Singapores datacenter med 16 millioner neuroner forklaret

Singapores nye biologiske datacenter skal bedst forstås som et wetware-forskningssystem – altså en computerplatform, hvor levende biologisk materiale indgår – og ikke som en traditionel supercomputer. Det er placeret på National University of Singapores Life Sciences Institute og kombinerer 20 biologiske Cortical Labs CL1-computere med laboratoriedyrkede menneskelige hjernebark-neuroner og almindelig silikonelektronik. Systemet skulle være sat i drift 16. juli 2026 og blev vist frem for mere end 80 gæster den 6. august. 412

Det opsigtsvækkende tal er omkring 16 millioner levende neuroner i hele opstillingen. Hver CL1-enhed har en neuronal cellekultur forbundet med et silikonebaseret mikroelektrode-array. Elektronikken kan stimulere cellerne og registrere deres elektriske aktivitet. Cortical Labs' software, herunder grænsefladen biOS, skal kunne konfigurere forsøg, sende input, fortolke neurale reaktioner og koble den biologiske processor sammen med almindelige computersystemer. 47

Sådan fungerer det biologiske datacenter

Systemet erstatter ikke silikone med en lille menneskehjerne. I stedet skaber det en feedbacksløjfe mellem levende neuroner og digital hardware:

1. Software omsætter information til elektriske stimuli.
2. Elektroder sender stimuli til udvalgte dele af cellekulturen.
3. Neuronerne reagerer med mønstre af elektriske impulser.
4. Mikroelektrode-arrayet registrerer signalerne.
5. Software omsætter aktiviteten til et output eller bruger den til at justere det næste input.

Neuronerne fungerer dermed som en adaptiv biologisk processor inden for den opgave, de får stillet. Silikonehardwaren står for grænseflader, styring, registrering og den øvrige infrastruktur, mens det levende netværk bidrager med sin evne til at reagere på og tilpasse sig input.

Hvem står bag?

Prototypen er et samarbejde mellem tre organisationer:

• NUS Medicine og NUS Life Sciences Institute dyrker de stamcelleafledte neuron-kulturer og står for den videnskabelige forskning.
• DayOne leverer datacentermiljøet og den operationelle infrastruktur.
• Cortical Labs leverer CL1-enhederne, systemerne til at holde neuronerne i live og den tilhørende software. 14

Det er en vigtig detalje. Der er ikke blot tale om en række kommercielle servere, som er stillet ind i et universitetslaboratorium. Systemet kræver både datacenterdrift og biologisk ekspertise til at dyrke, overvåge, ernære og udskifte levende cellekulturer.

Hvordan holdes neuronerne i live?

En CL1 kræver løbende biologisk vedligeholdelse i modsætning til en almindelig silikoneprocessor. Dens livsunderstøttende udstyr er udviklet til at holde neuron-kulturen levedygtig i op til omkring seks måneder. Næringsmediet skal udskiftes regelmæssigt; omtalen af installationen i Singapore angiver cirka hver tredje dag. På et tidspunkt skal kulturen udskiftes, fordi den ikke kan fungere ubegrænset. 71239

Det giver en praktisk forskel mellem wetware og traditionel computing. At udskifte en cellekultur svarer ikke til at skifte et defekt printkort. Det kræver nye eller klargjorte celler, sterile forhold, kontrol af kulturens kvalitet og muligvis ny træning af det nye neurale netværk til den ønskede opgave.

Er systemet mere energieffektivt end en Nvidia H100?

Cortical Labs angiver strømforbruget for én CL1 til omkring 25 watt, mens den samlede 20-enhedsrack med støtteudstyr ifølge omtalen bruger cirka 800-1.000 watt. 1

Til en grov elektrisk sammenligning beskrives en Nvidia H100 ofte med en maksimal termisk designeffekt på omkring 700 watt. Målt alene på strømforbruget ligger hele prototyperacket derfor omtrent på niveau med én til halvanden H100. 151

Men wattforbrug alene dokumenterer ikke energieffektivitet. Singapore-projektet har ikke offentliggjort en direkte sammenligning af gennemløb, præcision, latenstid, træningstid, driftsomkostninger eller udført nyttigt arbejde over for en H100 eller en GPU-klynge. Derfor kan racket ikke beskrives som en dokumenteret lavenergi-erstatning for den almindelige AI-infrastruktur. Den mulige fordel er mere specifik: Biologiske netværk kan vise sig nyttige til specialiserede, adaptive opgaver, som ikke passer naturligt til GPU'ers meget repetitive arbejdsbelastninger. 16

Forsøget DishBrain var forløberen

Installation i Singapore bygger videre på Cortical Labs' tidligere DishBrain-forskning. I forsøget fra 2022 blev menneskelige neuroner afledt af inducerede pluripotente stamceller og neuroner fra gnaveres hjernebark dyrket på tætte multielektrode-arrays og koblet til en forenklet digital version af Pong. Elektroder sendte information om spillet til cellerne, mens den neurale aktivitet styrede battet. 171920

