AntwortenVeröffentlicht21 Quellen
Singapurs neuronales Rechenzentrum erklärt
Das Forschungsrack an der National University of Singapore umfasst 20 Cortical Labs CL1 Einheiten mit insgesamt rund 16 Millionen im Labor gezüchteten menschlichen kortikalen Neuronen. Siliziumchips und Mikroelektroden stimulieren die Nervenzellen, lesen ihre elektrischen Signale aus und verbinden sie über die biOS...
Veröffentlicht vonBearbeitet mit GPT-5.6 LunaBilder erstellt mit GPT Image 1.5
Forschungsantwort
Wichtige Erkenntnisse
- Das Forschungsrack an der National University of Singapore umfasst 20 Cortical Labs CL1 Einheiten mit insgesamt rund 16 Millionen im Labor gezüchteten menschlichen kortikalen Neuronen.
- Siliziumchips und Mikroelektroden stimulieren die Nervenzellen, lesen ihre elektrischen Signale aus und verbinden sie über die biOS Software mit digitalen Systemen.
- Derzeit geht es vor allem um Neurowissenschaften, Krankheitsmodelle, Medikamententests und spezialisierte adaptive Rechenaufgaben – nicht um den Betrieb großer Sprachmodelle.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Singapore’s biological data center prototype unveiled by the National University of Singapore in July and publicly showcased in Augu. Article summary: Singapore’s prototype is a small “wetware” data-centre rack: 20 Cortical Labs CL1 biological computers at NUS, combining lab-grown human cortical neurons with conventional silicon electronics. It was activated in July 20. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wat
Was wie der Auftakt zu einem Science-Fiction-Film klingt, ist zunächst ein Forschungsprototyp: Singapur betreibt an der National University of Singapore (NUS) ein biologisch integriertes Rechenzentrum. Es besteht aus einem Rack mit 20 CL1-Biocomputern von Cortical Labs und rund 16 Millionen lebenden, im Labor gezüchteten menschlichen kortikalen Neuronen. Das System wurde nach Angaben der Projektpartner am 16. Juli 2026 in Betrieb genommen und am 6. August vor mehr als 80 Gästen präsentiert. 4
12
Wichtig ist die Einordnung: Das Rack ist kein Miniaturgehirn und auch kein fertiger Supercomputer. Treffender wäre die Bezeichnung Wetware-Forschungsplattform – also ein Computersystem, das lebende biologische Nervennetze mit herkömmlicher Elektronik verbindet.
So funktioniert der biologische Computer
Jede CL1-Einheit bringt eine Nervenzellkultur mit einem Siliziumchip und einer Mikroelektrodenmatrix zusammen. Die Elektronik kann dadurch Signale an die Neuronen senden und deren elektrische Aktivität wieder auslesen. Cortical Labs’ Software-Stack, einschließlich der biOS-Schnittstelle, soll Experimente konfigurieren, Eingaben übermitteln, neuronale Reaktionen interpretieren und die biologischen Einheiten an gewöhnliche Computersysteme anbinden. 4
7
Der grundlegende Ablauf sieht so aus:
- Eine Software übersetzt Informationen in elektrische Reize.
- Mikroelektroden übertragen diese Reize an bestimmte Bereiche der Nervenzellkultur.
- Die Neuronen reagieren mit charakteristischen elektrischen Aktivitätsmustern.
- Die Elektroden zeichnen diese Signale auf.
- Software wertet die Aktivität als Ausgabe aus oder passt die nächste Eingabe an.
Die lebenden Netzwerke übernehmen damit eine Art adaptiver Verarbeitung. Silizium bleibt jedoch unverzichtbar: Es steuert die Schnittstellen, die Messung, die Kommunikation und die übrige Infrastruktur. Die Neuronen liefern vor allem ihre Fähigkeit, sich innerhalb einer vorgegebenen Aufgabe anzupassen.
Wer hinter dem Projekt steht
Das biologische Rechenzentrum ist eine Zusammenarbeit von drei Partnern:
- NUS Medicine und das NUS Life Sciences Institute kultivieren die aus Stammzellen gewonnenen Nervenzellen und verantworten die wissenschaftliche Forschung.
- DayOne stellt die Rechenzentrumsumgebung und die betriebliche Infrastruktur bereit.
- Cortical Labs liefert die CL1-Biocomputer, die Systeme zur Versorgung der Zellkulturen und die zugehörige Software.
1
4
Damit ist das Projekt deutlich mehr als ein gewöhnliches Serverrack in einem Universitätsgebäude. Neben Rechenzentrumsbetrieb braucht es Zellbiologie, sterile Laborbedingungen und Fachpersonal, das die Kulturen überwacht, versorgt und schließlich ersetzt.
