Un gruppo internazionale di ricercatori coordinato dalla McGill University, in Canada, ha sviluppato un prototipo di biocomputer che utilizza batteri viventi come unità di elaborazione per risolvere problemi matematici complessi attraverso un sistema di calcolo parallelo. La ricerca, pubblicata l’11 agosto 2026 sulla rivista scientifica Microsystems & Nanoengineering e presentata pubblicamente dall’università il 3 novembre, introduce un’architettura nella quale le operazioni computazionali vengono rappresentate fisicamente mediante reti di canali microfluidici percorsi da microrganismi in movimento. Il progetto è il risultato di circa vent’anni di collaborazione tra istituzioni scientifiche di Canada, Europa, Regno Unito e Australia e propone un approccio differente rispetto all’elaborazione elettronica tradizionale. Invece di affidare il calcolo a circuiti basati su transistor, il sistema utilizza il movimento e la riproduzione dei batteri per esplorare contemporaneamente numerose combinazioni possibili. L’elemento distintivo è la capacità delle unità biologiche di moltiplicarsi durante l’esecuzione, aumentando progressivamente il numero di processori disponibili senza richiedere l’aggiunta fisica di nuovi componenti elettronici. Il principio viene applicato a problemi combinatori nei quali il numero delle soluzioni potenziali cresce rapidamente con l’aumentare delle variabili, rendendo particolarmente onerosa la ricerca di una configurazione corretta.
Il funzionamento del dispositivo si basa sulla conversione di un problema matematico in un grafo, successivamente riprodotto attraverso una rete fisica di canali microscopici interconnessi. La sperimentazione è stata condotta sul Subset Sum Problem, un problema NP-completo che consiste nel determinare se, all’interno di un insieme di numeri interi, esista un sottoinsieme la cui somma corrisponda a un valore prefissato. Il numero di combinazioni possibili cresce esponenzialmente con la quantità di elementi considerati e può raggiungere dimensioni tali da rendere impraticabile una verifica esaustiva su un sistema elettronico convenzionale. Nell’architettura biologica, ogni possibile percorso attraverso la rete microfluidica rappresenta una sequenza di decisioni, mentre le giunzioni svolgono la funzione di porte logiche fisiche. Determinati incroci permettono ai batteri di scegliere tra percorsi alternativi, equivalenti all’inclusione o all’esclusione di un elemento dall’insieme, mentre altri consentono il proseguimento lungo un tragitto prestabilito. Le uscite della rete corrispondono ai risultati delle somme possibili, permettendo di identificare le combinazioni valide attraverso l’osservazione delle traiettorie effettivamente percorse dai microrganismi.
La realizzazione del dispositivo prevede la fabbricazione di uno stampo iniziale in silicio, utilizzando tecniche litografiche per definire con precisione la geometria dei canali e delle giunzioni. Da questo stampo viene ricavata una struttura in polidimetilsilossano, o PDMS, successivamente sigillata su un substrato trasparente, come il vetro. Il materiale polimerico presenta una permeabilità all’ossigeno che favorisce il mantenimento delle condizioni necessarie alla sopravvivenza dei batteri aerobici, mentre la configurazione chiusa dei canali limita la possibilità che i microrganismi escano dai percorsi di calcolo oppure vi entrino attraverso collegamenti non previsti. Le dimensioni dei condotti devono essere compatibili con quelle delle cellule, generalmente superiori a un micrometro in larghezza e profondità, e sufficientemente controllate da mantenere una direzionalità del movimento. Per alcune giunzioni, nelle quali anche piccole variazioni geometriche possono determinare errori di instradamento, i ricercatori hanno utilizzato la litografia a fascio elettronico, che permette una maggiore precisione rispetto alle tecniche ottiche tradizionali. La rete microfluidica viene quindi popolata con batteri mobili, il cui movimento spontaneo costituisce il meccanismo fisico attraverso il quale vengono esplorate le combinazioni codificate nella struttura.
