Connectome-constrained Drosophila neural control and reward-modulated plasticity in a simulated Maxwell-demon particle system

Imaginez un minuscule agent invisible se tenant entre deux pièces remplies de molécules de gaz. L'une est chaude, l'autre est fraîche. Le travail de l'agent est d'observer chaque molécule qui s'approche de la porte entre elles. Si une molécule rapide et énergique vient du côté frais, l'agent ouvre la porte pour la laisser entrer dans la pièce chaude. Si une molécule lente et léthargique s'approche du côté chaud, l'agent garde la porte fermée. Au fil du temps, cette action de tri fait que la pièce chaude devient plus chaude et la pièce fraîche plus fraîche, créant apparemment de l'énergie à partir de rien. Cette expérience de pensée, connue sous le nom de démon de Maxwell, défie les physiciens depuis plus d'un siècle. Elle nous force à nous demander comment l'information et la réalité physique interagissent : l'acte de mesurer et de trier les molécules entraîne-t-il un coût énergétique caché ? Bien que la physique moderne ait résolu le paradoxe en montrant que le traitement de l'information génère elle-même de la chaleur, la question demeure de savoir comment un cerveau biologique, évolué pour naviguer dans un monde d'odeurs et de lumière, accomplirait une telle tâche s'il était placé dans ce rôle.

Une nouvelle étude de Yash Sharma, de l'Université Queen's de Belfast, explore cette question en construisant un laboratoire numérique où un cerveau de mouche simulé tente d'agir comme cet agent de tri. Les chercheurs n'ont pas utilisé une vraie mouche, mais plutôt un modèle informatique de l'intégralité du cerveau d'une mouche de fruit adulte, cartographié jusqu'au niveau des connexions individuelles entre les neurones. Ils ont connecté ce schéma biologique à une simulation d'une chambre remplie de gaz dotée d'une porte coulissante. Le but n'était pas de prouver qu'une mouche pourrait réellement trier des molécules de gaz dans le monde réel, mais de créer un système en boucle fermée où ils pourraient observer, seconde par seconde, comment un cerveau contraint par un câblage biologique réel réagit à un environnement physique et apprend de ses résultats. En enregistrant chaque décision prise par le cerveau numérique, chaque fois qu'une molécule traversait la porte, et chaque minuscule ajustement des connexions du cerveau en réponse au succès ou à l'échec, l'équipe a créé une carte détaillée de la façon dont un contrôleur biologiquement réaliste interagit avec les lois de la thermodynamique.

L'expérience a été mise en place comme une course de relais entre deux contrôleurs différents. Pour la première partie de chaque série, un simple script informatique préprogrammé a pris le rôle du démon. Ce script savait exactement quoi faire : il ouvrait la porte uniquement pour les « bonnes » molécules afin de maintenir une différence de température entre les deux chambres. Pour la partie suivante de la série, le contrôle a été remis au modèle de cerveau de mouche. Ce modèle recevait les mêmes informations sur la température du gaz et la vitesse des molécules, mais il devait décider quand ouvrir la porte en fonction de sa propre activité interne. Les chercheurs ont fait tourner cette simulation huit fois, avec des sessions d'une durée comprise entre cinq et vingt minutes. Dans chaque session, les deux contrôleurs alternaient toutes les deux minutes et demie, permettant à l'équipe de voir comment le modèle de cerveau de mouche se comportait par rapport au script parfait et préprogrammé dans des conditions identiques.

Les résultats ont montré une distinction claire entre les deux contrôleurs. Lorsque le script simple tenait la porte, il réussissait à maintenir une différence de température entre les deux chambres, maintenant le gaz trié comme prévu. Cependant, dès que le modèle de cerveau de mouche prenait le contrôle, la différence de température s'est rapidement estompée et les deux côtés de la chambre sont revenus à un état d'équilibre. Le modèle de cerveau de mouche n'a pas appris à trier les molécules efficacement durant ces courtes sessions. Au lieu de garder le côté chaud chaud et le côté frais frais, il a laissé le gaz se mélanger, échouant à maintenir la séparation qu'exige la tâche du démon. Les données ont montré que la différence de température sous le contrôle du script était significativement plus grande que lorsque le cerveau de mouche était aux commandes, indiquant que le contrôleur biologique n'était pas encore capable d'accomplir ce travail spécifique de tri thermodynamique.

