openPR bei Google bevorzugen.
(openPR) Ein sehr ungewöhnliches Konzept der Datenverarbeitung wurde von Forschern der Universitäten Konstanz und Stuttgart experimentell umgesetzt: ein Computer, der aus mehreren hundert mikroskopisch kleinen Teilchen besteht, die sich in einer Flüssigkeit annährend auf Kreisbahnen bewegen. Anstatt Informationen in präzise konstruierten elektronischen Schaltkreisen zu verarbeiten, nutzt ihr System die komplexe Dynamik der Wechselwirkungen eines Kollektivs von Teilchen.
Klassische Computer beruhen auf einer großen Anzahl an einfachen Bauelementen, die in präzise vorgegebener Weise schalten. Auch moderne künstliche neuronale Netze bestehen letztlich aus vielen solcher 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.
Das Forschungsteam der Universität Konstanz um Clemens Bechinger geht einen anderen Weg: Anstatt die Daten in digitalen Schaltkreisen zu verarbeiten, werden sie als Eingabesignal auf ein System aus mehreren hundert oszillierenden Mikroteilchen übertragen. Da sich diese in einer Flüssigkeit bewegen, führt dies zu einer starken Kopplung ihrer Auslenkungen, wodurch ein verschlungenes Netzwerk gegenseitiger Wechselwirkungen entsteht. Das System reagiert auf die Eingabe daher mit einer komplexen, kollektiven Dynamik, die den zentralen Teil der Informationsverarbeitung ausmacht.
Gerade diese Dynamik erzeugt auf natürliche Weise und in Echtzeit komplexe Repräsentationen der Eingangsdaten, für die herkömmliche Computer erheblichen Rechenaufwand benötigen würden. „Die eigentliche Auswertung wird dadurch erstaunlich einfach: Man misst gezielt bestimmte, relativ simple Eigenschaften der Teilchenbewegung und kombiniert sie, um die gewünschte Ausgabe zu erhalten“, erklärt Erstautor Veit-Lorenz Heuthe. Dieses Prinzip wird als Reservoir Computing bezeichnet – und wurde hier erstmals in einem mikroskopischen Vielteilchensystem realisiert.
„Anders als bei klassischen Rechnern muss man die zugrunde liegende Dynamik weder im Detail verstehen, noch vollständig kontrollieren“, sagt Clemens Bechinger, Professor für Soft Condensed Matter an der Universität Konstanz und Mitglied des Centre for the Advanced Study of Collective Behaviour. „Entscheidend ist nur, dass das System zuverlässig auf Eingaben reagiert – dann lässt sich seine Physik direkt zur Informationsverarbeitung nutzen.“
Mit ihrem Ansatz konnten die Forscher unter anderem chaotische Zeitreihen präzise vorhersagen. Besonders bemerkenswert ist zudem, dass sich durch das Verfahren kleinste Unregelmäßigkeiten im Muster unregelmäßiger Eingangsdaten erkennen lassen. Gerade bei stark verrauschten Messdaten – etwa aus der Seismologie oder Klimaforschung – können solche feinen Veränderungen wichtige Frühwarnsignale sein.
Noch handelt es sich um ein reines Laborsystem, doch die Ergebnisse zeigen, dass sich eine Informationsverarbeitung direkt aus der Physik komplexer Systeme gewinnen lässt. Langfristig eröffnet dies Perspektiven für energieeffiziente Rechentechnologien und intelligente Sensorsysteme, die Daten dort verarbeiten, wo sie entstehen.
Originalpublikation:
Veit-Lorenz Heuthe, Lukas Seemann, Samuel Tovey und Clemens Bechinger
Reservoir computing from collective dynamics of active colloidal oscillators. Commun. AI Comput. 1, 6 (2026).
DOI: https://doi.org/10.1038/s44488-026-00001-3
Hinweis an die Redaktionen:
Ein Bild steht zum Download zur Verfügung:
https://www.uni-konstanz.de/fileadmin/pi/fileserver/2026/computer_ohne_schaltkreise.jpg
Bildunterschrift: Ein Reservoir-Computer aus oszillierenden kolloidalen Teilchen (weiß/grau), die über Strömungen in einer Flüssigkeit miteinander gekoppelt sind. Eine äußere Anregung (rot) erzeugt eine kollektive Dynamik der Teilchen, aus der ein hochdimensionales Ausgangssignal (blau) entsteht. Abweichungen im zeitlichen Verlauf des Eingangssignals spiegeln sich darin wider und ermöglichen eine empfindliche Detektion von Anomalien.
Copyright © Veit-Lorenz Heuthe, Universität Konstanz.
