Shiitake statt Silizium: Pilze als Speicherchips schmecken der Forschung
Forscher der Ohio State University haben Speicherbausteine aus Shiitake-Pilzen gezüchtet. Die lebenden Netzwerke verhalten sich elektrisch wie Nervenzellen - und könnten künftig als nachhaltige Bausteine für energiearme KI-Computer dienen.
Die Idee stammt aus der sogenannten neuromorphen Elektronik. Hier versuchen Ingenieure, Rechenprozesse nach dem Vorbild des Gehirns zu gestalten. Statt starre Transistoren zu schalten, verändern sogenannte Memristoren ihren elektrischen Widerstand - ähnlich wie Synapsen ihre Stärke anpassen, wenn sie lernen. So können sie Informationen speichern, ohne ständig Energie zu verbrauchen.
Damit entsteht ein völlig anderer Typ Speicher: biologisch, abbaubar und stromsparend. Während herkömmliche Chips seltene Metalle und energieintensive Fertigung erfordern, wächst der Pilz-Schaltkreis buchstäblich von selbst. Nach dem Trocknen bleibt er funktionsfähig, lässt sich lagern und wieder aktivieren. Das spart Ressourcen und vermeidet Elektroschrott.
Noch sind die Pilz-Chips groß und experimentell. Doch langfristig könnten sie zeigen, dass "lebende" Elektronik kein Widerspruch sein muss. Fungal Computing - also Rechnen mit Pilzen - könnte eines Tages leise in Geräten arbeiten, die kaum Energie benötigen und sich nach Gebrauch einfach zersetzen.
Siehe auch:
Organische Elektronik: Pilze als Game-Changer
Wenn man Pilze wachsen lässt, denkt kaum jemand an Computertechnik. Doch tief im weißen Fadengeflecht eines Shiitake-Pilzes läuft elektrische Kommunikation ab - winzige Spannungsspitzen, die an Nervenimpulse erinnern. Dieses natürliche Signalverhalten haben Forscher nun genutzt, um daraus elektronische Bauteile zu formen.Die Idee stammt aus der sogenannten neuromorphen Elektronik. Hier versuchen Ingenieure, Rechenprozesse nach dem Vorbild des Gehirns zu gestalten. Statt starre Transistoren zu schalten, verändern sogenannte Memristoren ihren elektrischen Widerstand - ähnlich wie Synapsen ihre Stärke anpassen, wenn sie lernen. So können sie Informationen speichern, ohne ständig Energie zu verbrauchen.
Wir demonstrieren Pilz-Computing über Myzel-Netzwerke, die mit Elektroden verbunden sind, und zeigen, dass Pilz-Memristoren gezüchtet, trainiert und durch Dehydrierung konserviert werden können.Die Studie in PLOS ONE zeigt, dass sich solche Memristoren auch aus dem Myzel von Shiitake-Pilzen herstellen lassen. Das Team kultivierte das Pilzgeflecht in flachen Schalen, trocknete es, reaktivierte es mit Feuchtigkeit und verband es anschließend mit Elektroden. Unter wechselnden Spannungen reagierte das Material reproduzierbar: es "lernte" elektrische Muster und behielt sie bei. Bei Tests arbeitete der Pilz-Chip bei 5,85 Kilohertz immer noch stabil - mit einer Genauigkeit von rund 90 Prozent.
Damit entsteht ein völlig anderer Typ Speicher: biologisch, abbaubar und stromsparend. Während herkömmliche Chips seltene Metalle und energieintensive Fertigung erfordern, wächst der Pilz-Schaltkreis buchstäblich von selbst. Nach dem Trocknen bleibt er funktionsfähig, lässt sich lagern und wieder aktivieren. Das spart Ressourcen und vermeidet Elektroschrott.
Myzel mit Ziel
Hinzu kommt eine erstaunliche Eigenschaft: Shiitake-Myzel gilt als strahlenresistent. Bestimmte Zellbestandteile wie das Polysaccharid Lentinan schützen es vor Oxidationsschäden. Deshalb sehen die Autoren auch Einsatzmöglichkeiten in der Raumfahrt - etwa für Sensoren oder Recheneinheiten, die kosmischer Strahlung standhalten.Noch sind die Pilz-Chips groß und experimentell. Doch langfristig könnten sie zeigen, dass "lebende" Elektronik kein Widerspruch sein muss. Fungal Computing - also Rechnen mit Pilzen - könnte eines Tages leise in Geräten arbeiten, die kaum Energie benötigen und sich nach Gebrauch einfach zersetzen.
