Singapores datasenter med 16 millioner nevroner – og begrensningene teknologien fortsatt har

Singapores nye biologiske datasenter er best forstått som et forskningsrack med levende nevroner, ikke som en vanlig superdatamaskin. Anlegget ved National University of Singapores Life Sciences Institute kombinerer 20 biologiske datamaskiner av typen Cortical Labs CL1 med laboratoriedyrkede menneskelige kortikale nevroner og tradisjonell silisiumelektronikk. Systemet skal ha blitt satt i drift 16. juli 2026 og ble vist frem for over 80 inviterte gjester 6. august. 412

Det mest oppsiktsvekkende tallet er rundt 16 millioner levende nevroner fordelt på racket. Hver CL1-enhet bruker en nevronkultur som er koblet til en silisiumbrikke med et tett nettverk av mikroelektroder. Elektronikken kan stimulere cellene og registrere den elektriske aktiviteten deres. Cortical Labs' programvarestakk, blant annet grensesnittet biOS, skal gjøre det mulig å konfigurere forsøk, sende innsignaler, tolke nevronenes respons og koble den biologiske prosessoren til vanlige datasystemer. 47

Slik fungerer systemet

Dette er ikke en miniatyrutgave av en menneskehjerne, og silisiumet er ikke borte. I stedet oppstår en tilbakekoblingssløyfe mellom levende nevroner og digital maskinvare:

1. Programvaren koder informasjon som elektrisk stimulering.
2. Elektroder sender signalene til bestemte deler av nevronkulturen.
3. Nevronene reagerer med mønstre av elektriske impulser.
4. Mikroelektrode-arrayet registrerer aktiviteten.
5. Programvaren gjør signalene om til et resultat eller bruker dem til å justere neste innsignal.

Nevronnettverket får dermed en rolle som en adaptiv biologisk prosessor. Silisiumkomponentene håndterer grensesnitt, styring, registrering og infrastrukturen rundt, mens den levende cellekulturen bidrar med evnen til å tilpasse aktiviteten sin innenfor oppgaven den får.

Hvem står bak?

Prototypen er et samarbeid mellom tre aktører:

• NUS Medicine og NUS Life Sciences Institute dyrker de stamcellebaserte nevronkulturene og leder forskningen.
• DayOne stiller med datasentermiljøet og den operative infrastrukturen.
• Cortical Labs leverer CL1-enhetene, systemene som holder nevronene i live, og den tilhørende programvaren. 14

Arbeidsdelingen viser hvorfor dette er mer komplisert enn å sette noen kommersielle servere inn i et universitetslaboratorium. Anlegget krever både drift av datasenter og biologisk ekspertise for å dyrke, overvåke, ernære og etter hvert skifte ut levende cellekulturer.

Nevronene må holdes i live

En CL1 kan ikke bare stå og gå som en vanlig prosessor. Livsstøtteutstyret er laget for å holde nevronkulturen levedyktig i opptil rundt seks måneder. Næringsmediet må fylles på jevnlig, og omtalen av installasjonen i Singapore oppgir at dette skjer omtrent hver tredje dag. Til slutt må kulturen erstattes. 71239

Det gir biologisk databehandling en praktisk utfordring som ikke finnes på samme måte i tradisjonell maskinvare. Å bytte ut en cellekultur er ikke det samme som å skifte et defekt kretskort. Nye celler må produseres eller klargjøres, sterile forhold må opprettholdes, og den nye kulturen må kontrolleres – og kan måtte trenes på nytt for oppgaven den skal utføre.

Er systemet mer energieffektivt enn en Nvidia H100?

Cortical Labs oppgir et strømforbruk på omtrent 25 watt for én CL1-enhet. For hele racket med 20 enheter, inkludert støtteutstyr, ligger anslagene på rundt 800–1 000 watt. 1

Til sammenligning omtales Nvidia H100 ofte med en maksimal termisk designeffekt på rundt 700 watt. Målt bare i elektrisk effekt ligger hele prototypracket derfor omtrent på nivå med én til halvannen H100. 151

Men watt alene sier ikke hvor effektivt et system er. Det finnes foreløpig ingen offentlig, direkte sammenligning av gjennomstrømming, nøyaktighet, forsinkelse, treningstid, driftskostnader eller nyttig arbeid mot en H100 eller en GPU-klynge. Det er derfor for tidlig å omtale racket som en dokumentert, strømgjerrig erstatning for vanlig KI-infrastruktur. En mulig fordel er mer spesifikk: Biologiske nettverk kan vise seg nyttige i adaptive spesialoppgaver som ikke passer like godt til de svært repetitive arbeidsbelastningene GPU-er vanligvis håndterer. 16

Forsøket som startet med DishBrain

Singapore-prosjektet bygger videre på Cortical Labs' tidligere DishBrain-forskning. I et forsøk fra 2022 ble menneskelige nevroner avledet fra induserte pluripotente stamceller, sammen med nevroner fra gnagerhjernebark, dyrket på tette mikroelektrode-arrayer og koblet til en forenklet digital versjon av Pong. Elektrodene sendte informasjon om spillet inn i cellekulturen, mens nevronaktiviteten styrte racketen. 171920