Wie bleiben die Nervenzellen am Leben?
Ein Siliziumchip läuft theoretisch über Jahre, solange seine Elektronik funktioniert. Eine Nervenzellkultur hat dagegen eine begrenzte Lebensdauer. Das interne Versorgungssystem der CL1 soll die Zellen bis zu etwa sechs Monate am Leben halten. Das Nährmedium muss regelmäßig erneuert werden; für die Installation in Singapur wird ein ungefähr dreitägiger Rhythmus genannt. Danach muss die Kultur ersetzt werden. 7
12
39
Ein solcher Austausch ist nicht mit dem Wechsel einer defekten Platine gleichzusetzen. Dafür müssen neue Zellen vorbereitet, sterile Bedingungen sichergestellt und die Kultur geprüft werden. Außerdem ist nicht garantiert, dass eine neue Zellkultur eine zuvor erlernte, aufgabenspezifische Anpassung automatisch übernimmt.
Ist das System sparsamer als eine Nvidia H100?
Cortical Labs gibt für eine einzelne CL1-Einheit einen Verbrauch von ungefähr 25 Watt an. Für das komplette Rack mit 20 Einheiten und zusätzlicher Infrastruktur werden rund 800 bis 1.000 Watt genannt. 1
Zum Vergleich: Für eine Nvidia-H100-GPU wird in der verfügbaren Berichterstattung eine maximale thermische Verlustleistung von etwa 700 Watt angegeben. Rein beim Stromverbrauch liegt das gesamte Prototyp-Rack damit grob im Bereich von einer bis eineinhalb H100-GPUs. 1
51
Das ist allerdings kein aussagekräftiger Effizienzvergleich. Bisher fehlen öffentliche Messungen, die beide Systeme bei derselben Aufgabe hinsichtlich Rechenleistung, Genauigkeit, Latenz, Trainingsdauer, Betriebskosten und tatsächlich erledigter Arbeit gegenüberstellen. Deshalb lässt sich nicht belegen, dass das biologische Rack eine energiesparende Alternative für übliche KI-Infrastruktur ist. Sein möglicher Vorteil liegt eher bei speziellen, anpassungsfähigen Aufgaben, die nicht gut zu den stark repetitiven Arbeitslasten klassischer GPUs passen. 1
6
Das Vorbild: DishBrain und Pong
Die Idee baut auf dem früheren DishBrain-Experiment von Cortical Labs auf. 2022 kultivierten Forschende menschliche, aus induzierten pluripotenten Stammzellen gewonnene Nervenzellen sowie Nervenzellen aus der Rinde von Nagetieren auf hochdichten Mikroelektrodenarrays. Anschließend verbanden sie die Kulturen mit einer vereinfachten digitalen Version des Videospiels Pong. 17
19
20
Die Elektroden teilten den Zellen Informationen über die Spielsituation mit. Die Aktivität der Nervenzellen steuerte wiederum den virtuellen Schläger. In einer Rückkopplungsschleife erhielten die Kulturen je nach Spielergebnis unterschiedliche elektrische Signale. Die Forschenden berichteten, dass sich die Spielleistung mit der Zeit verbesserte; Kontrollbedingungen ohne dieselbe Rückkopplung zeigten diesen Lerneffekt nicht in gleicher Weise. 17
18
19
DishBrain war damit kein Beleg für einen biologischen Allzweckcomputer. Das Experiment zeigte vielmehr, dass kultivierte neuronale Netzwerke in einer begrenzten digitalen Umgebung ihre Aktivität an eine Aufgabe anpassen können. Das Singapurer Rack überträgt dieses Grundprinzip – elektrischer Reiz, neuronale Reaktion, aufgezeichnete Ausgabe – auf mehrere standardisierte CL1-Module.
Wofür könnte die Technologie eingesetzt werden?
Die plausibelsten Anwendungen liegen zunächst in Forschung und Entwicklung:
- Krankheitsmodelle: Untersuchung, wie neuronale Systeme auf unterschiedliche biologische Bedingungen reagieren.
- Medikamenten- und Toxizitätstests: Beobachtung, wie Nervenzellkulturen auf Wirkstoffkandidaten reagieren.
- Neurowissenschaften: Erforschung von Lernen, Anpassung und dem Verhalten lebender neuronaler Netzwerke.
- Spezialisierte Rechenaufgaben: Tests mit adaptiven KI- oder Robotiksystemen, bei denen sich Umgebungen verändern oder nur wenige Trainingsdaten verfügbar sind.
