MC-BRIDGE: A Modular Receiver-Chain Simulation Framework for OECT-Based Molecular Communication

Technisches Resümee: MC-BRIDGE

Problemstellung

Die molekulare Kommunikation (MC) für Organoid-orientierte Ausleseverfahren erfordert ein Framework, das den extrazellulären chemischen Transport, die Rezeptorbindungskinetik und die OECT-Transduktion mit den finalen Detektionsmetriken verknüpft. Bestehende Modelle isolieren oft einzelne Komponenten oder lassen ein einheitliches End-to-End-Framework vermissen, das die Kopplung von Geometrie, Rauschkovarianz, Kalibrierung und Rezeptorgedächtnis berücksichtigt. Insbesondere besteht ein Bedarf an einer modularen Simulationsumgebung, die OECT-basierte MC-Empfängerdesigns rigoros evaluieren kann, indem sie zwischen physikalischen Schichteffekten (Diffusion, Bindung) und Empfängerverarbeitungseffekten (Rauschen, Kalibrierung, Entscheidungslogik) unterscheidet, während sie gleichzeitig mehrkanaliges korreliertes Rauschen und Inter-Symbol-Interferenz (ISI) handhabt.

Methodik

Das Paper stellt MC-BRIDGE (Molecular Communication Bioelectronic Receiver-chain Integrated Design and Guided Evaluation) vor, ein modulares Simulationsframework. Die Methodik ist um eine ersetzbare Modulkette strukturiert, die eine gesendete Symbolsequenz durch die folgenden Stadien abbildet:

1. Freisetzung (Release): Endliche rechteckige Bursts oder stochastische Poisson-Emission von Molekülen (z. B. Dopamin, Serotonin).
2. Transport & ISI: Modelliert über 3D-effektive extrazelluläre Green'sche Funktionen, welche Diffusion, Tortuosität, Clearance und die Beobachtung über eine endliche Fläche (Mittelung über ein quadratisches Gate statt eines Punktes) berücksichtigen.
3. Bindung (Binding): Implementierung sowohl deterministischer Langmuir-Kinetik als auch stochastischer Geburts–Todes-Belegungsmodelle (Gillespie SSA) für Rezeptorstellen.
4. Transduktion (Transduction): Ein quasi-statisches OECT-Modell, das gebundene Stellen über Transkonduktanz und volumetrische Kapazität in Strom umwandelt.
5. Rauschen & Referenzierung (Noise & Referencing): Synthese von mehrkanaligem farbigem Rauschen (thermisches Rauschen, Flicker-Rauschen, Drift) auf einem unabhängigen elektrischen Zeitgitter. Dies beinhaltet die abgestimmte Kontroll-Referenzierung (Subtraktion eines Kontrollkanal-Signals), um Gleichtaktrauschen zu minimieren.
6. Detektion (Detection): Ladungsdomänen-Integration über ein Entscheidungsfenster, gefolgt von MoSK-, CSK- oder hybrider Entscheidungslogik unter Verwendung kalibrierter Schwellenwerte.

Verifikationsprotokoll:
Das Framework verwendet ein strenges Verifikationsprotokoll, das analytische Lösungen, unabhängige numerische Referenzen (Brownsche Bewegungs-Simulationen, Gillespie SSA) und Konvergenztests kombiniert. Zentrale Verifikationsschritte sind:

• Vergleich des analytischen Transports mit Brownschen Simulationen.
• Validierung der stochastischen Bindung gegen exakte Übergangsmethoden.
• Sicherstellung der Konsistenz zwischen endlicher-Flächen-Quadratur und Punkt-Beobachter-Limits.
• Verwendung disjunkter Seed-Sets für Kalibrierung, adaptive Suche und Held-out-Evaluierung, um Overfitting zu verhindern und eine unvoreingenommene Leistungsschätzung zu gewährleisten.