Gli esperimenti hanno utilizzato due tipologie di microrganismi, Escherichia coli HCB437 e Vibrio natriegens, selezionate per le rispettive caratteristiche di mobilità, morfologia e capacità riproduttiva. Il ceppo E. coli HCB437 presenta alterazioni del sistema di chemiotassi che ne modificano il comportamento direzionale, favorendo un movimento relativamente regolare attraverso i canali. Vibrio natriegens è stato invece scelto per le sperimentazioni dedicate alla moltiplicazione delle unità computazionali, grazie alla sua elevata velocità di divisione cellulare e alla possibilità di utilizzare marcatori fluorescenti per seguirne il movimento. Ogni batterio agisce come un’unità di elaborazione autonoma, percorrendo fisicamente una sequenza di decisioni rappresentata dalle giunzioni. Quando una cellula si divide, le nuove unità possono continuare a esplorare percorsi differenti, incrementando il parallelismo complessivo del sistema. Il meccanismo permette di aumentare il numero dei processori biologici durante il calcolo, una caratteristica che distingue questa soluzione dalle precedenti architetture di biocomputazione basate su filamenti di actina, microtubuli o altre unità mobili non autoreplicanti. In quelle configurazioni, la quantità iniziale di agenti disponibili costituiva un limite alla capacità di esplorare simultaneamente lo spazio delle soluzioni, mentre la moltiplicazione batterica introduce una modalità di amplificazione delle risorse computazionali direttamente durante l’esecuzione.
La crescita della popolazione biologica deve essere regolata per evitare che un numero eccessivo di cellule determini congestioni o ostruzioni nei canali. I ricercatori hanno quindi considerato il controllo della temperatura come uno strumento per modificare la velocità di riproduzione dei microrganismi e mantenere condizioni operative compatibili con il funzionamento della rete. La gestione del rapporto tra mobilità e divisione cellulare rappresenta una componente essenziale dell’architettura: una riproduzione insufficiente limita il numero di percorsi esplorati, mentre una crescita eccessiva può compromettere il movimento delle cellule e aumentare gli errori. Le prove sperimentali hanno inoltre analizzato il comportamento dei batteri nelle giunzioni di separazione e attraversamento, osservando le traiettorie corrette, le deviazioni non consentite e i casi nei quali le cellule interrompono il movimento. Il sistema di acquisizione utilizza microscopia e strumenti di elaborazione automatica delle immagini per registrare le posizioni dei microrganismi e ricostruire i percorsi seguiti. La lettura dei risultati può avvenire attraverso il conteggio dei batteri che raggiungono determinate uscite oppure mediante mappe di densità ottenute combinando le immagini delle traiettorie. Queste rappresentazioni permettono di stabilire non soltanto se esista una soluzione valida, ma anche quali decisioni abbiano condotto alla combinazione individuata.
Il principale vantaggio teorico della tecnologia riguarda il rapporto tra crescita della complessità matematica e disponibilità delle risorse computazionali. Nei problemi NP-completi affrontati attraverso ricerca esaustiva, il numero di combinazioni da esaminare aumenta esponenzialmente, mentre un sistema elettronico dispone generalmente di una quantità di processori fissata dalla configurazione hardware. Nel biocomputer sviluppato dal gruppo di McGill, la riproduzione dei batteri permette di aumentare progressivamente il numero di unità che esplorano la rete, compensando almeno in parte la crescita dello spazio delle soluzioni. Dan Nicolau, professore di bioingegneria e autore senior della ricerca, ha descritto il principio attraverso il confronto tra un processore elettronico capace di eseguire milioni di operazioni al secondo e una popolazione di milioni di unità biologiche che operano contemporaneamente, pur essendo individualmente molto più lente. L’analisi di scalabilità presentata dai ricercatori identifica condizioni nelle quali la moltiplicazione batterica potrebbe rendere il sistema competitivo rispetto all’elaborazione elettronica su particolari problemi combinatori. Questo risultato deriva tuttavia da un modello di crescita delle risorse e non dimostra che il prototipo abbia già superato le prestazioni di un moderno computer convenzionale nell’esecuzione di problemi di grandi dimensioni.
