Forscher der Universitäten Konstanz und Stuttgart haben einen Computer entwickelt, der ohne elektronische Schaltkreise auskommt. Stattdessen nutzt das System mehrere hundert mikroskopisch kleine Teilchen in einer Flüssigkeit zur Informationsverarbeitung. Professor Clemens Bechinger erklärt, was hinter dem Konzept steckt, welche Anwendungen denkbar sind und warum es noch ein langer Weg bis zur Praxisreife ist.
Was wäre, wenn ein Computer nicht aus Chips und Schaltkreisen bestünde, sondern aus winzigen Teilchen, die in einer Flüssigkeit schwingen? Genau das haben Forscher der Universitäten Konstanz und Stuttgart experimentell umgesetzt. Ihr System verarbeitet Informationen nicht digital, sondern nutzt die komplexe Dynamik von mehreren hundert kolloidalen Teilchen, die in einer Flüssigkeit auf Kreisbahnen schwingen und dabei miteinander wechselwirken. Das Prinzip dahinter heisst Reservoir Computing und wurde hier erstmals in einem mikroskopischen Vielteilchensystem realisiert.
Ein Computer ohne Schaltkreise
Wie erklärt man einem Laien, wie ein solches System funktioniert? Professor Clemens Bechinger, Leiter der Forschungsgruppe an der Universität Konstanz, findet eine anschauliche Erklärung: «In einem klassischen Computer werden Informationen in elektronischen Schaltkreisen verarbeitet. Bei unserem Ansatz übernehmen diese Aufgabe viele mikroskopisch kleine Teilchen, die sich in einer Flüssigkeit befinden und miteinander wechselwirken. Man kann sich das wie ein kleines Ensemble von schwingenden Teilchen vorstellen: Wenn man ein Signal hineingibt, verändert sich das kollektive Bewegungsmuster. Aus diesem Muster kann man anschliessend Informationen auslesen und für Berechnungen nutzen.»
Der Unterschied zu klassischen Computern liegt im grundlegenden Prinzip der Informationsverarbeitung. Klassische Rechner bauen auf einfachen Bauelementen auf, die präzise schalten. Auch moderne künstliche neuronale Netze bestehen letztlich aus solchen einfachen Einheiten, deren Verschaltung gezielt entworfen und optimiert werden muss. Mit wachsender Komplexität der Aufgaben steigen dabei sowohl der technische Aufwand als auch der Energieverbrauch.
Warum kolloidale Teilchen?
Die Wahl der kolloidalen Teilchen als Grundlage für das System ist kein Zufall. «Kolloidale Teilchen sind für uns besonders attraktiv, weil man ihre Bewegung sehr genau beobachten und kontrollieren kann», erklärt Bechinger. «Gleichzeitig zeigen viele solcher Teilchen zusammen ein sehr reiches kollektives Verhalten. Gerade diese Kombination aus Kontrollierbarkeit und komplexer Dynamik macht sie interessant für physikalische Formen des Rechnens.»
Wenn ein Signal in das System eingespeist wird, entsteht durch die Wechselwirkungen der Teilchen in der Flüssigkeit ein verschlungenes Netzwerk kollektiver Dynamik. Diese Dynamik erzeugt auf natürliche Weise komplexe Repräsentationen der Eingangsdaten, für die herkömmliche Computer erheblichen Rechenaufwand benötigen würden.
Reservoir Computing: Einfacher als neuronale Netze
Das zugrundeliegende Konzept wird als Reservoir Computing bezeichnet. «Bei klassischen neuronalen Netzen müssen sehr viele interne Verknüpfungen trainiert werden», erklärt Bechinger. «Beim Reservoir Computing nutzt man dagegen ein physikalisches System mit komplexer Eigendynamik als Reservoir. Trainiert wird im Wesentlichen nur noch, wie man die Antwort dieses Reservoirs ausliest. Das macht den Ansatz konzeptionell einfacher und potenziell sehr effizient.»
Auf die Frage, ob das nicht ein Risiko für zuverlässige Ergebnisse sei, antwortet er pragmatisch: «Man muss das System natürlich testen und kalibrieren. Die Zuverlässigkeit ergibt sich aus Training, Validierung und wiederholbaren Messbedingungen.»
Chaotische Zeitreihen präzise vorhersagen
Die Forscher konnten mit ihrem Ansatz chaotische Zeitreihen präzise vorhersagen. «Chaotische Zeitreihen treten in vielen Bereichen auf, etwa bei Wetterdaten, Strömungen, Finanzdaten oder technischen Sensorsignalen», erklärt Bechinger. «Dass unser System solche Signale vorhersagen kann, zeigt, dass es nicht nur einfache Muster erkennt, sondern auch komplexe zeitliche Zusammenhänge verarbeiten kann. Für praktische Anwendungen ist das ein wichtiger erster Schritt.»
