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

कल्पना कीजिए कि दो कमरों से भरे गैस अणुओं के बीच एक छोटा, अदृश्य एजेंट खड़ा है। एक कमरा गर्म है, दूसरा ठंडा। एजेंट का काम हर उस अणु पर नज़र रखना है जो उनके बीच के दरवाजे की ओर बढ़ता है। यदि ठंडे पक्ष से एक तेज़, ऊर्जावान अणु आता है, तो एजेंट उसे गर्म कमरे में जाने देने के लिए दरवाजा खोल देता है। यदि गर्म पक्ष से एक धीमा, सुस्त अणु आता है, तो वह दरवाजा बंद रखता है। समय के साथ, यह छँटाई करने की क्रिया गर्म कमरे को और गर्म और ठंडे कमरे को और ठंडा बना देती है, जिससे बिना कुछ पैदा किए ऊर्जा उत्पन्न होती प्रतीत होती है। मैक्सवेल के डेमन (Maxwell's demon) के रूप में जानी जाने वाली यह वैचारिक पहेली एक सदी से अधिक समय से भौतिकविदों को चुनौती दे रही है। यह हमें यह पूछने के लिए मजबूर करती है कि सूचना और भौतिक वास्तविकता कैसे परस्पर क्रिया करती हैं: क्या मापने और छाँटने की प्रक्रिया में कोई छिपा हुआ ऊर्जा खर्च होता है? जबकि आधुनिक भौतिकी ने इस विरोधाभास को यह दिखाकर सुलझा लिया है कि सूचना प्रसंस्करण स्वयं ऊष्मा उत्पन्न करता है, प्रश्न अभी भी बना हुआ है कि यदि एक जैविक मस्तिष्क, जो गंध और प्रकाश की दुनिया में नेविगेट करने के लिए विकसित हुआ है, को इस भूमिका में रखा जाए, तो वह ऐसा कार्य कैसे करेगा।

क्वीन्स यूनिवर्सिटी बेलफास्ट के यश शर्मा द्वारा किया गया एक नया अध्ययन इस प्रश्न की खोज करता है, जिसमें एक डिजिटल प्रयोगशाला बनाई गई है जहाँ एक सिम्युलेटेड (अनुकरणित) मक्खी का मस्तिष्क इस छँटाई करने वाले एजेंट के रूप में कार्य करने का प्रयास करता है। शोधकर्ताओं ने वास्तविक मक्खी का उपयोग नहीं किया, बल्कि पूरे वयस्क फ्रूट फ्लाई (फल मक्खी) के मस्तिष्क का एक कंप्यूटर मॉडल बनाया, जिसे न्यूरॉन्स के बीच व्यक्तिगत कनेक्शनों के स्तर तक मैप किया गया था। उन्होंने इस जैविक ब्लूप्रिंट को एक स्लाइडिंग डोर (फिसलते दरवाजे) वाले गैस-भरे चैंबर के सिमुलेशन से जोड़ दिया। लक्ष्य यह सिद्ध करना नहीं था कि एक मक्खी वास्तव में वास्तविक दुनिया में गैस के अणुओं को छाँट सकती है, बल्कि एक क्लोज्ड-लूप सिस्टम बनाना था जहाँ वे देख सकें कि वास्तविक जैविक वायरिंग से बंधा हुआ मस्तिष्क एक भौतिक वातावरण के प्रति कैसे प्रतिक्रिया करता है और उससे कैसे सीखता है। डिजिटल मस्तिष्क द्वारा लिए गए हर निर्णय, दरवाजे को पार करने वाले हर अणु, और सफलता या विफलता के जवाब में मस्तिष्क के कनेक्शनों में होने वाले हर सूक्ष्म समायोजन को रिकॉर्ड करके, टीम ने एक विस्तृत मानचित्र तैयार किया कि कैसे एक जैविक रूप से यथार्थवादी नियंत्रक ऊष्मागतिकी (thermodynamics) के नियमों के साथ परस्पर क्रिया करता है।

प्रयोग को दो अलग-अलग नियंत्रकों के बीच एक रिले रेस के रूप में व्यवस्थित किया गया था। प्रत्येक रन के पहले भाग के लिए, एक सरल, पूर्व-निर्धारित कंप्यूटर स्क्रिप्ट ने 'डेमन' की भूमिका निभाई। इस स्क्रिप्ट को ठीक पता था कि क्या करना है: तापमान के अंतर को बनाए रखने के लिए यह केवल "सही" अणुओं के लिए ही दरवाजा खोलती थी। रन के अगले भाग के लिए, नियंत्रण मक्खी-मस्तिष्क मॉडल को सौंप दिया गया। इस मॉडल को गैस के तापमान और अणुओं की गति के बारे में वही जानकारी प्राप्त हुई, लेकिन इसे तय करना था कि कब दरवाजा खोलना है, जो इसकी अपनी आंतरिक गतिविधि पर आधारित था। शोधकर्ताओं ने इस सिमुलेशन को आठ बार चलाया, जिसके सत्र पाँच मिनट से बीस मिनट के बीच थे। प्रत्येक सत्र में, दोनों नियंत्रक हर ढाई मिनट में बारी-बारी से काम करते थे, जिससे टीम को यह देखने का मौका मिला कि समान परिस्थितियों में एक पूर्ण, पूर्व-निर्धारित स्क्रिप्ट के मुकाबले मक्खी-मस्तिष्क मॉडल कैसा प्रदर्शन करता है।

