Biocomputere kan sænke strømforbruget drastisk - med inspiration fra naturen og langsomme skildpadder

Den moderne computer er en teknologisk triumf.

En enkelt computerchip indeholder milliarder af transistorer i nanometerskala, som ikke alene er ekstremt pålidelige, men også arbejder i en hastighed af millioner af opgaver i sekundet.

Denne høje hastighed og pålidelighed kommer dog med en pris: et meget stort energiforbrug.

Datacentre samt vores computere og smartphones tegner sig for omkring tre procent af det globale elektricitetsforbrug, og brugen af kunstig intelligens vil sandsynligvis øge forbruget endnu mere.

Hvad nu hvis vi kunne redesigne den måde, computere fungerer, så de kunne udføre beregningsopgaver lige så hurtigt som i dag, men med et langt lavere forbrug af energi?

Naturen og dens processer giver os nogle potentielle løsninger.

'Landauers princip'

I 1961 granskede fysikeren Rolf Landauer fra IBM Research spørgsmålet om, hvorvidt vi skal bruge så meget energi på computeropgaver.

Han kom frem til 'the Landauer limit' (Landauers princip/grænseværdi), der beskriver, hvordan hver eneste bit-operation har brug for et vist minimum af energi.

Rolf Landauer foretog en teoretisk beregning af dette minimumsforbrug: Hvis man for eksempel sætter en bit, den mindste måleenhed af data på en computer, til at have en værdi på nul eller én, bruger den omkring 10⁻²¹ joule (J) energi.

Det er en meget lille mængde energi, til trods for de mange milliarder opgaver, som computere udfører.

Hvis vi kunne betjene computere på så lavt et niveau, ville den mængde elektricitet, der bruges til beregning og håndtering af spildvarmen ved kølesystemer, ikke være en bekymring.

Der er dog en hage ved det. For at udføre en bit-opgave i nærheden Landauers energigrænse skal opgaven udføres uendeligt langsomt.

Beregning i en begrænset tidsperiode forudsiges at koste yderligere et energiforbrug, der er proportionelt med den hastighed, hvormed beregningen udføres. Med andre ord, jo hurtigere udregningen er, desto mere energi bliver der brugt.

Haren og skildpadden

Det blev for nylig demonstreret med eksperimenter, der er sat op til at simulere beregningsprocesser: Energidissipationen, som er et slags udtryk for 'tabt energi', begynder at stige målbart, når man udfører mere end omkring én handling i sekundet.

Processorer, der arbejder med en klokfrekvens på en milliard cyklusser i sekundet (hvilket er almindeligt i moderne halvledere) bruger omkring 10⁻¹¹J pr. bit - altså omkring 10 milliarder gange mere end i Landauers princip.

En løsning kan være at designe computere på en fundamentalt anderledes måde.

Grunden til, at traditionelle computere arbejder meget hurtigt, er, at de kører serielt, altså én operation ad gangen. Hvis man i stedet kunne bruge et meget stort antal 'computere', der arbejdede parallelt, så kunne hver enkelt arbejde meget langsommere.

For eksempel kunne man erstatte en 'hare'-processor, der udfører en milliard operationer på et sekund, med en milliard 'skildpadde'-processorer, der hver tager et helt sekund at udføre deres opgaver, hvilket ville resultere i en langt lavere energiforbrug per operation.

Et studie fra 2023, som jeg var medforfatter på, viser, at en computer kan fungere i nærheden af Landauers grænseværdi, ved at bruge langt mindre energi end nutidens computere.

Muligheder og nødvendigheder

Er det overhovedet muligt for milliarder af uafhængige 'computere' at arbejde parallelt?

Parallel bearbejdning i mindre skala bliver allerede brugt i dag, for eksempel når omkring 10.000 grafikprocessor-kerner eller GPU'er kører på samme tid til træning af AI-modeller.

Det er dog ikke for at reducere hastigheden og øge energieffektiviteten, men snarere af nødvendighed.

Der er grænser for, hvad kølesystemerne kan klare på nuværende tidspunkt, hvis vi øger den enkelte processors datakraft, så derfor bruger man processorerne parallelt.

