Come funziona la prima emulazione completa del cervello di un moscerino

Eon Systems, una startup con sede a San Francisco, ha presentato quella che l’azienda definisce la prima emulazione completa al mondo del cervello di un moscerino della frutta in grado di controllare un corpo fisicamente simulato, producendo molteplici comportamenti naturalistici senza alcun addestramento basato su machine learning. L’annuncio rappresenta quello che i ricercatori del settore considerano un salto qualitativo nella tecnologia di emulazione cerebrale: un passo che colma il divario tra la mappatura di un cervello e la sua capacità di agire.

Il connettoma prende vita

Il punto di partenza è un articolo pubblicato su Nature nel 2024 da Philip Shiu, scienziato senior di Eon, insieme a un gruppo di collaboratori. Quel lavoro aveva costruito un modello computazionale dell’intero cervello adulto di Drosophila melanogaster, il comune moscerino della frutta: più di 125mila neuroni e 50 milioni di connessioni sinaptiche, ricostruiti a partire dal connettoma FlyWire e integrati con previsioni di machine learning per identificare i neurotrasmettitori. Il modello era già capace di prevedere l’attivazione dei motoneuroni con un’accuratezza prossima al 95%, ma mancava di un corpo su cui agire.

Il nuovo sistema di Eon colma precisamente quella lacuna. Il modello cerebrale derivato dal connettoma è stato integrato con un corpo di mosca simulato fisicamente, costruito sul motore MuJoCo e fondato sul framework biomeccanico NeuroMechFly v2. L’input sensoriale entra nel cervello digitale, l’attività neurale si propaga attraverso l’intero connettoma, emergono i comandi motori e il corpo simulato produce comportamenti riconoscibili: camminare, pulirsi, nutrirsi.

Il ciclo percezione-azione si chiude interamente attraverso le dinamiche dei circuiti neurali emulati, senza che apprendimento per rinforzo né animazioni programmate abbiano alcun ruolo. La mosca digitale non impara a muoversi: sa già come farlo, perché il suo cervello è una copia fedele di quello biologico.

Piccole, grandi simulazioni

Dalla mappa alla funzione

Il contesto in cui si inserisce questo risultato è quello di una competizione scientifica serrata. DeepMind e il Janelia Research Campus hanno sviluppato di recente una mosca virtuale in MuJoCo controllata tramite apprendimento per rinforzo, mentre il progetto OpenWorm aveva tentato una simulazione incarnata del sistema nervoso di Caenorhabditis elegans, il verme nematode con i suoi 302 neuroni. L’approccio di Eon si distingue da entrambi: il controllore non è un modello addestrato su compiti artificiali, ma una ricostruzione neurone per neurone del cablaggio biologico originale, ricavata da dati di microscopia elettronica.

In parallelo, un gruppo di ricercatori dei Sandia National Laboratories ha implementato lo stesso connettoma FlyWire sull’hardware neuromorfico Loihi 2 di Intel, ottenendo accelerazioni di diversi ordini di grandezza rispetto alla simulazione convenzionale e confermando la validità del modello attraverso confronti sistematici con simulazioni di riferimento. Si tratta di una convergenza significativa: strade diverse portano allo stesso risultato, e questo aumenta la robustezza dell’intero impianto scientifico.

La distinzione fondamentale che emerge da questo lavoro è quella tra mappa e funzione. Mappare un cervello, anche con la precisione subsinaptica della microscopia elettronica su migliaia di sezioni, non equivale a capirlo. Farlo agire, invece, trasforma la neuroscienza da disciplina osservativa a disciplina ingegneristica: le ipotesi sui circuiti neurali diventano previsioni testabili digitalmente, in pochi secondi, senza bisogno di esperimenti su animali.

La strada verso il topo

La traiettoria dichiarata di Eon è ambiziosa quanto lineare. Il passo successivo è il cervello di un topo, con circa 70 milioni di neuroni, seguito dall’emulazione su scala umana. Per farlo, l’azienda sta combinando la microscopia a espansione per mappare le connessioni neurali con decine di migliaia di ore di imaging del calcio e del voltaggio, una tecnica che permette di osservare come le reti neurali si attivano nel tessuto vivente. L’obiettivo è costruire non solo la topologia del cablaggio, ma anche la sua dinamica funzionale.

Rimangono tuttavia questioni aperte che la simulazione del moscerino non risolve. Le regole di apprendimento biologico, il ruolo degli ormoni e dei neuropeptidi, la funzione computazionale delle cellule gliali: tutti questi elementi sono assenti dal modello attuale. La mosca digitale di Eon è un sistema straordinariamente accurato nella struttura sinaptica, ma è ancora una semplificazione rispetto alla complessità biochimica del vivente.

Sul piano economico, la posta in gioco è altrettanto rilevante. L’emulazione cerebrale apre scenari che vanno dalla modellazione di disturbi neurologici alla robotica autonoma, dalla progettazione di chip neuromorforici a bassa latenza fino, nel lungo periodo, alle discussioni più speculative sull’identità digitale. Eon ha costruito una pipeline che integra acquisizione dati, simulazione e embodiment (incarnazione del modello in un corpo simulato) su un cervello intero: se la scalabilità regge, il passaggio al topo non è una questione di tipo, ma di scala.