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

Imagine um pequeno agente invisível parado entre duas salas cheias de moléculas de gás: uma sala quente, a outra fria. O trabalho do agente é observar cada molécula conforme ela se aproxima da porta entre elas. Se uma molécula rápida e energética vier do lado frio, o agente abre a porta para deixá-la entrar na sala quente. Se uma molécula lenta e apática se aproximar do lado quente, o agente mantém a porta fechada. Com o tempo, essa ação de classificação faz com que a sala quente fique mais quente e a sala fria mais fria, aparentemente criando energia do nada. Este experimento mental, conhecido como o demônio de Maxwell, desafia físicos há mais de um século. Ele nos força a perguntar como a informação e a realidade física interagem: será que o ato de medir e classificar moléculas carrega um custo energético oculto? Embora a física moderna tenha resolvido o paradoxo ao mostrar que o processamento de informações em si gera calor, a questão permanece sobre como um cérebro biológico, evoluído para navegar em um mundo de cheiros e luz, realizaria tal tarefa se colocado nesse papel.

Um novo estudo de Yash Sharma, da Queen's University Belfast, explora essa questão construindo um laboratório digital onde um cérebro de mosca simulado tenta atuar como esse agente de classificação. Os pesquisadores não usaram uma mosca real, mas sim um modelo computacional de todo o cérebro de uma mosca-das-frutas adulta, mapeado até o nível das conexões individuais entre os neurônios. Eles conectaram esse projeto biológico a uma simulação de uma câmara cheia de gás com uma porta deslizante. O objetivo não era provar que uma mosca poderia realmente classificar moléculas de gás no mundo real, mas sim criar um sistema de malha fechada onde pudessem observar, segundo a segundo, como um céreamente limitado por uma fiação biológica real reage a um ambiente físico e aprende com os resultados. Ao registrar cada decisão que o cérebro digital tomou, cada vez que uma molécula cruzou a porta e cada pequeno ajuste que as conexões do cérebro fizeram em resposta ao sucesso ou fracasso, a equipe criou um mapa detalhado de como um controlador biologicamente realista interage com as leis da termodinâmica.

O experimento foi configurado como uma corrida de revezamento entre dois controladores diferentes. Para a primeira parte de cada execução, um script de computador simples e pré-programado assumiu o papel do demônio. Este script sabia exatamente o que fazer: abria a porta apenas para as moléculas "certas" para manter uma diferença de temperatura entre as duas câmaras. Para a próxima parte da execução, o controle foi passado para o modelo do cérebro da mosca. Este modelo recebia a mesma informação sobre a temperatura do gás e a velocidade das moléculas, mas tinha que decidir quando abrir a porta com base em sua própria atividade interna. Os pesquisadores rodaram esta simulação oito vezes, com sessões durando entre cinco e vinte minutos. Em cada sessão, os dois controladores alternavam a cada dois minutos e meio, permitindo que a equipe visse como o modelo do cérebro da mosca performava contra o script perfeito e pré-programado sob condições idênticas.

Os resultados mostraram uma distinção clara entre os dois controladores. Quando o script simples segurava a porta, ele conseguia manter uma diferença de temperatura entre as duas câmaras, mantendo o gás classificado conforme o pretendido. No entanto, sempre que o modelo do cérebro da mosca assumia o controle, a diferença de temperatura desaparecia rapidamente e os dois lados da câmara retornavam a um estado de equilíbrio. O modelo do cérebro da mosca não aprendeu a classificar as moléculas de forma eficaz durante essas sessões curtas. Em vez de manter o lado quente quente e o lado frio frio, ele permitiu que o gás se misturasse, falhando em sustentar a separação que a tarefa do demônio exige. Os dados mostraram que a diferença de temperatura sob o controle do script era significativamente maior do que quando o cérebro da mosca estava no comando, indicando que o controlador biológico ainda não era capaz de realizar esse trabalho específico de classificação termodinâmica.

