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

두 방 사이에 서 있는 아주 작고 보이지 않는 대리인을 상상해 보십시오. 이 대리인은 가스 분자들로 가득 찬 두 방 사이에 서 있습니다. 한 방은 뜨겁고, 다른 한 방은 차갑습니다. 대리사의 임무는 두 방 사이의 문으로 다가오는 모든 분자를 관찰하는 것입니다. 만약 차가운 쪽에서 빠르고 에너지가 넘치는 분자가 오면, 대리사는 뜨거운 방으로 들어올 수 있도록 문을 엽니다. 반대로 뜨거운 쪽에서 느리고 기운 없는 분자가 다가오면, 대리사는 문을 닫은 채로 둡니다. 시간이 흐름에 따라, 이러한 분류 작업은 뜨거운 방을 더 뜨겁게 만들고 차가운 방을 더 차갑게 만듭니다. 이는 마치 아무것도 없는 곳에서 에너지를 창조하는 것처럼 보입니다. '맥스웰의 도깨비'로 알려진 이 사고 실험은 백 년 넘게 물리학자들을 도전시켜 왔습니다. 이는 정보와 물리적 실체가 어떻게 상호작용하는지에 대한 질문을 던집니다. 즉, 정보를 측정하고 분류하는 행위 자체가 숨겨진 에너지 비용을 발생시키는가 하는 점입니다. 현대 물리학은 정보 처리 과정 자체가 열을 발생시킨다는 것을 보여줌으로써 이 역설을 해결했지만, 생물학적 뇌가 냄새와 빛이 가득한 세상을 항해하도록 진화했다면 이러한 과업을 어떻게 수행할 것인가라는 질문은 여전히 남아 있습니다.

퀸즈 벨파스트 대학교의 야쉬 샤르마(Yash Sharma)가 진행한 새로운 연구는 시뮬레이션된 초파리 뇌가 이 분류 대리인 역할을 시도하는 디지털 실험실을 구축함으로써 이 질문을 탐구합니다. 연구진은 실제 파리를 사용한 것이 아니라, 개별 뉴런 간의 연결 수준까지 맵핑된 성체 초파리 뇌 전체의 컴퓨터 모델을 사용했습니다. 그들은 이 생물학적 청사진을 슬라이딩 도어가 있는 가스 충전실 시뮬레이션에 연결했습니다. 목표는 실제 세상에서 초파리가 가스를 분류할 수 있다는 것을 증명하는 것이 아니라, 실제 생물학적 배선에 의해 제약받는 뇌가 물리적 환경에 어떻게 반응하고 그 결과로부터 어떻게 학습하는지를 매 초 단위로 관찰할 수 있는 폐쇄 루프 시스템을 만드는 것이었습니다. 디지털 뇌가 내린 모든 결정, 분자가 문을 통과할 때마다의 사건, 그리고 성공이나 실패에 반응하여 뇌의 연결이 미세하게 조정한 모든 과정을 기록함으로써, 연구팀은 생물학적으로 현실적인 제어기가 열역학 법칙과 어떻게 상와작용하는지에 대한 상세한 지도를 만들었습니다.

실험은 두 가지 서로 다른 제어기 사이의 릴레이 경주로 설정되었습니다. 각 실행의 첫 부분에서는 단순하고 미리 프로그래밍된 컴퓨터 스크립트가 도깨비 역할을 맡았습니다. 이 스크립트는 정확히 무엇을 해야 하는지 알고 있었습니다. 즉, 두 챔버 사이의 온도 차이를 유지하기 위해 "적절한" 분자들에게만 문을 열어주는 것이었습니다. 실행의 다음 부분에서는 제어권이 초파리 뇌 모델로 넘어갔습니다. 이 모델은 가스 온도와 분자의 속도에 대한 동일한 정보를 전달받았지만, 자신의 내부 활동을 바탕으로 언제 문을 열지 결정해야 했습니다. 연구진은 이 시뮬레이션을 8회 실행했으며, 각 세션은 5분에서 20분 사이로 지속되었습니다. 모든 세션에서 두 제어기는 2분 30초마다 교대하였으며, 이를 통해 연구팀은 완벽하게 프로그래밍된 스크립트와 동일한 조건 하에서 초파리 뇌 모델이 어떻게 수행되는지 관찰할 수 있었습니다.

결과는 두 제어기 사이에 명확한 차이를 보여주었습니다. 단순한 스크립트가 문을 잡고 있을 때는 두 챔버 사이의 온도 차이를 성공적으로 유지하며 의도한 대로 가스를 분류했습니다. 그러나 초파리 뇌 모델이 제어권을 가질 때마다 온도 차이는 빠르게 사라졌고, 챔버의 양측은 균형 상태로 돌아갔습니다. 초파리 뇌 모델은 이 짧은 세션 동안 분자를 효과적으로 분류하는 법을 배우지 못했습니다. 뜨거운 쪽은 뜨겁게, 차가운 쪽은 차갑게 유지하는 대신, 가스가 섞이도록 방치하여 도깨비 과업이 요구하는 분리 상태를 유지하는 데 실패했습니다. 데이터에 따르면 스크립트의 제어 하에 있을 때의 온도 차이가 초파리 뇌가 제어할 때보다 유의미하게 컸으며, 이는 생물학적 제어기가 이 특정 열역학적 분류 작업을 수행할 능력이 아직 갖춰지지 않았음을 나타냅니다.

