Svampdatorer: Hur svampar driver neuromorfa chipar

En ny typ av biologisk dator

Databehandling utvecklades ursprungligen med analog teknik, vilket skiljer sig från digital teknik genom att den använder mer komplexa (och röriga) signaler istället för tydligt distinkta 1 & 0.

Källa: Unison Audio

Generellt sett är en digital signal enklare att analysera, reproducera och överföra. Men en analog signal hanterar bättre komplexiteten i en verklig situation, med alla dess nyanser.

Det är därför forskare har börjat titta tillbaka på analoga typer av beräkning för nya utvecklingar inom AI, sensorteknik och andra tillämpningar. Detta inkluderar många olika designer av så kallade neuromorfa chip, som efterliknar hur hjärnan bearbetar data.

En ny utveckling mot att använda hjärnliknande förmåga för beräkning är framkomsten av faktiska biologiska datorer, som använder organiska vävnader för att utföra uppgifter som normalt ges till kiselchip. Ett exempel är organoider, laboratorieodlade vävnader framställda från mänskliga neuroner, som kan utföra beräkningsuppgifter. Kombinerat med nya tekniker för 3D‑utskrift av funktionell hjärnvävnad kan detta öppna vägen till en helt ny, märklig typ av beräkningskapacitet.

En annan typ av elektronisk komponent som utnyttjar biologiska komponenter bör läggas till listan, där forskare vid Ohio State University har skapat neuromorfa organiska memristorer, en typ av dataprocessor som kan minnas tidigare elektriska tillstånd. Endast skapade de den inte från neuroner, utan från svampar.

De publicerade sin upptäckt i den vetenskapliga tidskriften PLOS One, under titeln “Sustainable memristors from shiitake mycelium for high-frequency bioelectronics.”

Varför använda neuromorf beräkning?

Uppkomsten av NPUs

Neurala bearbetningsenheter (NPUs), även kallade neuromorfa chip, är en typ av AI‑hårdvara som erbjuder några fördelar jämfört med mer traditionella chip som CPU‑er och GPU‑er:

• Mer flexibel design, vilket möjliggör att chiparkitekturen kan anpassas till träningsdata.
• Mycket lägre energiförbrukning, ibland så lite som 1/100^th av en jämförbar GPU.
• Mindre värmeutveckling hjälper till att hantera det växande kylproblemet i avancerade AI‑datacenter.

(Du kan läsa mer om AI‑specialiserad hårvara, inklusive NPUs, i vår dedikerade rapport.)

“Att kunna utveckla mikrochip som efterliknar faktisk neural aktivitet innebär att du inte behöver mycket ström för standby eller när maskinen inte används.

Det är något som kan bli en enorm potentiell beräknings‑ och ekonomisk fördel.”

John LaRocco – forskningsvetenskapsman i psykiatri vid Ohio State’s College of Medicine.

Många metoder utforskas för närvarande för att skapa neuromorfa chip:

• Utnyttja incipient ferroelectricity, ett fortfarande dåligt förstått fenomen.
• Aktivt substrat med vanadin eller titan.
• Använda memristorer, en ny typ av elektronisk komponent, som kan utföra AI‑uppgifter med 1/800^th av normal energiförbrukning.

Hur memristorer efterliknar synapser

Memristorer är elektroniska komponenter som efterliknar neuron‑kopplande synapser genom att minnas vilket elektriskt tillstånd de var i när strömmen stängdes av.

Detta kan kraftigt minska den energi och tid som förloras på att skicka data fram och tillbaka mellan processorer och minne.

En av de viktigaste styrkorna hos memristorer är deras förmåga till effektiv och själv‑adaptiv in situ‑inlärning, vilket är kritiskt för tillämpningar inom robotik och autonoma fordon.

Dessutom är den låga energiförbrukningen hos memristorer särskilt fördelaktig i robotik och autonoma fordon, där energieffektivitet är av största vikt. Hybrida analog‑digitala memristorsystem kan minimera energianvändning under bearbetning utan att offra svarstid.

Problemet hittills är att skapandet av elektroniska memristorer har förlitat sig på framväxande teknologier med låg produktionsutbyte och opålitlig elektronisk prestanda, på grund av hur ny tekniken är.

Att använda faktiska neuroner, som med organoider, är också ett alternativ, men neuroner är faktiskt mycket svåra celler att arbeta med, de är relativt ömtåliga och svåra att odla.

Men neuroner är inte de enda biologiska vävnader som kan bearbeta och svara på elektriska signaler.

Ett potentiellt alternativ är mycelium, vävnaden som utgör vanliga svampar, en organismtyp känd för sin anmärkningsvärda hållfasthet. De kan odlas med enklare bioreaktorer och näringskulturer än de som krävs för konventionella neuroner och neurala organoider.

Bygga svampdatorer?

Fungala material visar ledande vägar som kan bildas dynamiskt under påverkan av elektriska stimuli, liknande de ledande filament som bildas i konventionella memristorer.

Denna anpassningsförmåga kan leda till förbättrad prestanda i neuromorfa tillämpningar genom att underlätta variabla resistanssteg som efterliknar synaptiskt beteende närmare än traditionella memristiva material.

Organiska material har också fördelen att fungera effektivt vid lägre spänningar samtidigt som de behåller de stabila växlingskarakteristika som är viktiga för memristorer, ännu lägre än för elektroniska memristorer, som själva förbrukar mycket mindre energi än traditionella beräkningskomponenter.

