全球首台生物计算机开放服务:16个人脑类器官,能耗节省百万倍

使用人类脑细胞,活的。

科幻小说《三体》中,为了支撑科技的发展,人类提出了几种下一代计算机的方案,其中除了传统的冯诺依曼架构,还包括量子计算机和生物计算机。其中量子计算的概念现在已有大量研究,生物计算的研究却少有报道。

近日,一家瑞士初创公司 FinalSpark 发布了全球首款生物处理器。据介绍,它们都是由人脑类器官的生物神经元驱动的,而且已开放了远程访问。

FinalSpark 提出的 Neuroplatform 据称是世界上第一个提供体外生物神经元访问的在线平台,此类生物处理器据称「比传统数字处理器的功耗低一百万倍」。

由于摩尔定律的终结,芯片厂商正在依靠增大功率保持性能提升的节奏,强性能附加低功耗的特点可能会是生物处理器的潜在优势。

FinalSpark 表示,其 Neuroplatform 能够学习和处理信息,并且由于其低功耗,可以减少计算对环境的影响。

最近,科技领域业内都在追赶生成式 AI,随之而来的芯片短缺也在逐渐成为挑战。更进一步,科学家们甚至还在担心大模型的能耗问题。今年 2 月有报道称,OpenAI 联合创始人山姆・奥特曼正在寻求大量资金打造完整的芯片产业链,为此甚至与电力供应商进行了讨论。

有论文得出结论,训练一个像 GPT-3 这样的大型语言模型(LLM)大约需要 10GWh------ 大约是欧洲公民平均一年使用的能源的 6000 倍。

随着生物处理器的成功部署,这样的能源消耗可能会大幅减少。

免费远程访问,可用 Python 库操作

在最近发表在《Frontiers in Artificial Intelligence》的论文中,FinalSpark 介绍了他们所开发的一个硬件和软件系统,它允许在较大规模上进行电生理实验。

论文链接:www.frontiersin.org/articles/10...

Neuroplatform 使研究人员能够对神经类器官进行实验,其寿命甚至超过 100 天。为此,科研人员简化了实验过程,可以快速产生新的类器官,全天候监测动作电位,并提供电刺激。除此之外,还设计了一个微流体系统,允许完全自动化的培养基流动和更换,从而减少在孵育器中通过物理干预造成的干扰,以确保稳定的环境条件。

在过去三年中,Neuroplatform 构建了超过 1000 个大脑类器官,收集了超过 18TB 的数据。为了方便人们使用,FinalSpark 开发了一个专门的 API,可以直接通过 Python 库或使用交互式计算(如 Jupyter Notebooks)进行远程研究。

除了电生理操作外,API 还控制泵、数字摄像头和 UV 灯进行分子释放。这允许执行复杂的全天候实验,包括闭环策略和使用最新的深度学习或强化学习库进行处理。

此外,基础设施支持完全远程使用。目前在 2024 年,该系统可免费用于研究目的,许多研究小组已经开始将其用于他们的实验。

FinalSpark 公司创始人合影:Fred Jordan 和 Martin Kutter 博士。

Neuroplatform 的生物计算机基于可以被分类为湿件(Wetware)的架构:这是硬件、软件和生物学的混合。

该平台提供的主要创新是通过使用四个多电极阵列(MEAs),其中包含活组织 ------ 类器官,它们是大脑组织的 3D 细胞团块。

FO(前脑类器官)生成和多电极阵列(MEA)设置。

每个 MEA 包含四个类器官,通过八个用于刺激和记录的电极进行连接。

数据通过数字模拟转换器(Intan RHS 32 控制器)来回传输,采样频率为 30kHz,分辨率为 16 位。

这些关键的架构设计特征由 MEA 的微流体生命维持系统和监控摄像头支持。同样重要的是,软件堆栈允许研究人员输入数据变量,然后读取和解释处理器的输出。

软件设置

FinalSpark 已向九个机构提供了对其远程计算平台的访问权限,以帮助推动生物加工的研究和开发。通过这些机构的合作,它希望创造世界上第一个活体处理器。

此外,已经有三十多家大学对访问 Neuroplatform 感兴趣。为了访问 Neuroplatform,教育机构需要为每个用户订阅 500 美元 / 月。

生物芯片「寿命」大约 100 天

虽然样机已经完成,在线服务也已开启,但这类生物处理器在现实实验运用中仍存在着一定的局限。现在看起来,寿命是个大问题。

硅芯片可以使用多年,有时甚至几十年。与此相对,形成生物处理器的神经结构虽然也被认为有很长的寿命,但 FinalSpark 表示,它们只「适合运行几个月的实验」。

最初,该公司的 MEAs 只能持续几个小时,但对系统的改进意味着类器官的寿命目前预计约为 100 天。

参考链接:

www.tomshardware.com/pc-componen...

相关推荐
湫ccc13 分钟前
《Opencv》基础操作详解(3)
人工智能·opencv·计算机视觉
Jack_pirate22 分钟前
深度学习中的特征到底是什么?
人工智能·深度学习
微凉的衣柜37 分钟前
微软在AI时代的战略布局和挑战
人工智能·深度学习·microsoft
GocNeverGiveUp1 小时前
机器学习1-简单神经网络
人工智能·机器学习
Schwertlilien1 小时前
图像处理-Ch2-空间域的图像增强
人工智能
智慧化智能化数字化方案1 小时前
深入解读数据资产化实践指南(2024年)
大数据·人工智能·数据资产管理·数据资产入表·数据资产化实践指南
哦哦~9212 小时前
深度学习驱动的油气开发技术与应用
大数据·人工智能·深度学习·学习
智慧化智能化数字化方案2 小时前
120页PPT讲解ChatGPT如何与财务数字化转型的业财融合
人工智能·chatgpt
矩阵推荐官hy147622 小时前
短视频矩阵系统种类繁多,应该如何对比选择?
人工智能·python·矩阵·流量运营
lshzdq2 小时前
【机器人】机械臂轨迹和转矩控制对比
人工智能·算法·机器人