Apesar da falha em classificar o gás, o experimento revelou que o modelo do cérebro da mosca estava aprendendo e mudando ativamente. Os pesquisadores rastrearam a força das conexões entre os neurônios, conhecidas como sinapses, ao longo da simulação. Eles descobriram que, com cada decisão que o cérebro tomava, essas conexões eram ajustadas. A quantidade total de mudança nessas conexões cresceu constantemente em cada execução, mostrando que a rede estava respondendo às recompensas e penalidades que recebia por suas ações. O tipo de recompensa que o cérebro recebia também importava. Quando os pesquisadores usaram uma forma constante e previsível de dar recompensas, o cérebro tomava decisões "boas" cerca de 48 por cento das vezes. Quando as recompensas eram aleatórias e imprevisíveis, a taxa de sucesso do cérebro caía para cerca de 34 por cento. Isso sugere que a fiação biológica era sensível ao padrão de feedback, mesmo que ainda não tivesse aprendido uma estratégia confiável para a tarefa.

O estudo também proporcionou um olhar raro dentro da "mente" do controlador enquanto trabalhava. Os pesquisadores registraram a atividade de regiões específicas dentro do modelo do cérebro da mosca, conhecidas como neuropilos, que são aglomerados de neurônios que lidam com tarefas específicas como cheiro ou visão. Eles descobriram que certas áreas, particularmente aquelas envolvidas no processamento de informações de cheiro e visão, eram as mais ativas durante o experimento. Esses padrões de atividade foram consistentes em todas as execuções, mostrando que a estrutura biológica do cérebro ditava quais partes eram engajadas, independentemente de o controlador ser bem-sucedido na tarefa ou não. Os pesquisadores podiam ver exatamente quais partes do cérebro estavam disparando e como a atividade mudava conforme a simulação progredia, oferecendo uma visão completa do loop sensoriomotor, desde o momento em que uma molécula se aproximava da porta até o momento em que o cérebro ajustava suas conexões internas.

É importante entender o que este estudo não provou. O autor é cuidadoso ao afirmar que eles não demonstraram que um cérebro de mosca pode realmente agir como um demônio de Maxwell. Na verdade, os resultados sugerem o contrário: neste setup específico, o controlador biológico foi um classificador muito mais fraco do que o script simples. O estudo não afirma que a mosca aprendeu uma nova habilidade ou que resolveu o enigma termodinâmico. Em vez disso, o valor do trabalho reside na própria plataforma. Os pesquisadores construíram um sistema verificado onde uma rede biologicamente limitada pode ser testada contra um ambiente físico, com cada evento sendo registrado e disponível para análise. Isso permite que cientistas meçam exatamente como um cérebro construído a partir de diagramas de fiação real se comporta quando solicitado a controlar um sistema físico, algo que era anteriormente difícil de fazer com tal precisão.

Os pesquisadores reconhecem vários limites de seus achados atuais. Por exemplo, a simulação incluiu um jato de ar que adicionava energia ao sistema, e este jato foi usado de forma diferente pelos dois controladores, o que pode ter influenciado os resultados de temperatura. Eles também observam que rodaram apenas uma sessão para cada condição, portanto, os resultados são descritivos em vez de estatisticamente comprovados. As temperaturas na simulação são medidas em unidades arbitrárias, não graus do mundo real, e as "recompensas" dadas ao cérebro foram baseadas em uma regra simples, em vez de um cálculo termodinâmico complexo. Esses fatores significam que o estudo é uma prova de conceito para a plataforma experimental, não uma resposta final sobre como os cérebros de moscas lidam com a termodinâmica.

Em última análise, este trabalho abre uma porta para pesquisas futuras. Ao acoplar um modelo realista de um cérebro de mosca a um mundo físico simulado, os pesquisadores criaram uma ferramenta que pode ser usada para testar como diferentes regras de aprendizagem ou diferentes estruturas cerebrais podem performar no futuro. Os próximos passos envolveriam rodar mais sessões para confirmar os padrões, testar o sistema com o jato de ar desligado para isolar o controle do cérebro e, talvez, rodar a simulação em hardware especializado projetado para imitar a estrutura do cérebro. Por ora, o estudo permanece como um registro detalhado de um cérebro de mosca digital tentando, e falhando majoritariamente, classificar moléculas de gás, enquanto simultaneamente mostra que o cérebro estava alterando ativamente sua própria fiação em resposta ao desafio. É uma demonstração de como podemos começar a medir a interação entre a complexidade biológica e as leis físicas, uma molécula simulada de cada vez.