Naukowcy zaproponowali innowacyjny model, który łączy uczenie przez wzmacnianie z dynamiką sieci chemicznych, aby opisać fototaksję u jednokomorkowców. Zamiast tradycyjnego podejścia opartego na prostych regułach drażliwości, zespół reinterpretuje nawigację komórki jako proces kierowany zmniejszaniem niepewności sensorycznej i aktywną eksploracją otoczenia. Model opiera się na procesach decyzyjnych częściowo obserwowalnych (POMDP) połączonych z równaniami różniczkowymi sieci reakcji chemicznych (CRN-ODE), gdzie komórka utrzymuje minimalny stan wewnętrzny i balansuje między orientacją na światło a eksploracyjnym przeorientowaniem.
Do walidacji modelu użyto odwrotnego uczenia przez wzmacnianie (IRL) analizując 30 eksperymentalnie zarejestrowanych trajektorii alg Chlamydomonas. Wyniki wskazują, że dynamika chemiczna odtwarzają rozkład wyrównania do światła porównywalny ze standardowymi algorytmami symulacyjnymi (SSA), co sugeruje, że organizmem może faktycznie kierować optymalizacja informacyjna realizowana przez procesy biochemiczne.
Badanie to stanowi znaczący krok na styku sztucznej inteligencji i biologii molekularnej. Pokazuje, jak koncepty z uczenia maszynowego mogą opisać rzeczywiste zachowania biologiczne na poziomie chemicznym, otwierając możliwość nowego rozumienia poznania minimalnego i wskazując, że nawet proste organizmy mogą stosować sofistykowane strategie podejmowania decyzji oparte na przesłankach informacyjnych.