Detta kan vara viktigt för energieffektiva enheter för bärbar elektronik och Internet of Things‑applikationer som kan förlita sig på en mycket låg energiförsörjning.
Swipe för att scrolla →

Varför ätbara svampar fungerar för beräkning

Forskarnas experiment använde vanliga champinjoner samt ätbara och medicinska shiitake‑svampar, båda arter vars odling är väl förstådd och billig.

Shiitake‑svampar har tidigare visat sig ha en porös kolstruktur när de aktiveras. Denna porösa struktur kan förbättra den elektrokemiska prestandan hos enheter, vilket gör dem lämpliga för energilagringssystem, inklusive superkondensatorer och potentiellt memristorer.

De är också mycket strålningsresistenta, vilket kan vara fördelaktigt för tillämpningar som rymdteknik, där elektroniska chip kan skadas av joniserande strålning såsom UV och solvindar.

Fungalt elektriskt svar

Forskarna kopplade den testade svampmassan efter att den torkats.

Källa: PLOS One

De testades sedan över ett spann av spänningar, vågformer och frekvenser för deras potentiella memristor‑kapacitet.

Den svarande analoga signalen visade starka memristiva egenskaper, vilket i analog form efterliknade den digitala signalen.

Källa: PLOS One

Sammanlagt visar den observerade snabba växlingshastigheten på 5 850 Hz, en noggrannhet på 90 % (± 1 %), relativt låg energiförbrukning, låg vikt och strålningsmotstånd att fungala memristorer är attraktiva för edge‑computing, rymdteknik och inbäddade firmware‑applikationer.

Dock minskade noggrannheten när frekvensen ökade, så inte alla typer av signaler sannolikt kan bearbetas/beräknas med den metoden.

Det bör också noteras att metoden endast skapar biologiskt nedbrytbara material (shiitake av livsmedelskvalitet odlas på träflis) och kräver inga sällsynta jordarts‑ eller giftiga material, till skillnad från konventionella elektroniska chip.

Framtida potential

Studien här var ett första försök, och var begränsad på två sätt:

• Tester var relativt korta, endast två månader långa. Så den långsiktiga kapaciteten hos de fungala memristorerna måste fortfarande undersökas.
• Metoden använde en massproduktion, medan faktiska tillämpningar skulle behöva en mikro‑kultur av myceliet odlad i en dedikerad miljö, vilket ger mycket mindre och mycket mer kontrollerade resultat.

Så detta är i själva verket bara ett bevis på koncept, en demonstration att något så exotiskt som fungalkomputering faktiskt är möjligt och pålitligt.

Framtida designer skulle sannolikt se användning av mer konsekventa odlingstekniker med 3D‑utskrivna mallar och strukturer som formar shiitake‑svampen till önskad geometri.

Programmering kan också underlättas genom att lägga till elektriska kontakter till en 3D‑utskriven odlingsstruktur.

Slutligen skulle långsiktig användning kräva bevarande, vilket kan innebära en rad tekniker, inklusive torkning, desikering, frystorkning, vissa hydrogeler och speciella beläggningar.

Ändå är idén att utveckla memristorer med uteslutande organiska material, och motståndskraftigt, billigt och biologiskt nedbrytbart svampmaterial, fascinerande.

Investera i bioprintning

BICO Group AB (BICO.ST)

Allt eftersom organik‑baserad beräkning fortskrider, kommer 3D‑utskrift av levande vävnader sannolikt bli ett allt mer använt verktyg. Först i forskning, och sedan för den faktiska produktionen av enheter som utnyttjar denna teknik.

En ledare inom området har varit Cellink, vars maskiner används för bioprintning av forskare över hela världen.

Källa: Cellink

År 2021 bytte Cellink namn till BICO Group, efter förvärvet av Cytena 2019 och Scienion 2020.

Cellink är fortfarande varumärkesnamnet för bioprintningsdelen av verksamheten. Detta kan också användas för att skapa on‑demand 3D‑vävnader eller organ. (Du kan läsa en diskussion om detta ämne i “3D Printing Human Organs – How Realistic Is It?”.)

Bioprintning utgör omkring 1/5^th av verksamheten, med bioscience‑automationssegmentet, inklusive avbildning av biologiska prover, vilket står för mer än 3/5^th av intäkterna.

Källa: BICO Group AB

På lång sikt är det sannolikt att bioprintningsföretag utvecklas från att förse forskare med verktyg till att bli leverantörer av bioprintnings‑terapier för läkemedelsföretag till patienter.

Detta kommer i sin tur att helt förändra antalet bioprintare i bruk och, viktigare, volymen av förbrukningsmaterial som säljs varje månad.

Det är samma process som inträffade för andra tillverkare av biolabbutrustning, inklusive genomsekvenseringsmaskiner från PacBio (PACB) och Illumina (ILMN), som slutar med att 80 % av deras intäkter kommer från återkommande försäljning av förbrukningsmaterial.

Eftersom BICO Group inte enbart är beroende av detta område, kan de fortsätta förbättra tekniken tills den når en kritisk massa av användare, samtidigt som de tjänar pengar och bygger sitt försäljningsnätverk med bioresearchers från sina andra, mer mogna produkter inom bioscience‑automation.