Neue Ansätze für Rechenleistung
Das EU-finanzierte Projekt CORENET(öffnet in neuem Fenster) entwickelt Computergeräte nach dem Vorbild des Gehirns, die Netzwerke chemischer Reaktionen als molekulare Informationsverarbeitungssysteme nutzen. „Wir ließen uns vom menschlichen Gehirn inspirieren, das selbst ein chemischer Prozessor ist. Deshalb wollten wir zeigen, dass dynamische Reaktionsnetzwerke, die sich in mikrofluidischen Umgebungen befinden, hochkomplexe Rechenaufgaben ausführen können“, sagt Konsortialmitglied Wilhelm Huck(öffnet in neuem Fenster), Professor und Leiter des CORENET-Teams an der Radboud-Universität(öffnet in neuem Fenster) in den Niederlanden. Die Arbeiten sind Teil der Bemühungen, das maschinelle Lernen voranzubringen, die im Rahmen EU-finanzierter Projekte durchgeführt werden.
Chemische Reaktionen, interpretiert durch fortschrittliches maschinelles Lernen
Das Team implementierte Reservoir Computing auf mikrofluidischen Chips unter Verwendung chemischer Reaktionsnetzwerke (CRNs), die Ausgangsmoleküle und Umgebungsbedingungen in ein Muster von Produktmolekülen umwandeln. Eine chemische Eingabeschicht, bestehend aus einem Lösungsmittel, einem bestimmten pH-Wert und Salzgehalt, Ausgangsmolekülen und Katalysatoren, wird bei einer festgelegten Temperatur gehalten und bildet ein Reservoir. Die Reaktionen in diesem Reservoir beginnen mit einfachen Ausgangsmolekülen mit einem oder zwei Kohlenstoffatomen und erweitern den chemischen Raum, indem sie Dutzende strukturell komplexerer Verbindungen erzeugen. Dabei stellen sie eine Korrelation zwischen den Eingangsbedingungen und der Zusammensetzung der Ausgangsprodukte her. Das bedeutet, dass eine Reaktion entsteht, die anschließend mithilfe von künstlicher Intelligenz (KI) und maschinellem Lernen analysiert werden kann, um aussagekräftige Informationen zu gewinnen.
Die Zukunft des Computings ist schon heute Realität!
Ein zentrales Ergebnis war die erfolgreiche Entwicklung und Automatisierung von Workflows für das chemische Reservoir Computing. Dabei erzeugten chemische Eingaben, die durch mikrofluidische Reaktoren strömten, nichtlineare Ausgaben, die analysiert und interpretiert wurden, um Klassifizierungs- und Vorhersageaufgaben zu lösen. Es wurden Protokolle zur Steuerung, Überwachung und gezielten Beeinflussung dieser Reaktionsnetzwerke entwickelt – ein bedeutender Schritt hin zu skalierbarem, molekülbasiertem Computing. Ein wegweisender Artikel, der in „Nature“ unter dem Titel „Chemical reservoir computation in a self-organizing reaction network“(öffnet in neuem Fenster) veröffentlicht wurde, zeigte auf, wie Formosereaktionen(öffnet in neuem Fenster) und verwandte Systeme als molekulare Rechensubstrate dienen können. Derzeit wird eine Folgearbeit abgeschlossen, in der gezeigt wird, dass sich dieses Konzept verallgemeinern lässt, indem ein leistungsfähiger Reservoir-Computer mit einem neu entwickelten chemischen Reaktionsnetzwerk (CRN) demonstriert wird. „Wir waren begeistert, wie erfolgreich dieser Ansatz war und wie unsere außergewöhnliche Gruppe von Wissenschaftlerinnen und Wissenschaftlern aus Forschung und Industrie zusammengearbeitet hat, um diese große Herausforderung zu meistern: Systemchemie, Mikrofluidik, Metabolomik und KI miteinander zu verbinden“, ergänzt Projektkoordinator und außerordentlicher Professor an der Autonomen Universität Madrid(öffnet in neuem Fenster), Andres de la Escosura(öffnet in neuem Fenster). Das CORENET-Projekt wurde vom Europäischen Innovationsrat(öffnet in neuem Fenster) finanziert.
