Что такое биокомпьютер?

Продвинутый

Продвинутый

Что такое биокомпьютеры и какими они бывают?

Биокомпьютеры — вычислительные системы, в которых информацию обрабатывают биологические молекулы, живые клетки или сети нейронов. Вычисления реализуются через химические реакции, регуляцию активности генов или изменение электрической активности.

Термин объединяет несколько направлений, различающихся устройством и принципами работы.

Молекулярные компьютеры используют биомолекулы для представления и обработки данных. В системах на основе ДНК и РНК вычисления могут опираться на комплементарное связывание цепочек. Белки применяют в других молекулярных механизмах. Правила реакции задают выбором последовательностей молекул и условий эксперимента.

В 1994 году Леонард Адлеман закодировал в молекулах ДНК ориентированный граф из семи вершин и с помощью биохимических операций нашел путь, проходящий через каждую его вершину ровно один раз. 

Схема кодирования ориентированного графа с помощью молекул ДНК. Источник: Science.

Молекулы кодировали возможные пути через граф. Их соединяли с помощью фермента, после чего последовательными лабораторными процедурами отбирали цепочки, соответствующие условиям задачи. Результат проверяли с помощью ПЦР и гелевого электрофореза.

Клеточные компьютеры используют живые клетки с искусственно созданными генетическими схемами. Они состоят из участков ДНК и молекулярных регуляторов, которые управляют активностью генов. Входными данными служат, например, концентрации определенных веществ, а выходом — количество синтезированного белка.

Такие схемы можно настроить на выполнение логических операций: клетка будет активно вырабатывать выходной белок только при одновременном присутствии двух химических сигналов. Низкая и высокая концентрации соответствуют логическим значениям 0 и 1. Если выходной белок флуоресцентный, результат можно определить по интенсивности свечения.

Объединяя несколько таких элементов, исследователи создают системы, которые обрабатывают комбинации сигналов и управляют клеточным ответом.

Нейронные биокомпьютеры используют сети живых нервных клеток. Информация поступает в них через электроды в виде импульсов, а ответ считывается по активности нейронов. 

В таких системах используют двумерные культуры нейронов или мозговые органоиды — структуры, выращенные из стволовых клеток и воспроизводящие отдельные особенности нервной ткани.

Биокомпьютер CL1 на основе клеток мозга человека. Источник: ABC News.

Как работает компьютер на живых нейронах?

Основу нейронного биокомпьютера составляет выращенная в лаборатории сеть нервных клеток. Для получения человеческих нейронов могут использовать индуцированные плюрипотентные стволовые клетки — зрелые клетки, перепрограммированные в состояние, позволяющее получить разные типы клеток организма. Затем их направленно превращают в нейроны.

По мере созревания нейроны формируют синапсы — контакты, через которые передают сигналы друг другу. В результате возникает сеть, электрическую активность которой можно регистрировать и изменять с помощью внешних стимулов.

Культуру поддерживают в питательной среде, контролируя температуру, кислотность и газовый состав. В автоматизированных установках насосы обеспечивают циркуляцию веществ.

Для связи с электроникой используют многоэлектродную матрицу. Расположенные рядом с клетками микроэлектроды подают электрические стимулы и регистрируют изменения напряжения нейронов.

Мозговой органоид (C), мозговой органоид с микроэлектродами (D и E), схема подключенного органоида (F). Источник: Frontiers.

Специальное ПО преобразует исходные данные в последовательность стимулов. Информацию можно кодировать выбором электродов, частотой и временем подачи импульсов. Воздействие вызывает ответ сети — скоординированную реакцию группы взаимосвязанных нейронов на раздражитель.

Зарегистрированные сигналы оцифровываются. Программа выделяет из них нужные признаки, например частоту импульсов в разных участках культуры, и преобразует их в данные. 

Например, в эксперименте DishBrain исследователи подключили культуру нейронов к видеоигре Pong. Положение мяча кодировали электрическими стимулами, а зарегистрированную активность нейронной сети использовали для управления ракеткой.

Схема эксперимента DishBrain. Источник: Cell.

