Soppdatamaskiner: Hvordan sopp driver nevromorfe brikker

En ny type biologisk datamaskin

Databehandling ble opprinnelig utviklet med analog teknologi. Den skiller seg fra digital teknologi ved å bruke mer komplekse og uordnede signaler i stedet for klart adskilte 1- og 0-verdier.

Kilde: Unison Audio

Generelt er et digitalt signal lettere å analysere, replikere og overføre. Men et analogt signal er bedre til å håndtere kompleksiteten i en virkelighetsnær situasjon, med alle nyansene.

Dette er grunnen til at forskere har begynt å se tilbake på analoge typer databehandling for nye utviklinger innen AI, sensoring og andre anvendelser. Dette inkluderer mange ulike design av såkalte nevromorfe brikker, som etterligner hvordan hjernen behandler data.

En ny utvikling mot å bruke hjerne‑lignende evner til å utføre beregninger er fremkomsten av faktiske biologiske datamaskiner, som bruker organisk vev til å utføre oppgaver som vanligvis gis til silisiumbrikker. Et eksempel er organoider, laboratoriedyrkede vev produsert fra menneskelige nevroner, i stand til å utføre beregningsoppgaver. Kombinert med nye teknikker for 3D‑printing av funksjonelt hjernevev, kan dette åpne veien for en helt ny, merkelig type datakapasitet.

En annen type elektronisk komponent som utnytter biologiske komponenter bør legges til listen, med forskere ved Ohio State University som har laget nevromorfe organiske memristorer, en type dataprosessor som kan huske tidligere elektriske tilstander. Men de laget den ikke fra nevroner, men fra sopp.

Forskerne publiserte oppdagelsen i det vitenskapelige tidsskriftet PLOS One under tittelen «Sustainable memristors from shiitake mycelium for high-frequency bioelectronics».

Hvorfor bruke nevromorfisk databehandling?

Oppgangen til NPU‑ene

Nevrale prosesseringsenheter (NPU-er), også kalt nevromorfe brikker, er en type AI-maskinvare med flere fordeler sammenlignet med mer tradisjonelle brikker som CPU-er og GPU-er:

• Mer fleksibel design, som gjør at brikkearkitekturen kan tilpasse seg treningsdata.
• Vesentlig lavere energiforbruk, noen ganger så lite som 1/100‑del av en tilsvarende GPU.
• Mindre varmeproduksjon hjelper med å håndtere det økende kjøleproblemet i avanserte AI‑datasentre.

(Du kan lese mer om AI‑spesialisert maskinvare, inkludert NPU‑er, i vår dedikerte rapport.)

“Å kunne utvikle mikrobrikker som etterligner faktisk nevral aktivitet betyr at du ikke trenger mye strøm i hvilemodus eller når maskinen ikke er i bruk.

Det er noe som kan være en enorm potensiell beregnings- og økonomisk fordel.

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

Det utforskes for tiden mange metoder for å utvikle nevromorfe brikker:

• Utnytte innledende ferroelectricitet, et fortsatt dårlig forstått fenomen.
• Aktivt substrat som bruker vanadium eller titan.
• Bruke memristorer, en ny type elektronisk komponent, som kan utføre AI‑oppgaver med 1/800‑del av normalt strømforbruk.

Hvordan memristorer etterligner synapser

Memristorer er elektroniske komponenter som etterligner synapsene mellom nevroner ved å huske hvilken elektrisk tilstand de ble satt i, selv etter at strømmen slås av.

Dette kan redusere energien og tiden som går tapt når data flyttes frem og tilbake mellom prosessorer og minne betydelig.

En av de viktigste styrkene til memristorer er deres evne til effektiv og selv‑adaptiv læring in situ, noe som er kritisk for anvendelser innen robotikk og autonome kjøretøy.

Dessuten er det lave strømforbruket til memristorer spesielt gunstig i robotikk og autonome kjøretøy, hvor energieffektivitet er avgjørende. Hybrid‑analoge‑digitale memristorsystemer kan minimere strømforbruket under behandling uten å gå på kompromiss med responsiviteten.

Utfordringen hittil er at elektroniske memristorer bygger på ny teknologi med lavt produksjonsutbytte og upålitelig elektrisk ytelse, nettopp fordi feltet fortsatt er så ungt.

Å bruke faktiske nevroner, som med organoider, er også et alternativ, men nevroner er faktisk svært vanskelige celler å arbeide med, da de er relativt skjøre og vanskelige å dyrke.

Men nevroner er ikke det eneste biologiske vevet som kan behandle og svare på elektriske signaler.

Et potensielt alternativ er mycelium, vevet som utgjør vanlige sopp, en type organisme kjent for sin bemerkelsesverdige robusthet. De kan dyrkes i enklere bioreaktorer og næringskulturer enn de som kreves for konvensjonelle nevroner og neuron‑organoider.

Bygger sopp‑datamaskiner?

Soppmaterialer har ledende baner som kan dannes dynamisk under påvirkning av elektriske stimuli, på samme måte som de ledende filamentene som oppstår i konvensjonelle memristorer.

Denne tilpasningsevnen kan føre til forbedret ytelse i nevromorfe applikasjoner gjennom tilrettelegging av variable motstandstilstander som etterligner synaptisk oppførsel nærmere enn tradisjonelle memristive materialer.