Mögliche Anwendungen in Seismologie und Klimaforschung
Welche konkreten Anwendungsfelder sind denkbar? Bechinger nennt zwei Bereiche, betont dabei aber gleichzeitig die Grenzen der aktuellen Forschung. «In der Seismologie könnte ein solches Prinzip langfristig helfen, schwache Auffälligkeiten in Messdaten zu erkennen, die in starkem Rauschen verborgen sind. In der Klimaforschung wäre denkbar, frühe Anzeichen für Veränderungen oder Übergänge in komplexen Datensätzen zu identifizieren.» Sofort ergänzt er jedoch: «Wichtig ist: Das sind derzeit mögliche Perspektiven, keine bereits realisierten Anwendungen.»
Energieeffizienz: Potenzial ohne konkrete Zahlen
«Eine konkrete Zahl können wir derzeit noch nicht nennen. Unser Experiment ist zunächst ein Laborsystem und nicht auf Energieeffizienz optimiert», sagt Bechinger. Der grundsätzliche Vorteil liegt darin, dass ein Teil der Berechnung durch die natürliche Dynamik des Systems selbst erfolgt, statt vollständig digital simuliert werden zu müssen. «Ob und in welchem Mass daraus tatsächlich Energieeinsparungen entstehen, muss in zukünftigen Arbeiten untersucht werden.»
Der Weg zur Praxisreife ist lang
Noch handelt es sich um ein reines Laborsystem. «Die wichtigste Hürde ist die Skalierung», sagt Bechinger. «Das System muss schneller, robuster und technisch einfacher auslesbar werden. Ausserdem müsste man untersuchen, welche Aufgaben sich mit solchen physikalischen Reservoirs tatsächlich besser lösen lassen als mit klassischen Computern. Im Moment geht es vor allem darum, das Prinzip zu demonstrieren.»
Auf die Frage nach einem Zeithorizont für erste kommerzielle Anwendungen gibt Bechinger eine klare Antwort: «Das lässt sich derzeit seriös nicht vorhersagen. Wir sprechen hier von Grundlagenforschung. Ich würde nicht erwarten, dass genau dieses Laborsystem kurzfristig in ein Produkt überführt wird. Wichtiger ist aus meiner Sicht, dass solche Arbeiten neue Wege aufzeigen, wie man Rechenprozesse künftig auch direkt in physikalischen Systemen realisieren kann.»
Was das für die Technologielandschaft bedeutet
Die Forschung von Bechinger und seinem Team steht stellvertretend für einen breiteren Trend in der Informatik: die Suche nach Alternativen zur klassischen digitalen Datenverarbeitung. Quantencomputer, neuromorphe Chips und jetzt physikalische Reservoirs zeigen, dass die Zukunft des Rechnens vielfältiger sein könnte als heute angenommen.
Für Schweizer KMU ist das heute noch keine unmittelbar handlungsrelevante Information. Doch wer die technologische Entwicklung langfristig im Blick behalten will, sollte solche Grundlagenforschung verfolgen. Die grossen Sprünge in der Computertechnologie entstehen selten aus inkrementellen Verbesserungen bestehender Systeme, sondern aus radikalen neuen Ansätzen wie diesem.
Häufig gestellte Fragen
Was ist Reservoir Computing?
Reservoir Computing ist ein Konzept der Informationsverarbeitung, bei dem ein physikalisches System mit komplexer Eigendynamik als Rechenressource genutzt wird. Im Gegensatz zu klassischen neuronalen Netzen müssen nicht alle internen Verknüpfungen trainiert werden, sondern nur, wie man die Ausgabe des Systems ausliest. Das macht den Ansatz konzeptionell einfacher und potenziell energieeffizienter.
Was unterscheidet diesen Ansatz von klassischen Computern?
Klassische Computer verarbeiten Informationen in präzise konstruierten elektronischen Schaltkreisen. Das System der Universität Konstanz nutzt stattdessen die kollektive Dynamik von mehreren hundert mikroskopischen Teilchen in einer Flüssigkeit. Die Informationsverarbeitung entsteht aus den Wechselwirkungen dieser Teilchen, ohne dass jeder Schritt digital gesteuert werden muss.
Wann ist mit praktischen Anwendungen zu rechnen?
Laut Professor Bechinger lässt sich das seriös nicht vorhersagen. Es handelt sich um Grundlagenforschung, die neue Wege für zukünftige Rechentechnologien aufzeigt. Konkrete kommerzielle Anwendungen dürften noch mehrere Jahre oder Jahrzehnte entfernt sein.
