Eco-Computing: zeigt die berechnungstechnische Kraft von Ökosystemen <!--note: no translation for html tags as they are not meant to be translated-->

19. April 2023

Dieser Artikel wurde gemäß dem Redaktionsprozess und den Richtlinien von Science X überprüft. Die Redakteure haben die folgenden Eigenschaften hervorgehoben, um die Glaubwürdigkeit des Inhalts zu gewährleisten:

• Tatsachen geprüft
• Peer-Review-Veröffentlichung
• Vertrauenswürdige Quelle
• Korrektur gelesen

von Kyoto University

Die Entwicklung von neuronalen Netzwerken oder KI-Tools für die Datenanalyse nimmt exponentiell zu. Netzwerke, die in natürlichen Ökosystemen vorhanden sind, wie zum Beispiel Webs von zwischenartlichen Beziehungen, haben jedoch ein Informationsverarbeitungspotenzial, das weitgehend ungenutzt geblieben ist. 

Jetzt hat eine am Kyoto University durchgeführte Studie die Rechenleistung von Ökosystemen nachgewiesen und bietet eine neue Richtung für die schnelle Entwicklung von KI-Technologien. Simulationen haben bestätigt, dass ökologische Netzwerke, wie Beute-Beutegreifer-Interaktionen, Informationen effizient verarbeiten und als Rechenressource genutzt werden können.

"Wir haben diesen Ansatz ökologisches Reservoir-Computing genannt", sagt der Hauptautor von Kyoto University, Masayuki Ushio.

Die Forscher entwickelten zwei Arten von ökologischem Reservoir-Computing als Proof-of-Concept, dass ökologische Netzwerke über eine Rechenleistung verfügen.

Eine Variante ist ein computergestützter Ansatz namens in silico-ökologisches Reservoir-Computing, der hypothetische Ökosystemdynamiken modelliert und die Systemantwort simuliert. Die zweite Variante ist ein empirisches System namens echtzeit-ökologisches Reservoir-Computing, das die Echtzeit-Populationsdynamik des einzelligen Organismus Tetrahymena thermophila verwendet.

Im zweiten Ansatz richteten Ushios Team ein Experiment-Design mit Tetrahymena thermophila ein, um die Rechenleistung eines natürlichen Ökosystems zu bestätigen. Nachdem sie Werte wie die Temperatur des Kultivierungsmediums oder Eingangsdaten eingegeben hatten, erhielt das Team die Zellzahlen als Systemausgabe. Die Studie bestätigte die Möglichkeit, dass die Tetrahymena-Population Vorhersagen über ökologische Zeitreihen in der nahen Zukunft treffen könnte.

"Unsere Ergebnisse legen auch nahe, dass es einen Zusammenhang zwischen hoher Biodiversität und hoher Rechenleistung geben könnte, der neue Werte der bisher unbekannten Biodiversität offenbart", fügt Ushio hinzu, der derzeit ein Principal Investigator an der Hong Kong University of Science and Technology ist.

"Eine direkte Beziehung zwischen der Vielfalt einer Gemeinschaft und ihrer Rechenfähigkeit kann ihren Biodiversitätsquotienten erhöhen."

Ökologische Gemeinschaften verarbeiten in einem natürlichen Ökosystem eine große Menge an Informationen in Echtzeit, wobei das Potenzial ökologischer Interaktionen als neuartige Rechenmethode signifikant hoch ist.

"Unsere neue Rechenmethode könnte zur Entwicklung neuer Computertypen führen. Auch bei der Entwicklung einer Möglichkeit zur Messung der Informationsverarbeitungskapazität eines natürlichen Ökosystems können wir Hinweise darauf finden, wie Ökosystemdynamiken aufrechterhalten werden", schließt Ushio.

Die Arbeit "Computational capability of ecological dynamics" wurde in Royal Society Open Science veröffentlicht.

Journal information: Royal Society Open Science

Bereitgestellt von Kyoto University