Forsøket brukte lukket tilbakekobling: Cellekulturene fikk ulik elektrisk respons avhengig av hvor godt systemet gjorde det. Forskerne rapporterte at spillprestasjonen ble bedre over tid, mens kontrollbetingelser uten den samme tilbakekoblingen ikke viste tilsvarende læringseffekt. 171819

DishBrain viste ikke at man hadde utviklet en generell biologisk datamaskin. Resultatet var at dyrkede nevronnettverk kunne plasseres i et avgrenset digitalt miljø og tilpasse aktiviteten sin til en bestemt oppgave. Singapore-racket bruker den samme grunnideen – elektrisk innsignal, levende nevronrespons og registrert utsignal – i en mer standardisert samling CL1-moduler.

Hva kan teknologien brukes til?

De mest realistiske bruksområdene på kort sikt er forskningsbaserte:

• Sykdomsmodeller: undersøke hvordan nevronnettverk reagerer under ulike biologiske tilstander.
• Legemiddel- og toksisitetstesting: observere hvordan cellekulturer reagerer på mulige behandlingsstoffer.
• Nevrovitenskap: studere læring, tilpasning og oppførselen til levende nevronnettverk.
• Spesialisert databehandling: utforske adaptive systemer for utvalgte KI- eller robotikkoppgaver, særlig der lite treningsdata eller skiftende omgivelser er viktig. 46

Dette er noe annet enn å kjøre en stor språkmodell eller behandle konvensjonelle KI-oppgaver i GPU-skala. Biologisk databehandling presenteres foreløpig som et mulig supplement til silisium, ikke som en universell erstatning.

Kan det bli 1 000 enheter?

Samarbeidspartnerne har omtalt en mulig utvidelse til så mange som 1 000 CL1-enheter, men dette avhenger av regulatorisk godkjenning, sikkerhetstesting, resultater for energieffektivitet og om systemet kan drives stabilt i langt større skala. 12

Et anlegg med 1 000 enheter ville kreve mer enn å sette 980 nye maskiner inn i racket. Operatørene måtte håndtere reproduserbar produksjon av celler, automatisert fôring og utskifting, sterile prosesser, kontinuerlig kvalitetskontroll, robust nettverk, feiltoleranse og kulturer som eldes eller oppfører seg ulikt.

Spørsmålene som fortsatt står ubesvart

Pålitelighet og reproduserbarhet

Levende kulturer varierer fra produksjonsserie til produksjonsserie, modnes over tid og brytes til slutt ned. Forskerne trenger derfor ensartede metoder for å måle ytelse og avgjøre når en kultur ikke lenger er egnet. Hvis kulturen skiftes ut, er det heller ikke sikkert at oppgavespesifikk tilpasning automatisk overføres til den nye.

Økonomi

Strøm er bare én del av regnestykket. Biologisk databehandling krever også næringsmedier, sterile forbruksvarer, laboratorieplass, spesialutdannede teknikere, kvalitetskontroll, utskifting av celler og mulig nedetid. Disse kostnadene kan spise opp deler av den tilsynelatende strømfordelen.

Skalering

Racket med 20 enheter er en prototype i et forskningsmiljø. Drift av 1 000 enheter vil teste om forsyningskjeden for biologisk materiale, vedlikeholdsprosessene, programvarestyringen og datasenterinfrastrukturen kan skaleres samtidig.

Ytelse i virkelige oppgaver

Det som er dokumentert så langt, er at dyrkede nevroner kan tilpasse seg i avgrensede forsøk med lukket tilbakekobling. Det er ikke dokumentert at CL1-systemet slår GPU-er i kommersielt viktige arbeidsoppgaver, eller at de samlede kostnadene blir lavere. Det er denne typen ytelsesdata – ikke bare det oppsiktsvekkende i å plassere nevroner i et rack – som vil avgjøre om biologisk databehandling blir en praktisk infrastrukturkategori.

Konklusjonen

Singapores prototype er en betydelig demonstrasjon av biologisk integrert databehandling: 20 CL1-enheter, rundt 16 millioner levende menneskelige kortikale nevroner, silisiumbaserte mikroelektrode-arrayer og programvare som fungerer som ett eksperimentelt system.

Det største potensialet ligger foreløpig innen nevrovitenskap, legemiddelforskning og spesialiserte forsøk med adaptive datasystemer. Det er mer presist å omtale anlegget som en plattform for å undersøke hva levende nevronnettverk kan gjøre, enn som en konkurrent til dagens GPU-datasentre. De viktigste neste milepælene blir reproduserbarhet, målbar ytelse, driftskostnader og om teknologien kan skaleres uten å miste de biologiske egenskapene som gjør den interessant.