Was sind neuromorphe Chips?
Neuromorphe Chips sind Computerchips, deren Architektur an die Struktur und Funktionsweise des menschlichen Gehirns angelehnt ist. Sie verarbeiten Informationen ähnlich wie biologische neuronale Netze.
Anders als herkömmliche Von-Neumann-Architekturen mit getrenntem Speicher und Prozessor sind bei neuromorphen Chips Speicher und Verarbeitung eng verzahnt, was den Energieverbrauch drastisch senkt.
Der Begriff wurde 1990 von Carver Mead geprägt. Neuromorphe Chips ahmen die parallele, ereignisgesteuerte Signalverarbeitung biologischer Neuronen nach und sind besonders effizient bei Mustererkennung und sensorischer Verarbeitung.
Anders als herkömmliche Von-Neumann-Architekturen mit getrenntem Speicher und Prozessor sind bei neuromorphen Chips Speicher und Verarbeitung eng verzahnt, was den Energieverbrauch drastisch senkt.
Der Begriff wurde 1990 von Carver Mead geprägt. Neuromorphe Chips ahmen die parallele, ereignisgesteuerte Signalverarbeitung biologischer Neuronen nach und sind besonders effizient bei Mustererkennung und sensorischer Verarbeitung.
Wie unterscheiden sie sich von herkömmlichen Prozessoren?
Konventionelle Prozessoren basieren auf der Von-Neumann-Architektur mit sequenzieller Befehlsabarbeitung und getrenntem Speicher. Dies führt zum "Von-Neumann-Flaschenhals" - ständiger Datentransfer zwischen CPU und RAM kostet Energie und Zeit.
Neuromorphe Chips verarbeiten Informationen massiv parallel und ereignisgesteuert. Künstliche Neuronen "feuern" nur bei Bedarf (Spiking Neural Networks), nicht kontinuierlich wie traditionelle Prozessoren.
Der Energieverbrauch ist um Größenordnungen geringer: Während das menschliche Gehirn mit etwa 20 Watt arbeitet, benötigen vergleichbare KI-Systeme auf GPUs mehrere Kilowatt. Neuromorphe Chips nähern sich der biologischen Effizienz an.
Neuromorphe Chips verarbeiten Informationen massiv parallel und ereignisgesteuert. Künstliche Neuronen "feuern" nur bei Bedarf (Spiking Neural Networks), nicht kontinuierlich wie traditionelle Prozessoren.
Der Energieverbrauch ist um Größenordnungen geringer: Während das menschliche Gehirn mit etwa 20 Watt arbeitet, benötigen vergleichbare KI-Systeme auf GPUs mehrere Kilowatt. Neuromorphe Chips nähern sich der biologischen Effizienz an.
Welche wichtigen neuromorphen Chips wurden entwickelt?
IBMs TrueNorth (2014) enthält 1 Million programmierbare Neuronen und 256 Millionen Synapsen bei nur 70 Milliwatt Leistungsaufnahme. Er wurde für Mustererkennung und sensorische Verarbeitung entwickelt.
Intels Loihi (2017) und Loihi 2 (2021) unterstützen Spiking Neural Networks und On-Chip-Learning. Loihi 2 hat 1 Million Neuronen und ist bis zu 50-mal energieeffizienter als konventionelle Prozessoren bei bestimmten Aufgaben.
BrainScaleS-2 der Universität Heidelberg emuliert biologische Neuronen bis zu 1000-mal schneller als Echtzeit und nutzt analoge Schaltkreise. SpiNNaker der Universität Manchester kann eine Milliarde biologische Neuronen in Echtzeit simulieren.
Intels Loihi (2017) und Loihi 2 (2021) unterstützen Spiking Neural Networks und On-Chip-Learning. Loihi 2 hat 1 Million Neuronen und ist bis zu 50-mal energieeffizienter als konventionelle Prozessoren bei bestimmten Aufgaben.
