sistem penyimpanan energi, termasuk superkapasitor dan, berpotensi, memristor.

Mereka juga sangat tahan radiasi, yang dapat membantu aplikasi seperti aerospace, di mana chip elektronik dapat rusak oleh radiasi pengion seperti UV dan angin matahari.

Respons Listrik Jamur

Para ilmuwan menghubungkan massa jamur uji setelah didehidrasi.

Sumber: PLOS One

Mereka kemudian diuji pada berbagai rentang tegangan, bentuk gelombang, dan frekuensi untuk potensi kemampuan memristor mereka.

Sinyal analog yang merespon menunjukkan karakteristik memristif yang kuat, meniru dalam bentuk analog sinyal digital.

Sumber: PLOS One

Secara keseluruhan, kecepatan switching cepat yang diamati sebesar 5.850 Hz, akurasi 90% (± 1%), konsumsi energi yang relatif rendah, ringan, dan ketahanan radiasi semuanya tampak membuat memristor jamur menarik untuk komputasi edge, aerospace, dan aplikasi firmware tertanam.

Namun, akurasi menurun seiring peningkatan frekuensi, sehingga tidak semua jenis sinyal kemungkinan dapat diproses/dihitung dengan metode tersebut.

Perlu juga dicatat bahwa metode ini hanya menghasilkan bahan yang dapat terurai secara hayati (shiitake grade makanan ditanam pada serpihan kayu) dan tidak memerlukan bahan tanah jarang atau beracun, berbeda dengan chip elektronik konvensional.

Potensi Masa Depan

Studi di sini merupakan percobaan pertama, dan terbatas dalam dua cara:

• Pengujian relatif singkat, hanya berlangsung selama 2 bulan. Jadi kapasitas jangka panjang memristor jamur masih perlu diteliti lebih lanjut.
• Metode menggunakan produksi massal, sementara aplikasi nyata memerlukan mikro‑kultur miselium yang ditumbuhkan dalam lingkungan khusus, memberikan hasil yang jauh lebih kecil dan lebih terkontrol.

Jadi ini sebenarnya hanya bukti konsep, demonstrasi bahwa sesuatu yang eksotis seperti komputasi jamur bahkan mungkin dan dapat diandalkan.

Desain masa depan kemungkinan akan menggunakan teknik budidaya yang lebih konsisten dengan menggunakan templat dan struktur cetak 3D yang membentuk jamur shiitake ke dalam geometri yang diinginkan.

Pemrograman juga dapat difasilitasi dengan menambahkan kontak listrik ke struktur budidaya cetak 3D.

Akhirnya, penggunaan jangka panjang akan memerlukan preservasi, yang dapat melibatkan berbagai teknik, termasuk dehidrasi, pengeringan, pembekuan kering, beberapa hidrogel, dan lapisan khusus.

Namun, gagasan mengembangkan memristor dengan bahan organik eksklusif, serta bahan jamur yang tahan, murah, dan dapat terurai secara hayati, tetap menarik.

Berinvestasi dalam Bioprinting

BICO Group AB (BICO.ST)

Seiring komputasi berbasis organik berkembang, pencetakan 3D jaringan hidup kemungkinan akan menjadi alat yang semakin banyak digunakan. Awalnya dalam riset, kemudian untuk produksi perangkat yang memanfaatkan teknologi ini.

Salah satu pemimpin di bidang ini adalah Cellink, yang mesinnya digunakan untuk bioprinting oleh peneliti di seluruh dunia.

Sumber: Cellink

Pada tahun 2021, Cellink berganti nama menjadi BICO Group, setelah mengakuisisi Cytena pada 2019 dan Scienion pada 2020.

Cellink masih menjadi nama merek untuk bagian bioprinting bisnis. Ini juga dapat digunakan untuk menciptakan jaringan atau organ 3D sesuai permintaan. (Anda dapat membaca diskusi tentang topik ini dalam “3D Printing Human Organs – How Realistic Is It?”.)

Bioprinting mewakili sekitar 1/5^th dari bisnis, dengan segmen otomasi biosains, termasuk pencitraan sampel biologis, menghasilkan lebih dari 3/5^th pendapatan.

Sumber: BICO Group AB

Dalam jangka panjang, perusahaan bioprinting kemungkinan akan beralih dari menyediakan alat bagi peneliti menjadi pemasok terapi bioprinting perusahaan farmasi untuk pasien.

Ini pada gilirannya akan sepenuhnya mengubah jumlah bioprinter yang digunakan dan, yang lebih penting, volume bahan habis pakai yang terjual setiap bulan.

Ini adalah proses yang sama yang terjadi pada produsen peralatan biolab lainnya, termasuk mesin sek sequencing genom dari PacBio (PACB) dan Illumina (ILMN), yang pada akhirnya menghasilkan 80% pendapatan mereka dari penjualan berulang bahan habis pakai.

Sebagai BICO Group tidak sepenuhnya bergantung pada bidang ini, mereka dapat terus meningkatkan teknologi hingga mencapai massa kritis pengguna, sambil menghasilkan uang dan membangun jaringan penjualan dengan peneliti biologi dari produk lain yang lebih matang dalam otomasi biosains.