Avancerade neurala logikkretsdesigner med spikande modeller: en ram för sekventiell biobearbetning

Varför det spelar roll att bygga datorer av hjärnceller

När våra bärbara datorer och datacenter blir allt kraftfullare blir de också varmare, mer strömkrävande och svårare att krympa. Denna artikel utforskar en radikalt annorlunda väg: att använda nätverk av hjärnliknande nervceller som byggstenar för framtidens datorer. Författarna visar, i datorsimuleringar, hur små grupper av modellneuroner kan kopplas och finjusteras så att de beter sig som välbekanta digitala komponenter—logiska grindar och minnesceller—samtidigt som energiförbrukningen hålls under kontroll. Deras ramverk kan vägleda framtida ”levande kretsar” byggda av riktiga neuroner eller hjärninspirerad hårdvara.

Från varm kisel till levande kretsar

Moderna kiselchip stöter på fysiska gränser satta av värme, effektförbrukning och hur små vi pålitligt kan göra transistorer. Samtidigt utför biologiska system, särskilt neuroner, redan förbluffande informationsbearbetning med mycket låg energiåtgång. Forskare undrar därför om vi kan låna idéer eller till och med material från biologin för att bygga nya typer av datorer. Neurala nätverk odlade i labb har redan lärt sig att känna igen tal och till och med spela enkla TV-spel, vilket antyder att celler kan organiseras till målinriktade informationsprocessorer. Hittills har det dock saknats ett tydligt, återanvändbart recept för att få dessa neurala kretsar att bete sig som de precisa, klockade logikblock som används i digital elektronik.

Lära spikande neuroner att tala i bitar

Författarna angriper detta genom att designa nätverk av simulerade spikande neuroner—matematiska modeller som efterliknar hur verkliga neuroner skickar korta elektriska pulser. De behandlar förekomsten av en spikserie som en digital ”1” och frånvaron som en ”0”. Genom att noga välja styrkor och tidsinställningar i kopplingarna mellan neuroner bygger de versioner av standardlogikgrindar: AND, AND-NOT, NOT och NAND. Dessa grindar utgör alfabetet för digital logik; NAND ensam räcker för att konstruera vilken logisk funktion som helst. Ett viktigt knep är att blanda excitatoriska kopplingar, som uppmuntrar en neuron att avfyra, med inhibitoriska, som dämpar aktivitet. Till exempel avfyrar deras AND-NOT-grind bara när "gå"-ingången är aktiv medan "stopp"-ingången är tyst, vilket nära speglar hur vissa verkliga neuroner väger inkommande signaler.

Få neuroner att minnas som kretsar

Utöver enkla grindar förlitar sig verkliga datorer på kretsar som kan komma ihåg tidigare insignaler. Teamet visar hur de kan sammanfoga sina neuronala grindar till klassiska byggstenar för digitalt minne. De skapar en SR-latch, som lagrar en bit genom att mata tillbaka utgångarna från två grindar till varandra, samt en styrd (gated) SR-latch som bara reagerar när en extra kontrollsignal är aktiv. Vidare designar de en D-flip-flop, ett standardminneselement som kopierar sin ingång endast vid stigande flank av en klocksignal. För att hålla spikarnas timing synkroniserad över dessa mer komplexa nätverk introducerar de "neurala buffertar"—extra neuroner som fungerar som justerbara fördröjningslinjer så att signaler från olika vägar når en grind ungefär samtidigt, vilket minskar logiska fel orsakade av felaktigt tidade spikar.

Att balansera hjärnlik aktivitet och energianvändning

En central oro för alla biologiska beräkningssystem är metabolisk kostnad: neuroner behöver energi för att avfyra och återställa sin inre kemi. Författarna parar sina spikande modeller med en energimodell som spårar en abstrakt måttstock liknande en cells bränslenivå. De mäter sedan hur denna energivariabel förändras när deras grindar och minneskretsar arbetar. För både enkla grindar och mer komplexa latchar och flip-flops håller den simulerade energibördan sig inom ett snävt band, även när kretsarna växer i storlek. Detta antyder att, åtminstone i princip, digital stilens logik och lagring kan utföras av neuroner utan okontrollerad energikonsumtion, förutsatt att kretsarna är designade med tanke på timing och balans mellan excitation och inhibering.

Steg mot levande logikmaskiner

Enkelt uttryckt argumenterar artikeln för att små nätverk av neuroner kan kopplas och justeras för att bete sig som de av- och på-switchar och små minnen som finns i dagens chip, samtidigt som de förblir metabolt stabila. Arbetet är fortfarande virtuellt—inga levande neuroner användes—men designen är avsedd att kunna överföras till verkliga neuron-på-chip-plattformar och till neuromorf hårdvara som imiterar spikande neuroner i kisel. Genom att erbjuda ett bibliotek av återanvändbara neuronbaserade logikkomponenter, regler för att synkronisera deras timing och uppskattningar av deras energibehov, förflyttar detta ramverk neuronbaserade datorer från en vag idé mot en ingenjörsmässig verklighet, där digital precision och biologisk anpassningsförmåga en dag kan samexistera i samma beräkningsenhet.

Citering: Basso, G., Scherer, R. & Barros, M.T. Advanced neuronal logic circuit designs using spiking models: a framework for sequential biocomputation. npj Unconv. Comput. 3, 20 (2026). https://doi.org/10.1038/s44335-026-00066-4

Nyckelord: neuronal biobearbetning, spikande logikkretsar, biologiskt minne, neuromorfa kretsar, energieffektiv databehandling