Malgré l'échec du tri du gaz, l'expérience a révélé que le modèle de cerveau de mouche apprenait et changeait activement. Les chercheurs ont suivi la force des connexions entre les neurones, appelées synapses, tout au long de la simulation. Ils ont constaté qu'avec chaque décision prise par le cerveau, ces connexions étaient ajustées. Le montant total de changement dans ces connexions augmentait régulièrement dans chaque série, montrant que le réseau répondait aux récompenses et aux punitions reçues pour ses actions. Le type de récompense reçu par le cerveau comptait aussi. Lorsque les chercheurs utilisaient une méthode de récompense constante et prévisible, le cerveau prenait de « bonnes » décisions environ 48 pour cent du temps. Lorsque les récompenses étaient aléatoires et imprévisibles, le taux de réussite du cerveau chutait à environ 34 pour cent. Cela suggère que le câblage biologique était sensible au schéma de rétroaction, même si le cerveau n'avait pas encore appris de stratégie fiable pour la tâche.

L'étude a également offert un regard rare à l'intérieur de l'« esprit » du contrôleur pendant son travail. Les chercheurs ont enregistré l'activité de régions spécifiques au sein du modèle de cerveau de mouche, appelées neuropiles, qui sont des amas de neurones gérant des tâches spécifiques comme l'odorat ou la vue. Ils ont découvert que certaines zones, particulièrement celles impliquées dans le traitement de l'odeur et de la vision, étaient les plus actives pendant l'expérience. Ces schémas d'activité étaient cohérents à travers toutes les séries, montrant que la structure biologique du cerveau dictait quelles parties étaient engagées, quel que soit le succès du contrôleur à la tâche. Les chercheurs pouvaient voir exactement quelles parties du cerveau s'activaient et comment l'activité changeait au fur et à mesure que la simulation progressait, offrant une vue complète de la boucle sensorimotrice, du moment où une molécule approchait de la porte jusqu'au moment où le cerveau ajustait ses connexions internes.

Il est important de comprendre ce que cette étude n'a pas prouvé. L'auteur précise qu'ils n'ont pas démontré qu'un cerveau de mouche peut réellement agir comme un démon de Maxwell. En fait, les résultats suggèrent le contraire : dans cette configuration spécifique, le contrôleur biologique était un trieur bien plus faible que le script simple. L'étude ne prétend pas que le cerveau de la mouche a appris une nouvelle compétence ou qu'il a résolu l'énigme thermodynamique. La valeur du travail réside plutôt dans la plateforme elle-même. Les chercheurs ont construit un système vérifié où un réseau biologiquement contraint peut être testé face à un environnement physique, avec chaque événement enregistré et disponible pour analyse. Cela permet aux scientifiques de mesurer exactement comment un cerveau construit à partir de diagrammes de câblage réels se comporte lorsqu'on lui demande de contrôler un système physique, ce qui était auparavant difficile à faire avec une telle précision.

Les chercheurs reconnaissent plusieurs limites à leurs découvertes actuelles. Par exemple, la simulation comprenait un jet d'air qui ajoutait de l'énergie au système, et ce jet était utilisé différemment par les deux contrôleurs, ce qui a pu influencer les résultats de température. Ils notent également qu'ils n'ont effectué qu'une seule session pour chaque condition, de sorte que les résultats sont descriptifs plutôt que statistiquement prouvés. Les températures dans la simulation sont mesurées en unités arbitraires, et non en degrés réels, et les « récompenses » données au cerveau étaient basées sur une règle simple plutôt que sur un calcul thermodynamique complexe. Ces facteurs signifient que l'étude est une preuve de concept pour la plateforme expérimentale, et non une réponse finale sur la façon dont les cerveaux de mouches gèrent la thermodynamique.

Enfin, ce travail ouvre une porte pour la recherche future. En couplant un modèle réaliste de cerveau de mouche à un monde physique simulé, les chercheurs ont créé un outil qui peut être utilisé pour tester comment différentes règles d'apprentissage ou différentes structures cérébrales pourraient performer à l'avenir. Les prochaines étapes consisteraient à effectuer davantage de sessions pour confirmer les schémas, tester le système avec le jet d'air éteint pour isoler le contrôle du cerveau, et peut-être même exécuter la simulation sur un matériel spécialisé conçu pour imiter la structure du cerveau. Pour l'instant, l'étude se présente comme un compte rendu détaillé d'un cerveau de mouche numérique essayant, et échouant principalement, de trier des molécules de gaz, tout en montisant simultanément que le cerveau modifiait activement son propre câblage en réponse au défi. C'est une démonstration de la manière dont nous pouvons commencer à mesurer l'interaction entre la complexité biologique et les lois physiques, une molécule simulée à la fois.