Ein mathematischer Rahmen für thermodynamisches Rechnen mit Anwendungen auf chemische Reaktionsnetzwerke

Warum Chemie künftige Computer antreiben könnte

Computer übernehmen immer mehr Aufgaben für uns, vom Trainieren künstlicher Intelligenz bis zur Simulation von Klima und neuen Arzneimitteln, und diese Arbeit verbraucht viel Energie. Dieses Papier untersucht eine radikale Alternative: die natürliche Zu- und Abfuhr von Energie in physikalischen Systemen – insbesondere chemischen Reaktionen – zum Rechnen zu nutzen. Anstatt Elektronen über Siliziumchips zu schaufeln, könnten sorgfältig angeordnete Moleküle schlicht den Gesetzen der Thermodynamik folgen und so „rechnen“, was einen Weg zu deutlich energieeffizienterer und massiv paralleler Berechnung eröffnen könnte.

Energieflüsse in Mathematik verwandeln

Die Autoren beginnen mit dem Aufbau einer allgemeinen mathematischen Sprache, die grundlegende thermodynamische Konzepte – wie Energie- und Wahrscheinlichkeitsänderungen – mit arithmetischen Operationen verknüpft. Sie stellen sich ein System vor, das durch viele messbare Größen beschrieben wird, etwa Teilchenzahlen oder Spannungen, und verfolgen, wie sich die Wahrscheinlichkeit des Systemzustands während eines Prozesses ändert. Indem sie diese Änderungen in Bezug auf eine einzige Fortschrittsvariable ausdrücken, zeigen sie, dass Addition und Subtraktion durch Kombinieren oder Vergleichen der energetischen Beiträge verschiedener Systemteile ausgeführt werden können, während Multiplikation und Division entstehen, wenn dieselben Größen in exponentieller Form interpretiert werden. Anders gesagt: Kennt man, wie sich der „Aufwand“ des Systems entlang eines Prozesses aufsummiert, lässt sich dieser Aufwand als Rechenoperation nutzen.

Reaktionen als analoge Rechner nutzen

Chemische Reaktionen bieten ein besonders reiches Feld für diese Art des Rechnens. Jede Reaktion verbindet Edukte und Produkte über Änderungen der freien Energie und des chemischen Potentials. Die Arbeit zeigt, dass sich diese Größen wie Bausteine für Mathematik verhalten: Summen von Energieänderungen realisieren Addition, und Verhältnisse von Edukt- und Produktkonzentrationen realisieren Multiplikation durch das, was Chemiker Gleichgewichtskonstanten und Reaktionsquotienten nennen. Durch die Auswahl von Reaktionen mit gut bekannten Energetiken lassen sich Zahlen in Konzentrationen verschiedener Moleküle kodieren, diese reagieren lassen und das Ergebnis anschließend am Gemisch ablesen. Die Autoren führen Beispiele vor, in denen einfache Reaktionen sehr große Zahlen effektiv multiplizieren, wobei das Ergebnis davon bestimmt wird, wie wahrscheinlich die Reaktion abläuft.

Von einzelnen Summen zu hochdimensionalen Problemen

Da viele Reaktionen gleichzeitig ablaufen können, skalieren die gleichen Ideen natürlich über einzelne Zahlen hinaus. Der Rahmen zeigt, wie Reaktionsketten lange Listen von Werten multiplizieren, unabhängige Produkte addieren und sogar Matrix-Vektor-Multiplikation nachbilden können – eine Operation, die im Zentrum wissenschaftlicher Berechnung und des maschinellen Lernens steht. Indem das Reaktionsnetzwerk selbst als eine Art analoger Schaltkreis behandelt wird, können die freien Energieänderungen über mehrere Reaktionen als Einträge einer Matrix interpretiert werden, die auf einen Vektor chemischer Potentiale wirkt. Das bedeutet prinzipiell, dass Gleichungssysteme und sogar Differentialgleichungen gelöst werden können, indem man ein Gemisch zu einem Gleichgewichtszustand führt und die resultierenden Konzentrationen oder Energieänderungen misst.

Entwurf eines winzigen chemischen Computers

Um von der Theorie zur Praxis zu kommen, skizzieren die Autoren ein mikrofluidisches Gerät – einen kleinen, geschichteten Chip aus Kanälen und Kammern –, das diese reaktionsbasierten Berechnungen beherbergen könnte. Edukte, die Eingabewerte kodieren, würden in bestimmte Kammern injiziert, wo Strömungen, Ventile und semipermeable Membranen steuern, wie sie sich mischen und reagieren. Einige Kammern arbeiten im „Offenen Regelkreis“, in dem feste Eingaben Produkte liefern, die gemessen werden, während andere Rückkopplung nutzen und den Zufluss anpassen, bis ein Zielzustand erreicht ist, was Subtraktion oder Division entspricht. Integrierte Sensoren würden Konzentrationen erfassen, und ein digitaler Regler würde Fluide lenken und Ausgaben interpretieren, ähnlich einem Instruktionsplaner in einem herkömmlichen Prozessor. Dieselbe Hardware könnte auch Reservoir Computing unterstützen, bei dem die reichen internen Dynamiken des Reaktionsnetzwerks für Mustererkennung und Zeitreihenprognosen genutzt werden.

Versprechen und Herausforderungen des natürlichen Rechnens

Die Autoren argumentieren, dass alle Berechnung letztlich thermodynamisch ist; der Unterschied hier besteht darin, dass Energieflüsse selbst das Informationsmedium sind statt eines versteckten Kostenfaktors. Das öffnet die Tür zu Geräten, die rohe Geschwindigkeit gegen enorme Gewinne bei Energieeffizienz und Parallelität eintauschen, ähnlich dem Informationsverhalten lebender Zellen durch Biochemie. Gleichzeitig müssen praktische chemische Computer mit langsamen oder verrauschten Reaktionen, dem Bedarf an genauen thermodynamischen Daten und der Komplexität der Abbildung abstrakter Probleme auf reale Reaktionsnetzwerke und mikrofluidische Layouts fertigwerden. Dennoch liefert die Arbeit einen klaren mathematischen und ingenieurmäßigen Fahrplan für thermodynamisches und chemisches Rechnen und legt nahe, dass künftige wissenschaftliche Simulationen und spezialisierte KI-Aufgaben eines Tages auf winzigen Laboren-auf-einem-Chip laufen könnten, die nicht von Transistoren, sondern vom stillen, unaufhaltsamen Streben der Moleküle nach Gleichgewicht angetrieben werden.

Zitation: Cannon, W.R., Johnson, C.G.M., Bohm Agostini, N. et al. A mathematical framework for thermodynamic computing with applications to chemical reaction networks. npj Unconv. Comput. 3, 16 (2026). https://doi.org/10.1038/s44335-026-00057-5

Schlüsselwörter: thermodynamisches Rechnen, chemische Reaktionsnetzwerke, mikrofluidisches Rechnen, analoge Berechnung, energieeffizientes Rechnen