가스를 분류하는 데는 실패했지만, 실험은 초파리 뇌 모델이 능동적으로 학습하고 변화하고 있음을 드러냈습니다. 연구진은 시뮬레이션 전반에 걸쳐 뉴런 사이의 연결 강도, 즉 시냅스를 추적했습니다. 그들은 뇌가 결정을 내릴 때마다 이러한 연결이 미세하게 조정되고 있음을 발견했습니다. 이러한 연결의 총 변화량은 모든 실행에서 꾸준히 증가했으며, 이는 네트워크가 자신의 행동에 대해 받는 보상과 처벌에 반응하고 있음을 보여주었습니다. 보상의 유형 또한 중요했습니다. 연구진이 일정하고 예측 가능한 방식으로 보상을 주었을 때, 뇌는 약 48%의 확률로 '좋은' 결정을 내렸습니다. 반면 보상이 무작위적이고 예측 불가능했을 때, 뇌의 성공률은 약 34%로 떨어졌습니다. 이는 생물학적 배선이 신뢰할 만한 전략을 아직 학습하지 못했더라도, 피드백의 패턴에 민감하다는 것을 시사합니다.

이 연구는 제어기가 작동하는 동안의 "마음" 내부를 들여다볼 수 있는 드문 기회를 제공했습니다. 연구진은 냄새나 시각 같은 특정 작업을 처리하는 뉴런의 집합체인 뉴로필(neuropils)이라 불리는 초파리 뇌 모델 내의 특정 영역의 활동을 기록했습니다. 그들은 냄###각이나 시각 정보를 처리하는 데 관여하는 특정 영역들이 실험 중에 가장 활발하게 움직인다는 것을 발견했습니다. 이러한 활동 패턴은 모든 실행 과정에서 일관되게 나타났으며, 이는 제어의 성공 여부와 상관없이 생물학적 구조가 어떤 부분이 관여할지를 결정한다는 것을 보여주었습니다. 연구진은 어떤 부분이 발화(firing)하고 있는지, 그리고 시뮬레이션이 진행됨에 따라 활동이 어떻게 변화하는지를 정확히 볼 수 있었으며, 분자가 문에 접근하는 순간부터 뇌가 내부 연결을 조정하는 순간까지의 센서리모터(sensorimotor) 루프에 대한 완전한 관점을 제공했습니다.

이 연구가 입증하지 않은 바를 이해하는 것이 중요합니다. 저자는 초파리 뇌가 실제로 맥스웰의 도깨리 역할을 할 수 있다는 것을 증명한 것이 아니라고 주의 깊게 밝히고 있습니다. 사실, 결과는 그 반대를 시사합니다. 이 특정 설정에서 생물학적 제어기는 단순한 스크립트보다 훨씬 약한 분류기였습니다. 이 연구는 초파리 뇌가 새로운 기술을 배웠다거나 열역학적 난제를 해결했다고 주장하는 것이 아닙니다. 대신, 이 작업의 가치는 플랫폼 자체에 있습니다. 연구진은 생물학적으로 제약된 네트워크가 물리적 환경에 테스트될 수 있는 검증된 시스템을 구축했으며, 모든 단일 사건이 기록되어 분석 가능하도록 만들었습니다. 이를 통해 과학자들은 실제 배선도를 가진 뇌가 물리적 시스템을 제어하도록 요청받았을 때 어떻게 행동하는지를 매우 정밀하게 측정할 수 있습니다.

연구진은 현재의 발견에 대한 몇 가지 한계를 인정합니다. 예를 들어, 시뮬레이션에는 시스템에 에너지를 더하는 에어 제트(air jet)가 포함되었으며, 이 제트는 두 제어기에 의해 다르게 사용되었는데, 이것이 온도 결과에 영향을 미쳤을 수 있습니다. 또한 그들은 각 조건에 대해 단 하나의 세션만을 실행했으므로, 결과는 통계적으로 증명된 것이라기보다 기술적인(descriptive) 것입니다. 시뮬레이션의 온도는 실제 도씨(degrees)가 아닌 임의의 단위로 측정되었으며, 뇌에 주어진 "보상"은 복잡한 열역학적 계산이 아닌 단순한 규칙에 기반했습니다. 이러한 요소들은 이 연구가 최종적인 답을 내놓는 것이 아니라, 실험 플랫폼으로서의 개념 증명임을 의미합니다.

궁극적으로 이 작업은 미래 연구를 위한 문을 열어줍니다. 실제 초파리 뇌 모델을 시뮬레이션된 물리 세계와 결합함으로써, 연구진은 향후 서로 다른 학습 규칙이나 서로 다른 뇌 구조가 어떻게 수행될지를 테스트할 수 있는 도구를 만들었습니다. 다음 단계로는 패턴을 확인하기 위해 더 많은 세션을 실행하고, 뇌의 제어력을 고립시키기 위해 에어 제트를 끈 상태에서 테스트하며, 나아가 뇌의 구조를 모방하도록 설계된 특수 하드웨어에서 시뮬레이션을 실행하는 것 등이 될 수 있습니다. 현재로서는 이 연구가 디지털 초파리 뇌가 가스 분자를 분류하려고 노력하다가 대부분 실패하는 과정을 기록하는 동시에, 뇌가 도전에 반응하여 자신의 배선을 능동적으로 변화시키고 있음을 보여주는 상세한 기록으로 남아 있습니다. 이는 우리가 시뮬레이션된 하나의 분자씩을 통해 생물학적 복잡성과 물리 법칙 사이의 상호작용을 어떻게 측정하기 시작할 수 있는지를 보여주는 사례입니다.