6
Das ist etwas anderes, als ein großes Sprachmodell zu trainieren oder herkömmliche KI-Anwendungen in GPU-Rechenzentren auszuführen. Biologisches Rechnen wird derzeit als mögliche Ergänzung zu Silizium präsentiert – nicht als universeller Ersatz.
Von 20 auf 1.000 Einheiten?
Die Projektpartner haben eine mögliche Erweiterung auf bis zu 1.000 CL1-Einheiten in Aussicht gestellt. Diese Perspektive hängt jedoch von behördlichen Genehmigungen, Sicherheitsprüfungen, Ergebnissen zur Energieeffizienz und der zuverlässigen Steuerung eines deutlich größeren Systems ab. 12
Eine solche Erweiterung wäre nicht einfach das Hinzufügen von 980 weiteren Geräten. Nötig wären unter anderem eine reproduzierbare Zellproduktion, automatisierte Versorgung und Erneuerung, sterile Abläufe, laufende Qualitätskontrollen, zuverlässige Netzwerke und Fehlertoleranz. Zusätzlich müssten die Betreiber mit Kulturen umgehen, die altern oder sich unterschiedlich entwickeln.
Die offenen Fragen
Zuverlässigkeit und Vergleichbarkeit
Lebende Zellkulturen unterscheiden sich von Charge zu Charge, reifen mit der Zeit und bauen schließlich ab. Für einen verlässlichen Betrieb müsste klar sein, wie ihre Leistung gemessen wird und ab wann eine Kultur nicht mehr geeignet ist. Beim Austausch könnte zudem eine zuvor erworbene Anpassung verloren gehen.
Wirtschaftlichkeit
Der Stromverbrauch ist nur ein Teil der Rechnung. Nährmedien, sterile Verbrauchsmaterialien, Laborflächen, qualifiziertes Personal, Qualitätskontrollen, Zellwechsel und mögliche Ausfallzeiten verursachen zusätzliche Kosten. Diese Faktoren könnten einen Teil des vermeintlichen Energievorteils aufzehren.
Skalierbarkeit
Das 20-Einheiten-Rack ist ein Prototyp in einer Forschungsumgebung. Bei 1.000 Einheiten müsste sich zeigen, ob Zellversorgung, Wartung, Softwaresteuerung und Rechenzentrumsbetrieb gemeinsam auf dieses Niveau wachsen können.
Leistung im Alltag
Die bisherigen Ergebnisse zeigen, dass kultivierte Nervenzellen sich in begrenzten Rückkopplungsexperimenten an Aufgaben anpassen können. Sie zeigen jedoch noch nicht, dass CL1-Systeme bei wirtschaftlich relevanten Anwendungen GPUs schlagen oder insgesamt günstiger sind. Entscheidend wird daher nicht die spektakuläre Vorstellung von Nervenzellen in einem Serverrack sein, sondern messbare Leistung unter realen Bedingungen.
Fazit
Singapur demonstriert mit seinem Prototyp eine ungewöhnliche Form des biologisch integrierten Rechnens: 20 CL1-Einheiten, rund 16 Millionen lebende menschliche kortikale Neuronen, Mikroelektrodenarrays aus Silizium und Software arbeiten in einem gemeinsamen Forschungssystem zusammen.
Das größte Potenzial liegt vorerst in der Neurowissenschaft, der Medikamentenforschung und bei speziellen adaptiven Rechenaufgaben. Ein Ersatz für GPU-Rechenzentren ist das Rack derzeit nicht. Dafür fehlen belastbare Benchmarks, Langzeitdaten zu Kosten und Zuverlässigkeit sowie der Nachweis, dass sich die biologische Infrastruktur auf deutlich mehr Einheiten erweitern lässt.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Singapurs neuronales Rechenzentrum erklärt“?
Das Forschungsrack an der National University of Singapore umfasst 20 Cortical Labs CL1 Einheiten mit insgesamt rund 16 Millionen im Labor gezüchteten menschlichen kortikalen Neuronen.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Das Forschungsrack an der National University of Singapore umfasst 20 Cortical Labs CL1 Einheiten mit insgesamt rund 16 Millionen im Labor gezüchteten menschlichen kortikalen Neuronen. Siliziumchips und Mikroelektroden stimulieren die Nervenzellen, lesen ihre elektrischen Signale aus und verbinden sie über die biOS Software mit digitalen Systemen.
Was soll ich als nächstes in der Praxis tun?
Derzeit geht es vor allem um Neurowissenschaften, Krankheitsmodelle, Medikamententests und spezialisierte adaptive Rechenaufgaben – nicht um den Betrieb großer Sprachmodelle.
Quellen
straitstimes.comThe biological data centre in Singapore using brain cells
newsbytesapp.comSingapore unveils biological data center prototype with 16 million neurons