Modélisation Stochastique de la Scalabilité et de la Variabilité Biologique dans le Wet Computing : Vers un Cadre Conceptuel pour l’Intelligence Organoïde (OI)

Abstract

L’industrie informatique se heurte actuellement aux limites de la loi de Moore et aux contraintes thermodynamiques du calcul sur silicium, catalysant l’émergence du wet computing (informatique humide). Ce paradigme propose l’intégration de substrats biologiques, tels que les organoïdes neu- ronaux, pour viser une ecacité énergétique et une plasticité inaccessibles aux semi-conducteurs. Toutefois, le déploiement de ces systèmes est entravé par la variabilité stochastique inhérente au vivant et les défis de scalabilité liés à la nécrose. Le présent article propose un cadre de modélisation stochastique pour explorer théo- riquement ces contraintes. En intégrant des variables critiques le nombre de neurones (N ), la variabilité biologique intrinsèque (‡), la plasticité synaptique (÷) et un nouveau facteur concep- tuel de vascularisation simulée (V ) nous explorons les conditions de stabilité d’un système hybride. Nos simulations in silico suggèrent qu’une vascularisation active (V Ø 2, 0), agissant comme proxy de la stabilité métabolique, est nécessaire pour mitiger la dégradation du signal induite par l’échelle. Plutôt que de revendiquer une viabilité industrielle immédiate, ces résultats posent l’hypothèse que l’architecture microfluidique est le déterminant principal de la fiabilité computationnelle en intelligence organoïde (OI).

Keywords