Såkaldt kredsløbsbaseret 'biocomputation' eller 'biocomputing' er et computersystem, der er meget tættere på, hvad der skal til for at nærme sig Landauers grænseværdi.

Det gør brug af biologiske motorproteiner, som er bittesmå maskiner, der hjælper med at udføre mekaniske opgaver inde i celler.

Systemet bruger indkodning af en beregningsopgave i en nanofabrikeret 'labyrint' af kanaler med omhyggeligt designede skæringspunkter, som typisk er lavet af polymermønstre på siliciumskiver kaldet 'wafere'.

1.000 til 10.000 gange lavere energiforbrug

Alle veje gennem labyrinten bliver udforsket parallelt af et meget stort antal lange trådlignende molekyler kaldet biofilamenter, som bliver drevet af motorproteinerne.

Hvert filament er blot et par nanometer i diameter og omkring en mikrometer langt (1.000 nanometer). De fungerer hver især som en individuel ‘computer’, der koder information ved dens rumlige position i labyrinten.

Denne arkitektur er særligt velegnet til at løse såkaldte kombinatoriske problemer, som er problemer med mange mulige løsninger, for eksempel planlægningsopgaver, som er beregningsmæssigt meget krævende for serielle computere.

Eksperimenter bekræfter, at en biocomputer har brug for mellem 1.000 til 10.000 gange mindre energi for hver beregning sammenlignet med en elektronisk processor.

Det er muligt, fordi biologiske motorproteiner udviklede sig til ikke at bruge mere energi end allerhøjst nødvendigt for at udføre deres opgaver, som typisk er 100 til 200 bevægelser i sekundet; altså en million gange langsommere end transistorer.

Indtil videre har forskerne kun bygget små biologiske computere for at bevise konceptet.

For at være konkurrencedygtige med elektroniske computere, når det gælder hastighed og beregninger samt udforskning af et meget stort antal mulige løsninger parallelt, skal kredsløbsbaseret 'biocomputation' skaleres op.

En detaljeret analyse viser, at det burde være muligt med den nuværende halvlederteknologi, og at det samtidig ville udnytte en stor fordel ved biomolekyler frem for elektroner, nemlig deres evne til at bære individuel information, for eksempel i form af et DNA-'tag'.

Men meget står dog i vejen for opskaleringen af disse maskiner, herunder at lære at kontrollere hver af biofilamenterne præcist, reducere deres fejlrate og integrere dem i den nuværende teknologi.

Hvis disse udfordringer kan overvindes i løbet af de næste par år, kan de processorer, det fører med sig, løse visse typer udfordrende beregningsproblemer med en kraftigt reduceret energiomkostning.

Fremtidens skal computer arbejde som menneskehjernen

Alternativt er det en interessant øvelse at sammenligne med energiforbruget i den menneskelige hjerne.

Hjernen bliver ofte hyldet for at være meget energieffektiv, fordi den kun bruger få watt – langt færre end AI-modeller – til at udføre komplicerede funktioner for eksempel at trække vejret eller tænke.

Men det ser ikke ud til at være de grundlæggende fysiske elementer i hjernen, der nedsætter energiforbruget.

Stimuleringen af en synapse, som kan sammenlignes med et enkelt trin i en beregning, bruger faktisk omtrent den samme mængde energi, som en transistor kræver per bit.

Hjernens arkitektur er dog meget tæt sammenkoblet og fungerer fundamentalt anderledes end både elektroniske processorer og kredsløbsbaserede biocomputere.

'Neuromorphic computing'

Såkaldt 'neuromorphic computing' forsøger at efterligne dette træk ved menneskehjernen, men ved at bruge nye former for computerhardware i modsætning til 'biocomputing'.

Det ville være meget interessant at sammenligne 'neuromorfe' konstruktioner med Landauers grænseværdi for at se, om den samme slags forståelse og indsigt fra 'biocomputing' i fremtiden kan blive overført hertil.

Hvis det er tilfældet, kan det også være nøglen til et stort spring fremad i computerens energieffektivitet i de kommende år.

Denne artikel er oprindeligt publiceret hos The Conversation og er oversat af Stephanie Lammers-Clark.