Connectome-constrained Drosophila neural control and reward-modulated plasticity in a simulated Maxwell-demon particle system
Questo articolo presenta una piattaforma computazionale a ciclo chiuso che integra un controllore neurale a impulsi vincolato al connettoma di Drosophila con plasticità modulata dalla ricompensa per interagire con un sistema di particelle simulato di demone di Maxwell, dimostrando con successo la quantificazione del controllo neurale biologicamente vincolato sulla dinamica dell'ambiente fisico.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Immaginate un piccolo agente invisibile in piedi tra due stanze piene di molecole di gas. Una stanza è calda, l'altra è fresca. Il compito dell'agente è osservare ogni molecola mentre si avvicina alla porta tra di loro. Se una molecola veloce ed energica proviene dal lato fresco, l'agente apre la porta per farla entrare nella stanza calda. Se una molecola lenta e pigra si avvicina dal lato caldo, l'agente tiene la porta chiusa. Nel tempo, questa azione di smistamento rende la stanza calda più calda e la stanza fresca più fresca, creando apparentemente energia dal nulla. Questo esperimento mentale, noto come il demone di Maxwell, ha sfidato i fisici per oltre un secolo. Ci costringe a chiederci come l'informazione e la realtà fisica interagiscano: l'atto di misurare e smistare le molecole comporta un costo energetico nascosto? Mentre la fisica moderna ha risolto il paradosso dimostrando che l'elaborazione dell'informazione stessa genera calore, la domanda rimane come un cervello biologico, evolutosi per navigare in un mondo di odori e luce, eseguirebbe un compito simile se posto in questo ruolo.
Un nuovo studio di Yash Sharma alla Queen's University Belfast esplora questa domanda costruendo un laboratorio digitale in cui un cervello di mosca simulato tenta di agire come questo agente di smistamento. I ricercatori non hanno usato una mosca reale, ma piuttosto un modello informatico dell'intero cervello di una mosca della frutta adulta, mappato fino al livello delle singole connessioni tra i neuroni. Hanno collegato questo progetto biologico a una simulazione di una camera piena di gas con una porta scorrevole. L'obiettivo non era dimostrare che una mosca potesse effettivamente smistare molecole di gas nel mondo reale, ma creare un sistema a ciclo chiuso in cui potessero osservare, secondo per secondo, come un cervello vincolato dalla biologia reagisce a un ambiente fisico e impara dai risultati. Registrando ogni decisione presa dal cervello digitale, ogni volta che una molecola attraversava la porta e ogni minuscolo aggiustamento delle connessioni cerebrali in risposta al successo o al fallimento, il team ha creato una mappa dettagliata di come un controllore biologicamente realistico interagisce con le leggi della termodinamica.
L'esperimento è stato impostato come una staffetta tra due diversi controllori. Per la prima parte di ogni corsa, un semplice script preprogrammato ha assunto il ruolo del demone. Questo script sapeva esattamente cosa fare: apriva la porta solo per le molecole "giuste" per mantenere una differenza di temperatura tra le due camere. Per la parte successiva della corsa, il controllo è stato passato al modello del cervello della mosca. Questo modello riceveva le stesse informazioni sulla temperatura del gas e sulla velocità delle molecole, ma doveva decidere quando aprire la porta in base alla propria attività interna. I ricercatori hanno eseguito questa simulazione otto volte, con sessioni della durata compresa tra cinque e venti minuti. In ogni sessione, i due controllori si alternavano ogni due minuti e mezzo, permettendo al team di vedere come il modello del cervello della mosca si comportasse contro lo script perfetto e preprogrammato in condizioni identiche.
I risultati hanno mostrato una distinzione netta tra i due controllori. Quando lo script semplice teneva la porta, riusciva a mantenere una differenza di temperatura tra le due camere, mantenendo il gas smistato come previsto. Tuttavia, ogni volta che il modello del cervello della mosca prendeva il controllo, la differenza di temperatura svaniva rapidamente e i due lati della camera tornavano a uno stato di equilibrio. Il modello del cervello della mosca non ha imparato a smistare le molecole efficacemente durante queste brevi sessioni. Invece di mantenere il lato caldo caldo e il lato fresco fresco, ha permesso al gas di mescolarsi, fallendo nel mantenere la separazione che il compito del demone richiede. I dati hanno mostrato che la differenza di temperatura sotto il controllo dello script era significativamente maggiore rispetto a quando il cervello della mosca era al comando, indicando che il controllore biologico non era ancora capace di svolgere questo specifico lavoro di smistamento termodinamico.
