Einem Team von Ingenieuren der Northwestern University gelang kürzlich ein großer Durchbruch durch die Entwicklung gedruckter künstlicher Neuronen, die direkt mit echten Gehirnzellen interagieren können. Diese Geräte sind nicht nur weich, flexibel und kostengünstig herzustellen, sondern können auch elektrische Signale erzeugen, die lebenden Neuronen sehr ähnlich sind. In Labortests mit Hirngewebeschnitten von Mäusen gelang es den künstlichen Neuronen, echte Neuronen zu stimulieren und messbare Reaktionen hervorzurufen. Diese Errungenschaft zeigt ein beispielloses Maß an Kompatibilität zwischen elektronischen Systemen und biologischen neuronalen Netzen.

Diese Forschung eröffnet wichtige Wege für elektronische Geräte, die mit dem Nervensystem kommunizieren können. Die Technologie soll die Entwicklung von Gehirn-Computer-Schnittstellen und neuroprothetischen Geräten unterstützen, einschließlich Implantaten zur Wiederherstellung von Hörvermögen, Sehvermögen oder Bewegung. Gleichzeitig deuten die Ergebnisse auch auf eine Zukunft mit effizienterem Rechnen hin. Durch die Nachbildung der Art und Weise, wie Neuronen Signale senden – eine Kernfunktion des Gehirns als energieeffizientestes bekanntes Computersystem – wird Hardware der nächsten Generation in der Lage sein, komplexe Aufgaben mit weitaus weniger Energie als aktuelle Systeme zu bewältigen.

Die Forschung wurde am 15. April in der Fachzeitschrift Nature Nanotechnology veröffentlicht. „Die Welt, in der wir heute leben, wird von künstlicher Intelligenz dominiert. Um künstliche Intelligenz intelligenter zu machen, muss man sie mit immer mehr Daten trainieren. Dieses datenintensive Training führt zu enormen Energieverbrauchsproblemen. Daher müssen wir effizientere Hardware entwickeln, um große Datenmengen und künstliche Intelligenz zu verarbeiten. Da das Gehirn fünf Größenordnungen energieeffizienter ist als digitale Computer, ist es sinnvoll, sich vom Gehirn als Inspiration für die nächste Computergeneration inspirieren zu lassen.“

Da der Rechenbedarf wächst, reagieren herkömmliche Systeme auf diese Herausforderungen, indem sie weitere gleiche Komponenten hinzufügen. Moderne Chips enthalten Milliarden von Transistoren, die auf einem starren, flachen Stück Silizium angeordnet sind, wobei jedes Element die gleiche Funktion erfüllt. Einmal hergestellt, können diese Systeme nicht mehr verändert werden. Das Gehirn funktioniert völlig anders. Es besteht aus mehreren Arten von Neuronen mit jeweils speziellen Rollen, die in einem weichen dreidimensionalen Netzwerk organisiert sind. Diese Netzwerke passen sich kontinuierlich an, bilden neue Verbindungen und formen bestehende Verbindungen um, während das Lernen stattfindet. „Silizium erreicht Komplexität durch Milliarden identischer Geräte. Alles ist identisch, starr und fest, sobald es hergestellt ist. Das Gehirn ist das Gegenteil. Es ist heterogen, dynamisch und dreidimensional. Um in diese Richtung zu gehen, brauchen wir neue Materialien und neue Wege, Elektronik zu bauen“, erklärte Hessam.

Obwohl es schon früher künstliche Neuronen gab, erzeugten die meisten Signale, die zu einfach waren. Um komplexere Verhaltensweisen zu erzeugen, greifen Ingenieure oft auf große Netzwerke zurück, was den Energieverbrauch erhöht. Um das Verhalten echter Neuronen besser nachzubilden, haben die Forscher ihr Gerät aus weichen, druckbaren Materialien entworfen. Sie stellten spezielle E-Tinten aus Molybdändisulfidplatten her, einem Material, das als Halbleiter fungiert, während Graphen als Leiter fungiert. Diese Tinten werden mithilfe einer Methode namens Aerosolstrahldruck auf flexible Polymeroberflächen aufgetragen.