Wesentliche Beiträge

1. Modulares Framework: Eine einheitliche Architektur, die Freisetzung, Transport, Bindung, OECT-Transduktion und Detektion durch explizite Input/Output-Schnittstellen verknüpft, welche die physikalische und statistische Bedeutung bewahren.
2. Konsistente elektrische/statistische Behandlung: Erzeugung eines vollständigen mehrkanaligen farbigen Rauschens auf einem elektrischen Gitter, das unabhängig vom molekularen Schritt ist, unter Verwendung allgemeiner positiv-semidefiniter Korrelationsmatrizen und einer gemeinsamen einseitigen Leistungsdichtespektrums-Konvention (PSD).
3. Validierungs- und Transfernachweise:
   • Validierung der Beobachtung über eine endliche Fläche gegenüber Punkt-Beobachter-Modellen.
   • Vergleich von gebündelter (lumped) Bindung versus knotenweiser Bindung.
   • Analyse des Kalibrierungstransfers über Betriebspunkte hinweg (variierende Molekülmenge, Distanz, Kontrollverstärkung).
   • Sensitivitätsanalyse von ISI und Gedächtnistiefe.
4. Held-out Budget Bound: Eine Methodik unter Verwendung unabhängiger „Held-out“-Datensätze mit Seeds, die disjunkt zu Suche und Kalibrierung sind, um eine getestete Grid-obere Schranke für das minimale Molekülbudget zu etablieren, welches ein Symbolfehlerratenziel (SER) erreicht.

Ergebnisse

Unter Verwendung eines Referenz-Tri-Channel-Szenarios (Dopamin-selektiv, Serotonin-selektiv und Hydrogel-angepasster Kontrollkanal) mit Fokus auf Gehirn-Organoid-Schnittstellen:

• Finite-Area Effekt: Der Ersatz eines Zentrum-Punkt-Beobachters durch einen Beobachter mit endlicher Fläche (200 µm quadratisches Gate) behält nur 27,5 % der Zentrum-Punkt-Entscheidungsladung bei nominaler Trennung bei, was die Signalgröße signifikant verändert.
• Kontroll-Referenzierung (Control Referencing): Der Nutzen der Kontroll-Referenzierung (CTRL) ist abhängig von der Kovarianz. Wenn die Korrelation zwischen selektivem Kanal und CTRL günstig ist, reduziert CTRL die SER (z. B. von 0,017 auf 0,005 bei spezifischen Budgets). Bei einer Korrelation von Null kann CTRL jedoch die Leistung verschlechtern.
• Kalibrierungstransfer: Feste nominale Schwellenwerte versagen bei Betriebspunkt-Mismatch (Anstieg der SER auf 0,609). Geplante Aktualisierungen (Scheduled Refresh) und eine Kalibrierung pro Betriebspunkt mildern dies signifikant ab, wobei die Kalibrierung pro Punkt die optimistische Benchmark bleibt.
• Gedächtnis und ISI: Das Beibehalten des Rezeptorgedächtnisses (Fortpflanzung der Belegung über Symbole hinweg) ohne ISI-Mitigation führt zu einer hohen SER (z. B. 0,686 mit $H_{ISI}=3$). Eine Belegungs-Resetzung (No-ISI) ist notwendig, um die Leistung der Empfängerverarbeitung isoliert zu betrachten.
• Budget Bound: Für das passive-Feld-, No-ISI-, Per-Point-Kalibrierungs-Szenario stützen die adaptive Suche und die Held-out-Evaluierung eine untere Schranke für das minimale Molekülbudget von etwa 300.848 Molekülen/Symbol (0,50 amol), um ein SER-Ziel von $10^{-2}$ zu erreichen.

Bedeutung und Ansprüche

Das Paper behauptet, dass MC-BRIDGE eine notwendige computergestützte Methode für den kontrollierten, reproduzierbaren Vergleich von OECT-MC-Empfängerhypothesen bietet. Seine Bedeutung liegt in:

• Entkopplung von Effekten: Es trennt die Auswirkungen von Geometrie, Kovarianz, Kalibrierung und Gedächtnis auf die Schlussfolgerungen des Empfängers, die in einzelnen End-to-End-Kurven oft vermischt werden.
• Wiederverwendbarkeit: Die modulare Schnittstelle ermöglicht es, Kandidaten-Designs unter Verwendung derselben OECT-Ladungsstatistik zu vergleichen, während die intermediären physikalischen Zustände erhalten bleiben.
• Rigorose Evaluierung: Durch die Erzwingung disjunkter Seed-Sets für Kalibrierung und Evaluierung sowie die Verwendung von Block-Bootstrap-Intervallen zur Fehlerschätzung liefert das Framework statistisch robuste Schranken für Metriken wie SER und Mutual Information.

Die Autoren betonen, dass die berichteten Schranken unter den spezifischen Annahmen des passiven Beobachtermodells, der Belegungs-Resetzung und der Kalibrierung pro Betriebspunkt gelten. Sie merken an, dass die Vorhersage der Geräteleistung in realen Szenarien massenerhaltende reaktive Transportmodelle und Messungen tatsächlicher Geräteparameter erfordert, was über den Umfang dieses Simulationsframeworks hinausgeht.