Organiske materialer har også fordelen av å fungere effektivt ved lavere spenninger samtidig som de beholder de stabile bryteregenskapene som er viktige for memristorer. Spenningen kan være lavere enn for elektroniske memristorer, som allerede bruker langt mindre energi enn tradisjonelle datakomponenter.

Dette kan bli viktig for energieffektive enheter innen bærbar elektronikk og tingenes internett, der svært begrenset energitilførsel kan være nødvendig.
Sveip for å bla →

Hvorfor spiselige sopp fungerer for databehandling

Forskerne brukte vanlige sjampinjonger samt spiselige og medisinske shiitakesopper i forsøkene. Begge artene er billige å dyrke, og dyrkingsmetodene er godt kjent.

Shiitake‑sopp har tidligere vist seg å ha en porøs karbonstruktur når de aktiveres. Denne porøse strukturen kan forbedre den elektrokjemiske ytelsen til enheter, og gjør dem egnet som kandidater for bruk i energilagringssystemer, inkludert superkondensatorer og potensielt memristorer.

De tåler også stråling svært godt. Det kan være nyttig i romfart, der elektroniske brikker kan skades av ioniserende stråling som UV-stråler og solvind.

Soppens elektriske respons

Forskerne koblet til den dehydrerte soppmassen som skulle testes.

Kilde: PLOS One

De ble deretter testet over et spekter av spenninger, bølgeformer og frekvenser for deres potensielle memristor‑egenskaper.

Det analoge responssignalet viste tydelige memristive egenskaper og etterlignet et digitalt signal i analog form.

Kilde: PLOS One

Samlet sett gjør den observerte raske svitsjefrekvensen på 5 850 Hz, en nøyaktighet på 90% (±1%), relativt lavt energiforbruk, lav vekt og strålingsbestandighet soppmemristorer attraktive for kantdatabehandling, romfart og innebygde fastvareapplikasjoner.

Imidlertid ble nøyaktigheten redusert etter hvert som frekvensen økte, så ikke alle typer signaler sannsynligvis kan behandles/beregnes med denne metoden.

Det er også verdt å merke seg at metoden bare bruker biologisk nedbrytbare materialer — shiitake av matkvalitet dyrkes på treflis — og i motsetning til vanlige elektroniske brikker ikke krever sjeldne jordarter eller giftige materialer.

Fremtidig potensial

Studien var et første forsøk og hadde to begrensninger:

• Testene var relativt korte, og varte kun i 2 måneder. Så den langsiktige kapasiteten til sopp‑memristorer må fortsatt undersøkes.
• Metoden brukte en masseproduksjon, mens faktiske anvendelser ville kreve en mikrokultur av myceliet dyrket i et dedikert miljø, som gir mye mindre og mye mer kontrollerte resultater.

Dette er derfor først og fremst et konseptbevis som viser at noe så uvanlig som soppbasert databehandling faktisk kan være både mulig og pålitelig.

Eventuelle fremtidige design vil sannsynligvis bruke mer konsistente dyrkningsteknikker ved hjelp av 3D‑printede maler og strukturer som former shiitake‑soppen til ønsket geometri.

Programmering kan også lettes ved å legge til elektriske kontakter på en 3D‑printet dyrkningsstruktur.

Til slutt vil langsiktig bruk kreve bevaring, som kan innebære en rekke teknikker, inkludert dehydrering, uttørking, frysetørking, visse hydrogel og spesielle belegg.

Likevel er ideen om å utvikle memristorer med utelukkende organiske materialer, og motstandsdyktig, billig og biologisk nedbrytbart soppmateriale, fascinerende.

Investere i bioprinting

BICO Group AB (BICO.ST)

Etter hvert som organisk databehandling utvikles, vil 3D-printing av levende vev trolig bli et stadig viktigere verktøy — først i forskning og senere i selve produksjonen av enheter som utnytter teknologien.

En ledende aktør på feltet har vært Cellink, hvis maskiner brukes til bioprinting av forskere over hele verden.

Kilde: Cellink

I 2021 ble Cellink omdøpt til BICO Group, etter oppkjøpet av Cytena i 2019 og Scienion i 2020.

Cellink er fortsatt merkenavnet for virksomhetens bioprintingdel. Teknologien kan også brukes til å produsere tredimensjonalt vev eller organer på bestilling. (Les mer om temaet i «3D-printing av menneskelige organer – hvor realistisk er det?».)

Bioprinting utgjør omtrent en femtedel av virksomheten, mens segmentet for biovitenskapelig automatisering, inkludert bildebehandling av biologiske prøver, står for mer enn tre femtedeler av inntektene.

Kilde: BICO Group AB

På lang sikt vil bioprinting‑selskaper sannsynligvis utvikle seg fra å levere verktøy til forskere til å bli leverandører av bioprinting‑terapier for farmasøytiske selskaper til pasienter.

Dette vil igjen fullstendig endre antallet bioprintere i bruk og, viktigere, volumet av forbruksvarer som selges hver måned.

Dette er den samme prosessen som skjedde for andre produsenter av biolab‑utstyr, inkludert genomsekvenseringsmaskiner fra PacBio (PACB) og Illumina (ILMN), som ender opp med å tjene 80 % av inntektene sine på tilbakevendende salg av forbruksvarer.

Ettersom BICO Group ikke er kun avhengig av dette feltet, kan de fortsette å forbedre teknologien til den når en kritisk masse av brukere, samtidig som de tjener penger og bygger sitt salgsnettverk med bioresearchere fra sine andre, mer modne produkter innen bioscience‑automatisering.