Bisher galt der Polymeranteil in diesen Tinten als Nachteil, da er den Stromfluss störte, weshalb er in der Regel nach dem Drucken entfernt wurde. In diesem Fall nutzte das Forschungsteam dies stattdessen aus. „Anstatt das Polymer vollständig zu entfernen, bauen wir es teilweise ab“, sagten die Forscher. „Wenn wir dann einen elektrischen Strom durch das Gerät leiten, treiben wir den Abbau des Polymers weiter voran. Dieser Abbau erfolgt auf räumlich ungleichmäßige Weise, was zur Bildung leitfähiger Filamente führt, sodass der gesamte Stromfluss auf einen engen Bereich im Raum beschränkt ist.“ Dieser schmale Leitungspfad erzeugt eine plötzliche elektrische Reaktion, ähnlich dem Feuern eines Neurons. Infolgedessen können künstliche Neuronen eine Vielzahl von Signalen erzeugen, darunter einzelne Spitzen, stetiges Feuern und Burst-Muster, die die echte neuronale Aktivität stark nachahmen. Da jedes Gerät komplexere Signalisierung verarbeiten kann, sind insgesamt weniger Komponenten erforderlich, was die Effizienz zukünftiger Computersysteme erheblich verbessern könnte.

Um herauszufinden, ob diese künstlichen Neuronen mit realen biologischen Systemen interagieren könnten, arbeitete das Forschungsteam mit Indira Raman, einer Professorin für Neurobiologie an der Weinberg School, zusammen. Ihr Team applizierte künstliche Signale auf Schnitte des Kleinhirns von Mäusen. Die Ergebnisse zeigten, dass diese elektrischen Spitzen mit Schlüsselmerkmalen der natürlichen neuronalen Aktivität übereinstimmten, einschließlich Zeitpunkt und Dauer. Diese Signale aktivieren zuverlässig echte Neuronen und lösen neuronale Schaltkreise aus, ähnlich wie natürliche Gehirnsignale. „Andere Labore haben versucht, künstliche Neuronen aus organischen Materialien herzustellen, aber sie feuern zu langsam“, sagte Hessam. „Oder sie verwenden Metalloxide, die zu schnell sind. Wir befinden uns auf einer Zeitskala, die noch nie zuvor bei künstlichen Neuronen nachgewiesen wurde. Man kann sehen, wie lebende Neuronen auf unsere künstlichen Neuronen reagieren. Wir haben also gezeigt, dass Signale, die nicht nur die richtige Zeitskala, sondern auch die richtige Spitzenform haben, direkt mit lebenden Neuronen interagieren können.“

Dieser neue Ansatz bietet auch ökologische und praktische Vorteile. Der Herstellungsprozess ist einfach und kostengünstig, und das additive Druckverfahren nutzt Materialien effizient und reduziert Abfall, indem es sie nur dort platziert, wo sie benötigt werden. Da Systeme der künstlichen Intelligenz immer weiter wachsen, ist die Verbesserung der Energieeffizienz besonders wichtig. Große Rechenzentren verbrauchen bereits große Mengen Strom und benötigen große Mengen Wasser zur Kühlung. „Um den Energiebedarf der KI zu decken, bauen Technologieunternehmen Rechenzentren im Gigawatt-Maßstab, die von speziellen Kernkraftwerken angetrieben werden“, bemerkte Hessam. „Es ist klar, dass dieser enorme Stromverbrauch den weiteren Ausbau der Datenverarbeitung begrenzen wird, denn es ist schwer vorstellbar, dass die nächste Generation von Rechenzentren 100 Kernkraftwerke erfordern wird. Ein weiteres Problem besteht darin, dass man viel Wärme erzeugt, wenn man Gigawatt an Strom verbraucht. Da Rechenzentren mit Wasser gekühlt werden, belastet KI die Wasserversorgung stark. Egal wie man es betrachtet, wir müssen energieeffizientere Hardware für KI entwickeln.“

Diese Forschung wurde von der National Science Foundation unterstützt.