परिणामों ने दोनों नियंत्रकों के बीच एक स्पष्ट अंतर दिखाया। जब सरल स्क्रिप्ट ने दरवाजा संभाला, तो इसने दोनों कक्षों के बीच तापमान अंतर को सफलतापूर्वक बनाए रखा, जिससे गैस को इच्छानुसार छाँटा गया। हालाँकि, जब भी मक्खी-मस्तिष्क मॉडल ने नियंत्रण लिया, तापमान का अंतर तेजी से कम हो गया, और चैंबर के दोनों पक्ष संतुलन की स्थिति में वापस आ गए। मक्खी-मस्तिष्क मॉडल इन छोटे सत्रों के दौरान अणुओं को प्रभावी ढंग से छाँटने में नहीं सीख सका। गैस को छाँटने के बजाय, इसने गैस को आपस में मिलने दिया, और उस अलगाव को बनाए रखने में विफल रहा जिसकी इस कार्य के लिए आवश्यकता होती है। डेटा ने दिखाया कि स्क्रिप्ट के नियंत्रण में तापमान का अंतर मक्खी के मस्तिष्क के नियंत्रण में होने वाले अंतर से काफी अधिक था, जो यह दर्शाता कि जैविक नियंत्रक अभी इस विशिष्ट ऊष्मागतिक छँटाई कार्य के लिए सक्षम नहीं था।

गैस को छाँटने में विफलता के बावजूद, प्रयोग ने यह प्रकट किया कि मक्खी-मस्तिष्क मॉडल सक्रिय रूप से सीख रहा था और बदल रहा था। शोधकर्ताओं ने सिमुलेशन के दौरान न्यूरॉन्स के बीच के कनेक्शनों की ताकत, जिसे सिनैप्स (synapses) कहा जाता है, को ट्रैक किया। उन्होंने पाया कि मस्तिष्क द्वारा लिए गए हर निर्णय के साथ, इन कनेक्शनों में बदलाव किया जा रहा था। इन कनेक्शनों में कुल परिवर्तन प्रत्येक रन में लगातार बढ़ता गया, जिससे पता चला कि नेटवर्क अपने कार्यों के लिए मिलने वाले पुरस्कारों और दंडों के प्रति प्रतिक्रिया कर रहा था। पुरस्कार का प्रकार भी मायने रखता था। जब शोधकर्ताओं ने पुरस्कार देने का एक स्थिर, अनुमानित तरीका इस्तेमाल किया, तो मस्तिष्क लगभग 48 प्रतिशत बार "अच्छे" निर्णय लेता था। जब पुरस्कार यादृच्छिक (random) और अप्रत्याशित थे, तो मस्तिष्क की सफलता दर गिरकर लगभग 34 प्रतिशत हो गई। इससे पता चलता है कि जैविक वायरिंग फीडबैक के पैटर्न के प्रति संवेदनशील थी, भले ही उसने इस कार्य के लिए एक विश्वसनीय रणनीति नहीं सीखी थी।

अध्ययन ने नियंत्रक के काम करने के दौरान उसके "मन" के अंदर की एक दुर्लभ झलक भी प्रदान की। शोधकर्ताओं ने मक्खी-मस्तिष्क मॉडल के भीतर विशिष्ट क्षेत्रों, जिन्हें न्यूरोपिल्स (neuropils) कहा जाता है, की गतिविधि को रिकॉर्ड किया, जो गंध या दृष्टि जैसे विशिष्ट कार्यों को संभालने वाले न्यूरॉन्स के समूह हैं। उन्होंने पाया कि कुछ क्षेत्र, विशेष रूप से गंध और दृश्य सूचना को संसाधित करने में शामिल क्षेत्र, प्रयोग के दौरान सबसे अधिक सक्रिय थे। ये गतिविधि पैटर्न सभी रन में सुसंगत थे, जो यह दर्शाते थे कि मस्तिष्क की जैविक संरचना ने यह निर्धारित किया कि कौन से हिस्से सक्रिय होंगे, चाहे नियंत्रक कार्य में सफल हो या न हो। शोधकर्ता देख सकते थे कि मस्तिष्क के कौन से हिस्से सक्रिय हो रहे थे और जैसे-जैसे सिमुलेशन आगे बढ़ा, गतिविधि कैसे बदली, जिससे अणु के दरवाजे के पास आने से लेकर मस्तिष्क द्वारा अपने आंतरिक कनेक्शनों को समायोजित करने तक के सेंसरिमोटर लूप का एक पूर्ण दृश्य प्राप्त हुआ।