Nonostante il fallimento nello smistamento del gas, l'esperimento ha rivelato che il modello del cervello della mosca stava attivamente imparando e cambiando. I ricercatori hanno monitorato la forza delle connessioni tra i neuroni, note come sinapsi, durante tutta la simulazione. Hanno scoperto che con ogni decisione presa dal cervello, queste connessioni venivano ritoccate. L'ammontare totale del cambiamento in queste connessioni cresceva costantemente in ogni singola corsa, mostrando che la rete rispondeva ai premi e alle penalità ricevute per le sue azioni. Anche il tipo di ricompensa che il cervello riceveva era importante. Quando i ricercatori hanno utilizzato un modo costante e prevedibile di dare ricompense, il cervello prendeva decisioni "buone" circa il 48 percento delle volte. Quando le ricompense erano casuali e imprevedibili, il tasso di successo del cervello scendeva a circa il 34 percento. Ciò suggerisce che la cablatura biologica era sensibile al modello di feedback, anche se non aveva ancora appreso una strategia affidabile per il compito.
Lo studio ha fornito anche uno sguardo raro all'interno della "mente" del controllore mentre lavorava. I ricercatori hanno registrato l'attività di specifiche regioni all'interno del modello del cervello della mosca, note come neuropili, che sono ammassi di neuroni che gestiscono compiti specifici come l'olfatto o la vista. Hanno scoperto che certe aree, in particolare quelle coinvolte nell'elaborazione delle informazioni olfattive e visive, erano le più attive durante l'esperimento. Questi modelli di attività erano coerenti in tutte le corse, mostrando che la struttura biologica del cervello dettava quali parti venissero impegnate, indipendentemente dal fatto che il controllore fosse efficace nel compito. I ricercatori potevano vedere esattamente quali parti del cervello stavano scattando e come l'attività cambiasse con il progredire della simulazione, offrendo una visione completa del ciclo sensomotorio dal momento in cui una molecola si avvicinava alla porta al momento in cui il cervello regolava le proprie connessioni interne.
È importante capire cosa questo studio non abbia dimostrato. L'autore specifica con cura che non è stato dimostrato che un cervello di mosca possa effettivamente agire come un demone di Maxwell. In effetti, i risultati suggeriscono l'opposto: in questa specifica configurazione, il controllore biologico era un sventatore molto più debole rispetto allo script semplice. Lo studio non sostiene che la mosca abbia imparato una nuova abilità o che abbia risolto l'enigma termodinamico. Al contrario, il valore del lavoro risiede nella piattaforma stessa. I ricercatori hanno costruito un sistema verificato in cui una rete biologicamente vincolata può essere testata contro un ambiente fisico, con ogni singolo evento registrato e disponibile per l'analisi. Ciò permette agli scienziati di misurare esattamente come un cervello costruito da diagrammi di cablatura reali si comporta quando gli viene chiesto di controllare un sistema fisico, qualcosa che prima era difficile da fare con tale precisione.
I ricercatori riconoscono diversi limiti dei loro attuali risultati. Ad esempio, la simulazione includeva un getto d'aria che aggiungeva energia al sistema, e questo getto veniva utilizzato in modo diverso dai due controllori, il che potrebbe aver influenzato i risultati della temperatura. Notano inoltre che hanno eseguito solo una sessione per ogni condizione, quindi i risultati sono descrittivi piuttosto che statisticamente provati. Le temperature nella simulazione sono misurate in unità arbitrarie, non in gradi del mondo reale, e le "ricompense" date al cervello si basavano su una regola semplice piuttosto che su un complesso calcolo termodinamico. Questi fattori significano che lo studio è una prova di concetto per la piattaforma sperimentale, non una risposta definitiva su come i cervelli delle mosche gestiscono la termodinamica.
In definitiva, questo lavoro apre una porta per la ricerca futura. Accoppiando un modello realistico di un cervello di mosca a un mondo fisico simulato, i ricercatori hanno creato uno strumento che può essere utilizzato per testare come diverse regole di apprendimento o diversi modelli cerebrali potrebbero comportarsi in futuro. I passi successivi consisterebbero nell'eseguire più sessioni per confermare i modelli, testare il sistema con il getto d'aria spento per isolare il controllo del cervello e, forse, eseguire la simulazione su hardware specializzato progettato per mimare la struttura del cervello. Per ora, lo studio rimane un resoconto dettagliato di un cervello di mosca digitale che tenta, e fallisce principalmente, di smistare molecole di gas, mostrando simultaneamente che il cervello stava attivamente cambiando la propria cablatura in risposta alla sfida. È una dimostrazione di come possiamo iniziare a misurare l'interazione tra complessità biologica e leggi fisiche, una molecola simulata alla volta.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.