Un secondo aspetto riguarda l’efficienza energetica del calcolo biologico. Le stime riportate nella ricerca indicano un fabbisogno di circa 2 × 10⁻¹⁸ joule per operazione biologica, considerando una distanza di dieci micrometri tra due porte logiche, rispetto a valori compresi tra 3,9 × 10⁻¹² e 1,4 × 10⁻¹¹ joule per operazione utilizzati come riferimento per i processori elettronici. Il confronto suggerisce un potenziale vantaggio di diversi ordini di grandezza nel consumo energetico associato al meccanismo elementare di elaborazione. Gli autori precisano tuttavia che questi valori non rappresentano il consumo complessivo dei sistemi: nei batteri soltanto una parte dell’energia metabolica viene destinata al movimento, mentre il funzionamento del dispositivo richiede ulteriori risorse per mantenere l’ambiente biologico, controllare le condizioni operative e acquisire i risultati mediante apparati ottici. Analogamente, nei sistemi elettronici l’energia effettivamente utilizzata comprende anche memoria, comunicazioni, raffreddamento e componenti ausiliari. Non è quindi possibile interpretare direttamente il rapporto tra i due valori come una riduzione già dimostrata del consumo complessivo di un computer commerciale.
Le applicazioni considerate dai ricercatori riguardano problemi combinatori presenti nella crittografia, nella biologia molecolare e in alcune attività di ottimizzazione collegate all’intelligenza artificiale. Una possibile area di utilizzo è la ricerca di configurazioni molecolari che soddisfano specifici vincoli strutturali, sfruttando il fatto che la rete fisica permette di esplorare simultaneamente molte alternative. Il gruppo di ricerca ritiene che questo approccio possa affiancare i metodi di intelligenza artificiale che utilizzano informazioni precedentemente disponibili per stimare determinate configurazioni, introducendo una modalità alternativa di esplorazione delle soluzioni. La tecnologia non è tuttavia stata dimostrata come sostituto dei sistemi di previsione delle strutture proteiche o dei modelli AI attualmente utilizzati nella ricerca biomolecolare. Le applicazioni a problemi differenti dal Subset Sum richiederanno la progettazione delle rispettive reti microfluidiche, la definizione delle giunzioni logiche e lo sviluppo di procedure affidabili per interpretare i risultati. Anche la possibilità di utilizzare il sistema per problemi crittografici complessi rimane una prospettiva di ricerca e non una capacità operativa già validata.
Il lavoro introduce infine alcune possibili evoluzioni dell’architettura, tra cui l’integrazione di matrici di sensori ottici capaci di acquisire le traiettorie in parallelo e l’utilizzo di sistemi locali di riscaldamento e raffreddamento per controllare la mobilità e la proliferazione dei batteri nelle differenti regioni della rete. I ricercatori considerano anche la possibilità di modificare geneticamente i microrganismi per registrare informazioni relative ai percorsi attraversati, trasformando ciascuna unità biologica in un elemento capace non soltanto di elaborare una decisione, ma anche di conservarne una traccia. Tecniche di marcatura molecolare e modificazione delle proteine, del DNA o dell’RNA potrebbero rendere possibile questa funzione, pur richiedendo ulteriori sviluppi sperimentali. La ricerca rappresenta quindi una dimostrazione di fattibilità di un sistema nel quale la struttura fisica dei canali codifica il problema, il movimento delle cellule realizza le operazioni logiche e la riproduzione biologica incrementa le risorse disponibili durante il calcolo. Il dispositivo non è destinato a sostituire i processori elettronici o quantistici nelle applicazioni generali, ma propone una forma specializzata di elaborazione parallela nella quale le proprietà dei sistemi viventi diventano parte integrante dell’architettura computazionale.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)