Замкнутый цикл обратной связи позволил исследовать, как сеть меняет свою реакцию в зависимости от поступающих сигналов и результатов действий. Авторы интерпретировали улучшение игровых показателей как свидетельство обучения нейронной сети.

Какие задачи уже решают биокомпьютеры?

Живая нейронная сеть как компонент ИИ

В 2023 году группа Фэна Го из Индианского университета представила Brainoware — систему, в которой часть обработки данных выполняет мозговой органоид. 

В ней нейронная ткань преобразует входные сигналы в сложные последовательности электрической активности, а программа расшифровывает их. Авторы предложили включить биологическую сеть непосредственно в вычислительную архитектуру ИИ.

Исследователи передавали органоиду электрические стимулы через многоэлектродную матрицу и регистрировали его реакцию. Программный компонент использовал особенности нейронной активности для распознавания говорящего по записям японских гласных и прогнозирования временных рядов, описывающих хаотическую динамику.

Разные записи вызывали различающиеся ответы нейронов, по которым программный классификатор устанавливал, кому принадлежит голос. 

Распознавание голоса через мозговой органоид. Источник: bioRxiv.

Второй задачей стало прогнозирование значений отображения Эно — математической модели хаотической динамики. Здесь пригодилось другое свойство нейронной сети: ее реакция зависит не только от текущего сигнала, но и от недавних воздействий. 

Такая кратковременная память позволяет учитывать последовательность поступающих данных. Программная модель использовала ответы органоида для оценки следующего значения числового ряда. 

Авторы также зарегистрировали перестройку функциональных связей в органоиде в процессе обучения». Это дает экспериментальную основу для разработки ИИ-систем, использующих пластичность биологических нейронов.

Программируемая арифметика на молекулах

В молекулярных вычислениях исследователи решают другую задачу: заставляют химическую систему приходить к состоянию, которое кодирует ответ. 

В сентябре 2026 года команда Университета Мейнута представила Scaffolded DNA Computer. В их системе короткие фрагменты ДНК связываются с длинной молекулой-каркасом, причем правильный результат соответствует наиболее энергетически выгодной конфигурации. 

Таким образом, вычисление реализуется через самосборку молекулярной структуры. Авторы проверили десять программ, включая сложение, умножение на три и деление на два.

Операция «10 + 3» занимала менее минуты, а сложение двух 25-битных чисел — до 14 часов. При этом одну смесь удалось использовать для 25 последовательных вычислений с обновлением входных данных. 

Схема вычислений с помощью ДНК. Источник: Nature.

Возможность повторного запуска приближает такие системы к многократно используемым молекулярным устройствам. Среди возможных применений авторы называют обработку данных, хранящихся в ДНК, и вычисления непосредственно в химической среде.

Можно ли купить биокомпьютер или получить к нему доступ?

Cortical Labs: отдельные устройства и облачный доступ

Австралийская Cortical Labs выпускает CL1 — установку, объединяющую культуру живых нейронов, электроды, управляющий компьютер и систему поддержания клеток. 

Исследователям предоставляют готовую среду для экспериментов. По заявлению производителя, встроенная система позволяет поддерживать нейроны до шести месяцев.

Устройство CL1. Источник: Cortical Labs.

Для программирования предусмотрен интерфейс на Python. Через него можно задавать настройки стимуляции, сохранять записи и менять последующее воздействие в зависимости от ответа нейронной сети. Также доступен симулятор для предварительной отладки кода.

Работать с CL1 можно удаленно через Cortical Cloud. Пользователь запускает собственные программы из браузера, а обслуживанием нейронных культур занимается оператор. Такой формат открывает доступ к экспериментам группам, у которых есть специалисты по машинному обучению, но нет собственной клеточной лаборатории.

Компания развивает и более крупные установки. В августе Национальный университет Сингапура, оператор дата-центров DayOne и Cortical Labs представили исследовательский прототип из 20 устройств CL1. 

Прототип из 20 устройств CL1. Источник: Национальный университет Сингапура.

Его разместили в университетском Институте наук о жизни. Проект позволяет изучать эксплуатацию нескольких биологических вычислительных модулей в общей инфраструктуре, расширяя возможности исследований в области обучения и адаптации нейронных сетей.

