Flexible, kostengünstige elektronische Tinte Gedruckte Neuronen kommunizieren mit lebenden Gehirnzellen

Anbieter zum Thema

Northwestern University

FAULHABER Antriebssysteme

KUMAVISION AG

Ingenieure der Northwestern University haben künstliche Neuronen gedruckt, die das Gehirn nicht nur nachahmen – sie kommunizieren sogar mit ihm.

In einer neuen Studie hat ein Team der Northwestern University flexible, kostengünstige Geräte entwickelt, die elektrische Signale erzeugen, die realistisch genug sind, um lebende Gehirnzellen zu aktivieren. Bei Tests an Gewebeschnitten aus Mäusegehirnen lösten die künstlichen Neuronen erfolgreich Reaktionen bei echten Neuronen aus und bewiesen damit ein neues Maß an Biokompatibilität.

Diese Arbeit ist ein Schritt in Richtung einer Elektronik, die direkt mit dem Nervensystem kommunizieren kann, mit potenziellen Anwendungsmöglichkeiten in Gehirn-Maschine-Schnittstellen und Neuroprothesen, darunter Implantate für das Hören, Sehen und Bewegung. Sie legt zudem den Grundstein für effizientere, dem Gehirn nachempfundene Rechensysteme. Durch die Nachahmung der Signalübertragung von Neuronen – ein Schlüsselmerkmal des Gehirns, das als der energieeffizienteste bekannte Computer gilt – könnten futuristische Systeme komplexe Operationen mit weitaus weniger Energie durchführen als die heutigen datenhungrigen Technologien.

Die Studie wurde am 15. April in der Fachzeitschrift „Nature Nanotechnology“ veröffentlicht.

„Die Welt, in der wir heute leben, wird von künstlicher Intelligenz (KI) dominiert“, sagte Mark C. Hersam von der Northwestern University, der die Studie leitete. „KI wird intelligenter, indem man sie mit immer mehr Daten trainiert. Dieses datenintensive Training führt zu einem massiven Problem beim Stromverbrauch. Daher müssen wir effizientere Hardware entwickeln, um Big Data und KI zu bewältigen. Da das Gehirn fünf Größenordnungen energieeffizienter ist als ein digitaler Computer, ist es sinnvoll, sich beim Gehirn Inspiration für die Computertechnik der nächsten Generation zu holen.“

Hersam, ein Experte für gehirnähnliche Datenverarbeitung, ist Walter P. Murphy-Professor für Materialwissenschaft und Werkstofftechnik an der McCormick School of Engineering der Northwestern University, Professor für Medizin an der Feinberg School of Medicine der Northwestern University und Professor für Chemie am Weinberg College of Arts and Sciences der Northwestern University. Er ist außerdem Vorsitzender des Fachbereichs Materialwissenschaft und Werkstofftechnik, Direktor des Materials Research Science and Engineering Center und Mitglied des International Institute for Nanotechnology. Hersam leitete die Studie gemeinsam mit Vinod K. Sangwan, einem Forschungsprofessor an der McCormick School of Engineering.

Vom starren Silizium zum dynamischen Gehirn

Da Rechenaufgaben immer komplexer und datenintensiver werden, begegnen Computer diesen Anforderungen durch den Einbau weiterer identischer Komponenten – Milliarden von Transistoren, die auf starren, zweidimensionalen Siliziumchips untergebracht sind. Jeder Transistor verhält sich auf dieselbe Weise. Und sobald diese Systeme hergestellt sind, bleiben sie unveränderlich.

Das Gehirn funktioniert auf eine auffallend andere Weise. Anstatt aus einheitlichen Bausteinen zu bestehen, stützt sich das Gehirn auf verschiedene Arten von Neuronen – von denen jedes eine spezielle Rolle erfüllt –, die über verschiedene Regionen verteilt sind. Diese weichen, dreidimensionalen Netzwerke verändern sich ständig und bilden und gestalten Verbindungen im Laufe der Zeit neu, während Menschen lernen und sich anpassen.

„Silizium erreicht Komplexität durch Milliarden identischer Bauteile“, sagte Hersam. „Alles ist gleich, starr und unveränderlich, sobald es hergestellt ist. Das Gehirn ist das Gegenteil davon. Es ist heterogen, dynamisch und dreidimensional. Um in diese Richtung zu gehen, brauchen wir neue Materialien und neue Wege, Elektronik zu bauen.“

Zwar gibt es andere künstliche Neuronen, doch bleiben sie hinter dem biologischen Realismus zurück. Die meisten erzeugen vereinfachte Signale, was Ingenieure dazu zwingt, auf große, energieintensive Netzwerke von Bauteilen zurückzugreifen, um komplexes Verhalten zu erzielen.

