Entropy Production Bounds the Accuracy of Computation in Markov Networks

Gli esseri viventi risolvono costantemente problemi. Un batterio percepisce la densità dei suoi vicini per decidere quando sciamare; una foglia regola la sua chimica interna per sopravvivere a un improvviso aumento della luce solare; una cellula inferisce la concentrazione di nutrienti nel suo ambiente per sapere quando crescere. In ogni caso, una rete di molecole esegue un calcolo, trasformando un segnale variabile dal mondo esterno in un'azione utile. Questo processo non è istantaneo. Poiché l'informazione si muove attraverso queste reti molecolari a una velocità finita, lo stato interno del sistema è sempre leggermente in ritardo rispetto all'ambiente mutevole. Questo ritardo crea errori, causando la reazione di un organismo a una realtà passata piuttosto che a quella presente. Per correggere questi errori e tenere il passo con un mondo fluttuante, il sistema deve consumare energia, dissipando calore nell'ambiente circostante.

Per decenni, gli scienziati hanno compreso che l'energia è necessaria per mantenere l'ordine e compiere lavoro. Tuttavia, una regola precisa che colleghi il costo di tale energia all'accuratezza del calcolo è rimasta elusiva. I ricercatori Songela W. Chen e David T. Limmer hanno ora derivato un limite termodinamico fondamentale su quanto accuratamente una rete stocastica possa computare. Essi dimostrano che l'errore causato da questo inevitabile ritardo è strettamente limitato dal tasso con cui il sistema produce entropia, o calore di scarto, e da una specifica misura di quanto a lungo il sistema ricorda i suoi stati passati. Il loro lavoro rivela che, per computare accuratamente, una rete deve o spendere una grande quantità di energia o possedere una memoria duratura codificata nei suoi movimenti interni più lenti.

Gli autori hanno studiato reti reversibili, ovvero sistemi in cui le leggi fisiche sottostanti permettono transizioni tra stati che possono essere invertite, una condizione che vale per molti processi biologici all'equilibrio. Si sono concentrati su come queste reti traccino un input dipendente dal tempo, come una crescente concentrazione di un segnale chimico. Si è scoperto che l'errore totale nella produzione della rete deriva da due fonti distinte. La prima è un errore di rappresentazione, che sorge se il design di base della rete semplicemente non può mappare l'input sull'output desiderato, anche se fosse perfettamente stabilizzata. La seconda è un errore di ritardo (lag error), che si verifica perché la distribuzione di probabilità della rete impiega del tempo per rilassarsi e mettersi al passo con le nuove condizioni. I ricercatori hanno dimostrato che questo errore di ritardo è la componente critica vincolata dalla termodinamica.

Attraverso l'analisi matematica e simulazioni al computer, il team ha stabilito che il quadrato dell'errore di ritardo non può eccedere il prodotto tra il tasso di produzione di entropia e una costante di tempo che rappresenta la memoria del sistema. Questo tempo di memoria è determinato da quanto a lungo la variabile di output della rete fluttua naturalmente quando lasciata da sola. Se l'output cambia molto lentamente, il sistema conserva informazioni sul passato per un lungo periodo, agendo come una memoria forte. Se l'output fluttua rapidamente, la memoria è breve. L'ineguaglianza derivata dagli autori implica un rigido compromesso: per ridurre l'errore nel tracciamento di un segnale variabile, un sistema deve o dissipare più energia o fare affidamento su modalità di moto che si rilassano molto lentamente, memorizzando così le informazioni per periodi più lunghi.

Per testare l'universalità di questo principio, i ricercatori hanno applicato il loro quadro teorico sia ad reti artificiali che a modelli di reali sistemi biologici. Hanno addestrato reti artificiali di dieci stati per tracciare specifici segnali di input, inclusi compiti che non richiedevano memoria e altri che richiedevano al sistema di ricordare gli input passati per generare l'output corrente corretto. Nei compiti dipendenti dalla memoria, la rete ha sfruttato le proprie dinamiche di rilassamento lento per memorizzare l'informazione, utilizzando efficacemente il ritardo come una risorsa computazionale. In questi casi, l'errore è rimasto al di sotto del limite termodinamico previsto, e il limite è diventato più stringente quando la dissipazione di energia era allineata con le specifiche modalità lente che trasportavano l'informazione rilevante.

Lo studio ha poi esaminato quattro distinti modelli di elaborazione dell'informazione biologica: un canale ionico attivato da ligando che si apre in risposta a una sostanza chimica, uno switch genetico noto come repressore Lac che controlla l'espressione genica, un sistema di quorum-sensing batterico che coordina il comportamento di gruppo e un meccanismo di fotoprotezione nelle piante che dissipa l'energia luminosa in eccesso. In ogni caso, i ricercatori hanno simulato il sistema in risposta a input casuali e variabili nel tempo che imitavano le reali fluttuazioni ambientali. Hanno calcolato l'effettivo errore di tracciamento e l'hanno confrontato con il limite teorico derivato dalla produzione di entropia e dal tempo di memoria del sistema. In tutti i modelli, indipendentemente dalla loro complessità o funzione biologica, l'errore di ritardo non ha mai superato il limite termodinamico.

I risultati evidenziano che non tutta la spesa energetica è ugualmente utile per la computazione. I sistemi che dissipano energia in direzioni non correlate all'output che stanno tentando di computare non migliorano la loro accuratezza. Solo la dissipazione proiettata sulle modalità lente e rilevanti per l'output contribuisce efficacemente a ridurre l'errore. Questa scoperta suggerisce che le reti biologiche si siano evolute per incanalare il proprio consumo di energia in percorsi specifici che ne potenziano la capacità di ricordare e reagire al passato. Il lavoro fornisce un quadro quantitativo per comprendere i costi energetici della computazione biologica, mostrando che l'accuratezza non è gratuita, ma viene acquistata o attraverso il continuo consumo di combustibile o attraverso il mantenimento di una memoria a lunga durata.

I ricercatori hanno confermato che il loro limite teorico è valido anche quando i sistemi sono spinti lontano dall'equilibrio, sebbene la relazione sia più precisa quando il sistema rimane vicino al suo stato stazionario. Nelle simulazioni del modello di quorum-sensing batterico e del sistema di fotoprotezione delle piante, l'approssimazione quadratica del limite è rimasta un predittore affidabile dell'errore, anche quando i segnali di input cambiavano bruscamente. Lo studio conclude che la capacità di una rete stocastica di eseguire una computazione dinamica accurata è fondamentalmente limitata dall'interazione tra quanto essa dissipa e quanto a lungo ricorda. Questo principio offre una nuova lente per comprendere il design dei sistemi viventi e i potenziali limiti dei circuiti chimici sintetici progettati per imitarli.