FinalSpark: эксперименты с органоидами через интернет

Швейцарская FinalSpark предоставляет доступ к платформе Neuroplatform для работы с трехмерными мозговыми органоидами. Пользователь управляет электрической стимуляцией и получает записи активности через программный интерфейс. 

Культивирование тканей, циркуляцию питательной среды и обслуживание оборудования обеспечивает компания. 

Генеральный директор FinalSpark Фред Джордан в лаборатории. Источник: FinalSpark.

FinalSpark предлагает общий и частный доступ к группам из четырех органоидов. В сервис входят инструменты для экспериментов на Python, хранение данных и техническая поддержка. Стоимость зависит от потребностей клиентов. 

Отдельно платформа предлагает исследователям бесплатный доступ к архиву, содержащему более 30 ТБ записей нейронной активности. Это позволяет заниматься анализом данных, не проводя собственных опытов на живых культурах.

Neurorium: методы обучения биологических сетей

Основанный в 2025 году берлинский стартап Neurorium сосредоточен на программных методах взаимодействия с органоидами. Задача проекта — преобразовывать числовые и визуальные данные в последовательности электрических импульсов и с помощью обратной связи формировать нужные ответы живой сети.

Компания публикует технические демонстрации обработки изображений, управления движением и взаимодействия с игровой средой. Для разработчиков она создает программный интерфейс, объединяющий кодирование данных и процедуры обучения. 

На сайте доступна заявка на ранний доступ и участие в пилотных проектах. Пока общедоступного продукта с установленными характеристиками и опубликованными тарифами компания не представляет.

The Biological Computing Co.: перенос результатов биологических экспериментов в ИИ

Американская The Biological Computing Co. использует живые нейроны для поиска способов улучшить классические ИИ-модели. Компания измеряет, как нейронные культуры обрабатывают сигналы, и переносит найденные закономерности в программные компоненты. 

Клиентам предлагают программное улучшение модели, которое работает на стандартном вычислительном оборудовании и не требует поддерживать живые клетки.

В сентябре компания объявила о сотрудничестве с Amazon Web Services для создания генеративной видеомодели с таким программным компонентом. В анонсе заявлены пятикратное ускорение генерации и снижение стоимости вычислений на 80% относительно базовой версии.

Что мешает биокомпьютерам стать массовой технологией?

Для систем на живых нейронах одна из главных трудностей — обеспечить стабильную работу вычислительной сети, которая подвержена изменениям. Клетки созревают, перестраивают связи и меняют реакцию на стимуляцию. 

В ходе экспериментов исследователи наблюдали, как со временем возрастал минимальный ток, необходимый для возбуждения органоида. Поэтому даже при сохранении жизнеспособности ткани настройки взаимодействия с ней приходится пересматривать. 

Обучением живой сети сложнее управлять. В программной нейросети алгоритм непосредственно изменяет числовые параметры — веса связей. В биологической системе исследователь воздействует на клетки электрическими или химическими сигналами, а перестройка связей происходит внутри ткани. 

Подходящая стимуляция зависит от состава и зрелости конкретной культуры. Разработчикам нужны методы, которые дают предсказуемый результат на разных образцах и позволяют удерживать приобретенный навык. 

Увеличение биологических систем усложняет их обслуживание. В органоидах без работающей сосудистой сети кислород и питательные вещества поступают к клеткам преимущественно за счет диффузии. По мере роста ткани ее внутренние области снабжаются хуже, что может приводить к гибели клеток. 

Для более крупных устройств нужны решения, обеспечивающие доставку веществ и удаление продуктов обмена во всей структуре. Поэтому масштабирование связано не только с выращиванием дополнительных нейронов, но и с разработкой систем их поддержания.

Возникает и ограничение на обмен данными с тканью. Плоская электродная матрица контактирует преимущественно с нижней поверхностью органоида, поэтому регистрирует лишь часть активности. Увеличение числа клеток не всегда обеспечивает более полный доступ к их сигналам.

Есть ли у биокомпьютера чувства?