यह समझना महत्वपूर्ण है कि इस अध्ययन ने क्या सिद्ध नहीं किया है। लेखक सावधानी से कहते हैं कि उन्होंने यह प्रदर्शित नहीं किया है कि एक मक्खी का मस्तिष्क वास्तव में मैक्सवेल के डेमन के रूप में कार्य कर सकता है। वास्तव में, परिणाम इसके विपरीत सुझाव देते हैं: इस विशिष्ट सेटअप में, जैविक नियंत्रक एक सरल स्क्रिप्ट की तुलना में बहुत कमजोर छँटाई करने वाला था। अध्ययन यह दावा नहीं करता कि मक्खी के मस्तिष्क ने एक नया कौशल सीखा है या उसने ऊष्मागतिक पहेली को हल कर लिया है। इसके बजाय, इस कार्य का मूल्य स्वयं इस प्लेटफॉर्म में निहित है। शोधकर्ताओं ने एक सत्यापित प्रणाली बनाई है जहाँ एक जैविक रूप से सीमित नेटवर्क का परीक्षण एक भौतिक वातावरण के विरुद्ध किया जा सकता है, जहाँ हर एक घटना को लॉग और विश्लेषण के लिए उपलब्ध कराया गया है। यह वैज्ञानिकों को यह मापने की अनुमति देता है कि वास्तविक वायरिंग आरेखों से बने मस्तिष्क का व्यवहार एक भौतिक प्रणाली को नियंत्रित करने के लिए कैसा होता है, जो पहले इतनी सटीकता के साथ करना कठिन था।

शोधकर्ता अपने वर्तमान निष्कर्षों की कई सीमाओं को स्वीकार करते हैं। उदाहरण के लिए, सिमुलेशन में एक एयर जेट (हवा का झोंका) शामिल था जिसने सिस्टम में ऊर्जा जोड़ी, और इस जेट का उपयोग दोनों नियंत्रकों द्वारा अलग तरह से किया गया था, जिसने तापमान परिणामों को प्रभावित किया होगा। वे यह भी नोट करते हैं कि उन्होंने प्रत्येक स्थिति के लिए केवल एक ही सत्र चलाया, इसलिए परिणाम वर्णनात्मक हैं न कि सांख्यिकीय रूप से सिद्ध। सिमुलेशन में तापमान को वास्तविक दुनिया के डिग्री के बजाय मनमाने (arbitrary) मात्रों में मापा गया है, और मस्तिष्क को दिए गए "पुरस्कार" एक जटिल ऊष्मागतिक गणना के बजाय एक सरल नियम पर आधारित थे। ये कारक बताते हैं कि यह अध्ययन एक प्रायोगिक प्लेटफॉर्म के रूप में एक 'प्रूफ ऑफ कॉन्सेप्ट' है, न कि इस बात का अंतिम उत्तर कि मक्खी के मस्तिष्क वास्तव में ऊष्मागतिकी को कैसे संभालते हैं।

अंततः, यह कार्य भविष्य के अनुसंधान के लिए एक द्वार खोलता है। एक वास्तविक मक्खी के मस्तिष्क के मॉडल को एक सिम्युलेटेड भौतिक दुनिया से जोड़कर, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जिसका उपयोग भविष्य में विभिन्न शिक्षण नियमों या विभिन्न मस्तिष्क संरचनाओं के प्रदर्शन का परीक्षण करने के लिए किया जा सकता है। अगले चरणों में पैटर्न की पुष्टि करने के लिए अधिक सत्र चलाना, मस्तिष्क के नियंत्रण को अलग करने के लिए एयर जेट को बंद करके परीक्षण करना, और शायद मस्तिष्क की संरचना की नकल करने के लिए डिज़ाइन किए गए विशेष हार्डवेयर पर सिमुलेशन चलाना शामिल होगा। फिलहाल, यह अध्ययन एक डिजिटल मक्खी के मस्तिष्क का एक विस्तृत रिकॉर्ड है जो गैस के अणुओं को छाँटने का प्रयास कर रहा है, और ज्यादातर विफल हो रहा है, जबकि साथ ही यह भी दिखा रहा है कि मस्तिष्क चुनौती के जवाब में अपने स्वयं के वायरिंग को सक्रिय रूप से बदल रहा था। यह एक प्रदर्शन है कि हम कैसे जैविक जटिलता और भौतिक नियमों के बीच की परस्पर क्रिया को, एक समय में एक सिम्युलेटेड अणु के माध्यम से, मापना शुरू कर सकते हैं।