細菌モデルが優れたレゾーバーコンピューターとなる要因は何か：可分離性と類似性に基づく性能予測

arXiv:2604.19850v1 Announce Type: cross Abstract: 生物システムは、複雑な内部動態を通じて環境情報を自然に処理するため、計算の基盤として有望です。本研究では、細菌代謝モデルが物理的なレゾーバーとして機能し、その計算性能が可分離性と類似性に連動した動的性質から予測できるかどうかを検討しました。5 種の細菌、1 種の酵母、そして 29 株の E. coli 単一遺伝子欠損変異体を、グルコースとキシロース濃度を入力とし、成長曲線をレゾーバー状態として使用した動的フラックスバランス解析（dFBA）で成長動態をシミュレーションしました。計算性能は、線形読み出しを用いたランダム非線形分類タスクで評価され、可分離性と類似性に連関したレゾーバーの性質は、成長曲線状態行列から計算される核関数階層と一般化階層を通じて特徴付けられました。複数の微生物モデルが高い分類精度を示し、細菌代謝動態が非線形計算をサポートできることを示唆しました。種間の明確な違いが見られ、あるモデルは収束が早いが最大精度は低く、他方あるモデルはより高い最大精度を達成しており、収束速度とピークパフォーマンスの間のトレードオフが存在することを示しています。対照的に、すべての E. coli 変異体は野生型モデルに支配されており、遺伝子欠損が効率的な計算に必要な動的豊かさの減少を反映している可能性があります。核関数階層と一般化階層の差は一般的に精度の向上に関連していますが、モデル間の変動や低階層値における感実性が、実用的な予測能力の限界を示しています。総合的に、これらの結果は、細菌代謝モデルがレゾーバー計算の有望な基盤であることを示しており、将来の実験的実装に有利な計算特性を持つ微生物菌株の特定に向けた最初のステップを提供します。

arXiv:2604.19850v1 Announce Type: cross Abstract: Biological systems are promising substrates for computation because they naturally process environmental information through complex internal dynamics. In this study, we investigate whether bacterial metabolic models can act as physical reservoirs and whether their computational performance can be predicted from dynamical properties linked to separability and similarity. We simulated the growth dynamics of five bacterial species, one yeast species, and 29 Escherichia coli single-gene deletion mutants using dynamic flux balance analysis (dFBA), with glucose and xylose concentrations as inputs and growth curves as reservoir states. Computational performance was assessed on random nonlinear classification tasks using a linear readout, while reservoir properties linked to separability and similarity were characterised through kernel and generalisation ranks computed from growth-curve state matrices. Several microbial models achieved high classification accuracy, showing that bacterial metabolic dynamics can support nonlinear computation. Clear differences were observed between species, with some models converging more rapidly and others reaching higher maximum accuracy, revealing a trade-off between convergence speed and peak performance. In contrast, all E. coli mutants were dominated by the wild-type model, suggesting that gene deletions reduce the dynamical richness required for efficient computation. The difference between kernel and generalisation ranks was generally associated with improved accuracy, but deviations across models and sensitivity at low rank values limited its predictive power in practice. Overall, these results show that bacterial metabolic models constitute promising substrates for reservoir computing and provide a first step towards identifying microbial strains with favourable computational properties for future experimental implementations.