Aus einem Makel ein Highlight machen

Um sich einem biologischen Modell anzunähern, entwickelte Hersams Team künstliche Neuronen aus weichen, druckbaren Materialien, die die Struktur und das Verhalten des Gehirns besser nachahmen. Das Herzstück dieses Fortschritts ist eine Reihe von elektronischen Tinten, die aus nanoskaligen Flocken aus Molybdändisulfid (MoS₂) – das als Halbleiter fungiert – und Graphen – das als elektrischer Leiter dient – hergestellt wurden. Mithilfe einer speziellen Drucktechnik namens Aerosol-Jet-Druck trugen die Forscher diese Tinten auf flexible Polymersubstrate auf.

In der Vergangenheit betrachteten andere Forscher das stabilisierende Polymer in den Tinten als Problem, das den Stromfluss behinderte, und verbrannten das Polymer daher nach dem Drucken der elektronischen Schaltung. Hersam nutzte diese kleine Unvollkommenheit jedoch, um seinem Gerät eine gehirnähnliche Funktionalität zu verleihen. „Anstatt das Polymer vollständig zu entfernen, zersetzen wir es teilweise“, sagte er. „Wenn wir dann Strom durch das Gerät leiten, treiben wir die Zersetzung des Polymers weiter voran. Diese Zersetzung erfolgt räumlich inhomogen, was zur Bildung eines leitfähigen Filaments führt, sodass der gesamte Strom auf einen schmalen Bereich im Raum konzentriert wird.“

Dieser schmale Bereich wird zu einem lokalisierten Leitungsweg, der eine plötzliche, neuronähnliche elektrische Reaktion hervorruft. Das Ergebnis ist eine neue Art künstlicher Neuronen, die eine Vielzahl elektrischer Signale erzeugen können. Anstatt einfache, einmalige Impulse zu erzeugen, erzeugt das neue Gerät komplexere Signalmuster – darunter einzelne Spikes, kontinuierliche Entladungen und Burst-Muster –, die der Kommunikation echter Neuronen ähneln.

Durch die Erfassung dieser Signalvielfalt kann jedes Neuron mehr Informationen kodieren und komplexere Funktionen ausführen. Dies kann die Anzahl der in einem Computersystem benötigten Komponenten reduzieren und die Gesamteffizienz drastisch verbessern.

Künstliche Neuronen auf dem Prüfstand

Um zu prüfen, ob sich ihre künstlichen Neuronen tatsächlich mit biologischen Systemen verbinden lassen, arbeitete Hersams Team mit Indira M. Raman zusammen, der Bill-und-Gayle-Cook-Professorin für Neurobiologie am Weinberg College. Ramans Team leitete elektrische Signale der künstlichen Neuronen an Schnitte des Kleinhirns von Mäusen weiter. Sie stellten fest, dass die künstlichen Spannungsspitzen wichtige biologische Merkmale aufwiesen, darunter das zeitliche Auftreten und die Dauer der Spannungsspitzen lebender Neuronen. Dies löste zuverlässig Aktivitäten in echten Neuronen aus und aktivierte neuronale Schaltkreise auf ähnliche Weise wie natürliche Signale.

„Andere Labore haben versucht, künstliche Neuronen aus organischen Materialien herzustellen, doch deren Spikes waren zu langsam“, sagte Hersam. „Oder sie verwendeten Metalloxide, die zu schnell sind. Wir bewegen uns in einem zeitlichen Bereich, der bisher für künstliche Neuronen nicht nachgewiesen wurde. Man kann sehen, wie die lebenden Neuronen auf unser künstliches Neuron reagieren. Wir haben also Signale demonstriert, die nicht nur die richtige Zeitskala, sondern auch die richtige Spike-Form aufweisen, um direkt mit lebenden Neuronen zu interagieren.“

Der Ansatz bietet mehrere umweltfreundliche Vorteile. Neben der Verbesserung der Energieeffizienz ist der Herstellungsprozess der Neuronen einfach und kostengünstig. Da es sich um ein additives Druckverfahren handelt – bei dem Material nur dort platziert wird, wo es benötigt wird –, wird zudem Abfall reduziert.

„Um den Energiebedarf der KI zu decken, bauen Technologieunternehmen Gigawatt-Rechenzentren, die von eigenen Kernkraftwerken mit Strom versorgt werden“, sagte Hersam. „Es liegt auf der Hand, dass dieser enorme Stromverbrauch die weitere Skalierung der Rechenleistung einschränken wird, da es schwer vorstellbar ist, dass ein Rechenzentrum der nächsten Generation 100 Kernkraftwerke benötigt. Ein weiteres Problem ist, dass bei der Ableitung von Gigawatt an Strom große Mengen an Wärme entstehen. Da Rechenzentren mit Wasser gekühlt werden, belastet die KI die Wasserversorgung stark. Wie man es auch dreht und wendet: Wir müssen energieeffizientere Hardware für die KI entwickeln.“

Die Studie „Multi-order complexity spiking neurons enabled by printed MoS₂ memristive nanosheet networks“ wurde von der National Science Foundation unterstützt.

(ID:50819310)