Weltweit erster Parallelrechner auf Grundlage von biomolekularen Motoren

Bahnbrechende Veröffentlichung über Entwicklung eines biologischen Rechners, der auf nanotechnologisch hergestellten Kanälen basiert und mit Hilfe von Protein-Filamenten, angetrieben durch Molekularmotoren, parallele Rechenoperationen ausführen kann.

Eine Publikation, welche diese Woche in den Proceedings of the National Academy of Sciences veröffentlicht wurde, beschreibt einen neuartigen Ansatz für einen Parallel-Rechner, welcher auf einer Kombination von Nanotechnologie mit biomolekularen Motoren basiert und auf die Lösung mathematischer Probleme spezialisiert ist, die ein herkömmlicher Rechner nur schwer lösen kann. Beispiele für solche Probleme sind das Optimieren von Schaltkreisen, Proteinfaltung oder Routenplanung. Die bahnbrechende Methode wurde von Forschern der Technischen Universität Dresden und des Max-Planck-Institutes für Molekulare Zellbiologie und Genetik, Dresden, in Kollaboration mit internationalen Partnern aus Kanada, England, Schweden, den USA und den Niederlanden entwickelt.

Herkömmliche Computer führten zu beachtlichen technologischen Entwicklungen in den vergangenen Jahrzehnten. Allerdings limitiert deren lineares Vorgehen – also das Lösen von Aufgaben nacheinander – die Berechnung kombinatorischer Probleme wie zum Beispiel Proteindesign und –faltung, optimierte Schaltkreise oder Routenplanung. Das liegt daran, dass bei diesen Problemen die Zahl der nötigen Berechnungen exponentiell mit der Größe des zu lösenden Problems steigt. Dies führt dazu, dass die schiere Anzahl an Rechenoperationen einen herkömmlichen, sequentiell rechnenden Computer schon bei relativ kleinen Problemen überfordert. Paralleles Rechnen kann solche Probleme prinzipiell lösen, allerdings hat es noch keine der bislang entwickelten Methoden zur Anwendungsreife gebracht. Der von den Wissenschaftlern nun beschriebene Ansatz zielt darauf ab, dies zu ändern, indem etablierte Nano-Fertigungsmethoden mit der Verwendung von biomolekularen Motoren der Zelle kombiniert werden. Diese Motoren sind hochgradig energie-effizient und können von Natur aus hochparallel arbeiten.

Die Methode wurde von den Forschern am Beispiel eines klassischen kombinatorischen Problems getestet. Das zu lösende Problem wurde mittels eines Netzwerks von Nanokanälen auf einem Trägersubstrat ‚codiert‘ (Abb. 1a). Dazu musste zunächst ein mathematisch berechnetes, geometrisches Netzwerk entworfen werden, welches die Problemstellung geeignet repräsentiert. Im nächsten Schritt wurde dieses Kanal-Netzwerk mit Hilfe von Lithographie – einer herkömmlichen Methode zur Herstellung von Siliziumchips – physisch nachgebaut.

Dieses Netzwerk wird nun von vielen Protein-Filamenten (hier Aktinfilamente oder Mikrotubuli) zeitgleich durchlaufen, welche von Motorproteinen (hier Myosin oder Kinesin) am Boden der Kanäle angetrieben werden (Abb. 3a). Der Aufbau der Kreuzungen zwischen den Kanälen des Netzwerkes bewirkt, dass die Proteinfilamente alle möglichen Lösungen des Problems finden (Abb. 1b). Dafür sind lediglich zwei verschiedene Typen von Kreuzungspunkten nötig: ‚Verteilungskreuzungen‘ (Abb. 2a und Abb. 3b) verteilen die Filamente auf alle möglichen Lösungen und ‚Durchlaufkreuzungen‘ (Abb. 2b und Abb. 3c) sorgen dafür, dass die Filamente einen korrekten Lösungsweg nicht verlassen. So erreichten die Wissenschaftler ein ‚intelligentes‘ Netz, welches die Kraft biomolekularer Motoren für grundlegende Rechenaufgaben nutzbar macht.

Die benötigte Zeit, um solche kombinatorischen Probleme mit einer Größenordnung N im parallelen Rechnen zu lösen, potenziert sich ungefähr auf N2. Dies ist eine drastische Verbesserung gegenüber der exponentiell steigenden Zeit (2N), die sich für die Berechnung mit einem herkömmlichen Computer ergibt. Ein weiterer Vorteil ist, dass diese neue Methode voll anpassbar an existierende Technologien ist und um Größenordnungen weniger Energie benötigt als konventionelle Rechner, welche durch die entstehende Hitzeentwicklung grundlegend in ihrer Leistung limitiert werden.

Quelle
Technische Universität Dresden