Living deep reservoir computing by microfluidic axon routing

Il cervello umano è una meraviglia dell'ingegneria biologica, capace di eseguire calcoli complessi, archiviare memorie e prendere decisioni consumando solo una frazione infinitesimale dell'energia richiesta dai supercomputer più potenti del mondo. Questa efficienza deriva da come il cervello è costruito: miliardi di cellule nervose, o neuroni, sono connesse in reti vaste e intricate dove la memoria e il calcolo avvengono simultaneamente nelle stesse minuscole giunzioni. Per decenni, gli scienziati hanno cercato di imitare questo splendore biologico utilizzando chip di silicio, creando hardware informatico specializzato che tenti di copiare la struttura del cervello. Tuttavia, questi sistemi elettronici faticano ancora a eguagliare l'efficienza pura e l'adattabilità del tessuto vivente. Per colmare questo divario, i ricercatori hanno iniziato a esplorare una strada diversa: utilizzare veri neuroni viventi coltivati in laboratorio come materiale di calcolo stesso. La sfida con questo approccio è stata che i neuroni viventi, quando coltivati in una capsula, tendono a connettersi casualmente, rendendo difficile il controllo del flusso di informazioni attraverso di essi. Senza una direzione chiara per questi segnali, la rete si comporta più come un caos disordinato che come un computer strutturato, limitando la sua capacità di risolvere problemi complessi.

Un team di ricercatori ha ora sviluppato un modo per portare ordine a questo caos biologico, creando un computer vivente che elabora le informazioni in una direzione specifica e progressiva. Hanno coltivato reti di neuroni di topo all'interno di un chip microfluidico specializzato, un dispositivo con canali microscopici che fungono da strade per le cellule nervose. Progettando queste strade con porte unidirezionali, gli scienziati hanno costretto i neuroni a far crescere le proprie connessioni in un'unica direzione, da uno strato di input a uno di output, imitando la struttura profonda e stratificata tipica dei sistemi avanzati di intelligenza artificiale. Questa configurazione, che chiamano "serbatoio profondo vivente" (living deep reservoir), permette alla rete biologica di elaborare segnali complessi in fasi, filtrando e trasformando le informazioni mentre si muovono in avanti. Per testare se questo controllo direzionale rendesse effettivamente il computer più intelligente, lo hanno confrontato con un gruppo di controllo in cui i neuroni erano lasciati crescere in entrambe le direzioni, creando una rete meno organizzata e bidirezionale. I risultati hanno mostrato che la rete direzionale a senso unico era significativamente migliore in due compiti difficili: prevedere il comportamento caotico di un sistema matematico e identificare diversi generi musicali da clip audio.

I ricercatori hanno costruito il loro sistema utilizzando un chip microfluidico che appare come un minuscolo labirinto trasparente. All'interno di questo labirinto, hanno coltivato neuroni primari prelevati da embrioni di topo. Per rendere queste cellule responsive alla luce e visibili alle telecamere, hanno introzione geni specifici che trasformavano i neuroni in interruttori sensibili alla luce e li facevano brillare quando si attivavano. Il chip è stato progettato con più camere collegate da canali stretti. Nel gruppo sperimentale, questi canali sono stati modellati con piccole barriere triangolari e vicoli ciechi curvi che impedivano fisicamente agli assoni — le lunghe proiezioni dei neuroni — di crescere all'indietro. Ciò ha garantito che i segnali potessero viaggiare solo dalla prima camera alla seconda, e così via, creando una gerarchia rigorosa. Nel gruppo di controllo, i canali erano semplici tubi dritti, permettendo ai neuroni di crescere in entrambe le direzioni e creando una rete in cui i segnali potevano rimbalzare avanti e indietro senza un percorso chiaro. Entrambi i sistemi erano collegati a un'interfaccia sofisticata che poteva proiettare modelli di luce blu sul primo strato di neuroni per inviare informazioni, e una telecamera che osservava l'intera rete brillare in risposta per registrare l'output.

Per vedere quanto bene funzionassero questi computer viventi, il team ha chiesto loro di risolvere due problemi molto diversi. Il primo era un test di previsione di serie temporali caotiche, un tipo di segnale che cambia in modo complesso e imprevedibile, proprio come il meteo o i mercati azionari. Hanno convertito i dati in sequenze di impulsi luminosi e li hanno immessi nel primo strato dei neuroni. Il serbatoio profondo vivente, con i suoi canali unidirezionali, è stato in grado di tracciare i movimenti futuri del segnale con maggiore accuratezza rispetto al gruppo di controllo. Man mano che i ricercatori aggiungevano più strati alla rete, le prestazioni del sistema direzionale miglioravano, mentre il sistema bidirezionale faticava a tenere il passo. Il secondo compito riguardava l'ascolto della musica. Al sistema è stato chiesto di identificare se una breve clip audio fosse Blues, Classica o Country. I ricercatori hanno convertito le onde sonore in modelli di luce che attivavano i neuroni. Anche in questo caso, il serbatoio profondo vivente ha superato il gruppo di controllo, identificando correttamente il genere più spesso e mostrando una capacità più equilibrata di riconoscere diversi stili musicali, anche quando le canzoni specifiche erano nuove per il sistema.

La chiave di questo successo sembra risiedere nella struttura stessa della rete. Costringendo i neuroni a connettersi in un'unica direzione, i ricercatori hanno creato un sistema in cui l'informazione viene elaborata in fasi, con ogni strato che raffina il segnale prima di passarlo al successivo. Questa elaborazione gerarchica ha permesso alla rete di costruire una comprensione più ricca dei dati in ingresso, similmente a come operano gli algoritmi di deep learning nelle moderne intelligenze artificiali. L'analisi dell'attività della rete ha mostrato che il sistema direzionale manteneva un livello di organizzazione, o modularità, più elevato, il che significa che le diverse parti della rete lavoravano insieme in modo più coeso. Al contrario, il gruppo di controllo bidirezionale esibiva un'attivazione più caotica e sincronizzata che non supportava lo stesso livello di computazione complessa. Lo studio dimostra che l'architettura fisica di una rete biologica è importante quanto le cellule stesse; guidando semplicemente il modo in cui i neuroni crescono, gli scienziati possono aumentare significativamente la potenza di calcolo del tessuto vivente.

Questo lavoro non sostiene di aver costruito un cervello biologico pienamente funzionale, né suggerisce che questi chip viventi sostituiranno immediatamente i computer al silicio. Invece, fornisce una prova di concetto che i principi del deep learning possono essere applicati alle reti neurali viventi attraverso il design fisico. I ricercatori hanno dimostrato che, limitando la crescita dei neuroni affinché seguano un percorso specifico, potevano creare un sistema biologico capace di una sofisticata elaborazione delle informazioni che una rete casuale non avrebbe potuto raggiungere. Ciò apre una nuova via di ricerca su come i sistemi biologici elaborano le informazioni e offre un potenziale percorso verso la creazione di dispositivi di calcolo ispirati al cervello, altamente efficienti, che combinano l'adattabilità delle cellule viventi con la precisione delle strutture ingegneristiche. I risultati suggeriscono che il futuro del calcolo bio-ibrido potrebbe non risiedere solo nelle cellule che utilizziamo, ma nelle strade che costruiamo per farle viaggiare.