Forsøget brugte lukket feedback: Cellekulturerne modtog forskellig elektrisk feedback afhængigt af, hvor godt systemet klarede sig. Forskerne rapporterede, at spillet blev bedre over tid, mens kontrolbetingelser uden den samme feedback ikke viste den samme læringseffekt. 171819

DishBrain viste ikke, at man havde skabt en biologisk computer til generelle formål. Forsøget viste, at dyrkede neurale netværk kan indgå i et afgrænset digitalt miljø og tilpasse deres aktivitet til en bestemt opgave. Singapore-racket anvender det samme grundprincip – elektrisk input, levende neural reaktion og registreret output – på tværs af flere CL1-moduler.

Hvad kan systemet bruges til?

De mest realistiske anvendelser på kort sigt er forskningsrelaterede:

• Sygdomsmodellering: Undersøgelser af, hvordan neurale systemer reagerer under forskellige biologiske forhold.
• Lægemiddel- og toksicitetstest: Observation af, hvordan neuron-kulturer reagerer på mulige lægemidler og kemiske forbindelser.
• Neurovidenskab: Forskning i læring, tilpasning og levende neurale netværks adfærd.
• Specialiseret computing: Forsøg med adaptive systemer til udvalgte AI- eller robotopgaver, hvor begrænsede træningsdata eller skiftende miljøer spiller en rolle. 46

Det er noget andet end at køre en stor sprogmodel eller almindelige AI-arbejdsbelastninger i GPU-skala. Biologisk computing præsenteres indtil videre som et muligt supplement til silikone – ikke som en universel erstatning.

Kan systemet vokse fra 20 til 1.000 enheder?

Samarbejdspartnerne har omtalt en mulig udvidelse til op mod 1.000 CL1-enheder, men det afhænger fortsat af myndighedsgodkendelser, sikkerhedstests, resultater for energieffektivitet og muligheden for at drive et langt større system stabilt. 12

Et datacenter med 1.000 enheder vil kræve mere end at sætte 980 ekstra maskiner ind i et rack. Operatørerne skal kunne fremstille celler ensartet, automatisere ernæring og udskiftning, opretholde sterile forhold, kontrollere kvaliteten løbende, sikre netværksforbindelser og håndtere kulturer, der ældes eller opfører sig forskelligt.

De store ubesvarede spørgsmål

Pålidelighed og reproducerbarhed

Levende cellekulturer varierer fra batch til batch, modnes over tid og nedbrydes til sidst. Forskerne skal derfor udvikle ensartede metoder til at måle ydeevnen og afgøre, hvornår en kultur ikke længere kan bruges. Hvis en kultur udskiftes, er det ikke sikkert, at den opgavespecifikke tilpasning automatisk følger med over i den nye.

Økonomi

Strøm er kun én del af regnestykket. Biologisk computing kræver også næringsmedier, sterile forbrugsvarer, laboratorieplads, specialuddannede teknikere, kvalitetskontrol, udskiftning af celler og mulig nedetid. De udgifter kan udligne en del af den tilsyneladende fordel på elregningen.

Skalering

Racket med 20 enheder er en prototype i et forskningsmiljø. Drift af 1.000 enheder vil teste, om den biologiske forsyningskæde, vedligeholdelsen, softwarestyringen og datacenterinfrastrukturen kan skaleres samlet.

Ydeevne i den virkelige verden

Den tilgængelige dokumentation viser, at dyrkede neuroner kan tilpasse sig i afgrænsede feedbackforsøg. Den viser endnu ikke, at CL1-systemet slår GPU'er på kommercielt vigtige arbejdsbelastninger, eller at de samlede ejeromkostninger er lavere. Det bliver denne dokumentation – ikke alene nyhedsværdien i at placere neuroner i et rack – der afgør, om biologisk computing bliver en praktisk infrastrukturkategori.

Konklusionen

Singapores prototype er en markant demonstration af biologisk integreret computing: 20 CL1-enheder, omkring 16 millioner levende menneskelige hjernebark-neuroner, silikonebaserede mikroelektrode-arrays og software, der fungerer som ét eksperimentelt system. Det største potentiale ligger foreløbig i neurovidenskab, lægemiddelforskning og specialiserede forsøg med adaptiv computing.

Indtil videre er det mest præcist at kalde installationen en platform til at undersøge, hvad levende neurale netværk kan udføre, frem for en erstatning for GPU-datacentre. De næste afgørende milepæle bliver sandsynligvis reproducerbarhed, målbar ydeevne, driftsøkonomi og spørgsmålet om, hvorvidt systemet kan skaleres uden at miste de biologiske egenskaber, der gør det interessant.