BrainScaleS-2 der Universität Heidelberg emuliert biologische Neuronen bis zu 1000-mal schneller als Echtzeit und nutzt analoge Schaltkreise. SpiNNaker der Universität Manchester kann eine Milliarde biologische Neuronen in Echtzeit simulieren.
Welche Anwendungen haben neuromorphe Chips?
Sensorische Verarbeitung profitiert besonders: Neuromorphe Vision-Sensoren (Event Cameras) erfassen nur Helligkeitsänderungen statt kompletter Bilder, was Datenmengen und Energieverbrauch drastisch reduziert.
Robotik und autonome Systeme nutzen die Echtzeitfähigkeit und Energieeffizienz für Navigation, Objekterkennung und Entscheidungsfindung. Edge-Computing-Anwendungen profitieren von der geringen Leistungsaufnahme.
Weitere Einsatzgebiete sind Spracherkennung, Anomalieerkennung in Netzwerken, medizinische Diagnostik und Brain-Computer-Interfaces. Auch für die Simulation biologischer neuronaler Netze in der Hirnforschung sind sie wertvoll.
Robotik und autonome Systeme nutzen die Echtzeitfähigkeit und Energieeffizienz für Navigation, Objekterkennung und Entscheidungsfindung. Edge-Computing-Anwendungen profitieren von der geringen Leistungsaufnahme.
Weitere Einsatzgebiete sind Spracherkennung, Anomalieerkennung in Netzwerken, medizinische Diagnostik und Brain-Computer-Interfaces. Auch für die Simulation biologischer neuronaler Netze in der Hirnforschung sind sie wertvoll.
Was sind die Herausforderungen und Zukunftsperspektiven?
Programmierung ist komplex: Spiking Neural Networks erfordern völlig andere Algorithmen als klassische neuronale Netze. Es fehlen standardisierte Frameworks und Entwicklungswerkzeuge.
Die Fertigungstechnologie ist anspruchsvoll, besonders bei analogen neuromorphen Chips. Auch die Integration in bestehende IT-Infrastrukturen und die Entwicklung geeigneter Software-Ökosysteme sind Hürden.
Langfristig könnten neuromorphe Chips KI-Anwendungen revolutionieren: energieeffiziente KI in Smartphones, IoT-Geräten und Edge-Devices. Manche Forscher sehen sie als Schlüssel zu echter künstlicher allgemeiner Intelligenz (AGI).
Die Fertigungstechnologie ist anspruchsvoll, besonders bei analogen neuromorphen Chips. Auch die Integration in bestehende IT-Infrastrukturen und die Entwicklung geeigneter Software-Ökosysteme sind Hürden.
Langfristig könnten neuromorphe Chips KI-Anwendungen revolutionieren: energieeffiziente KI in Smartphones, IoT-Geräten und Edge-Devices. Manche Forscher sehen sie als Schlüssel zu echter künstlicher allgemeiner Intelligenz (AGI).
Zusammenfassung
- Forscher entwickeln Speicherbausteine aus Shiitake-Pilzen mit nervenzellähnlichen Eigenschaften
- Pilz-Memristoren können ähnlich wie Synapsen lernen und verbrauchen weniger Energie
- Das biologisch abbaubare Material kann elektrische Muster mit 90 Prozent Genauigkeit speichern
- Myzel des Shiitake-Pilzes gilt als strahlenresistent und eignet sich für die Raumfahrt
- Fungal Computing könnte künftig als nachhaltige Alternative zu herkömmlichen Chips dienen
- Im Gegensatz zu Silizium-Chips wächst der Pilz-Schaltkreis selbstständig heran
- Die biologischen Speicher lassen sich nach dem Trocknen lagern und wieder aktivieren
Siehe auch:
Thema:
Neueste Downloads
Neue Nachrichten
Beliebte Nachrichten
Videos
❤ WinFuture unterstützen
Sie wollen online einkaufen?
Dann nutzen Sie bitte einen der folgenden Links,
um WinFuture zu unterstützen:
Vielen Dank!
Alle Kommentare zu dieser News anzeigen