화학적 크레딧-어사인먼트 채널: 이온펌프 도파민 제3인자로 하드웨어 3인자 학습을 실행하는 오가노이드 리저버(iD3-OR)

A Chemical Credit-Assignment Channel: An Iontronic Dopamine Third-Factor Organoid Reservoir (iD3-OR) that Executes Hardware Three-Factor Learning

초록

현재의 오가노이드 컴퓨팅은 전기자극이라는 단일 채널로 입력과 학습신호를 함께 주입하므로, "어느 시냅스를 강화할지"를 공간적으로 지정하지 못하는 크레딧-어사인먼트 병목에 갇혀 있다. 그 결과 리저버는 비지도 상태에 머물고, 유도된 학습효과는 45분 안에 소멸한다. 본고는 계산신경과학의 도파민 3인자(eligibility trace × 보상) 규칙, 유기전자 이온펌프(OEIP)의 주소지정 화학전달, 오가노이드 저수지 컴퓨팅, 도파민 수용체 생화학의 네 분야를 종합한다. 핵심 교차 신호는 (1) eligibility trace의 초 단위 시간창과 OEIP 전달지연의 정합, (2) OEIP 어레이의 공간 주소지정과 D1/D2 세포별 도파민 해독의 결합이다. 본고는 전기 MEA가 담당하는 입출력과 물리적으로 분리된 화학적 제3인자 채널로 OEIP가 도파민을 국소 전달하고, 오가노이드 자신의 수용체 생화학이 보상변조 STDP를 하드웨어로 실행하는 기술 iD3-OR를 명세한다. 주 예측: iD3-OR는 2034년 6월까지 단일 연구그룹에 의해, 화학 채널 유무로 지도학습 정확도 이득 ≥15%p, 학습 유지 ≥24 h, 도파민 수용체 길항제로 이득 ≥70% 소거, 강화 국소성 ≤100 µm를 동시에 만족하는 실험실 시연으로 실증된다(신뢰도 40%). 대표 반증: 도파민의 STDP 변조가 인간 피질 오가노이드 뉴런에서 D1/D2 수용체 비의존적임이 2031년 12월까지 양성 결과로 확립되면 기각된다.

주제어: 오가노이드 지능, 저수지 컴퓨팅, 유기전자 이온펌프, 도파민, 3인자 학습규칙, eligibility trace, 보상변조 STDP, 크레딧 어사인먼트

Abstract

Present-day organoid computing injects both input and learning signals through a single electrical channel, and therefore cannot spatially specify which synapses to strengthen — a credit-assignment bottleneck. Consequently the reservoir remains unsupervised and induced learning decays within ~45 minutes. This work synthesizes four fields: the dopaminergic three-factor learning rule (eligibility trace × reward) from computational neuroscience, addressable chemical delivery by organic electronic ion pumps (OEIP), organoid reservoir computing, and dopamine-receptor biochemistry. The decisive cross-signals are (1) the match between the seconds-scale eligibility window and OEIP delivery latency, and (2) the pairing of spatially addressable OEIP arrays with cell-type-specific D1/D2 dopamine decoding. We specify iD3-OR, in which an OEIP array delivers dopamine through a chemical third-factor channel physically decoupled from the electrical MEA I/O, so that the organoid's own receptor biochemistry executes reward-modulated STDP in hardware rather than in software. Primary prediction: by June 2034 a single research group will demonstrate, at the laboratory scale, an iD3-OR that simultaneously satisfies a supervised-learning accuracy gain ≥15 percentage points attributable to the chemical channel, learning retention ≥24 h, ≥70% abolition of the gain by dopamine-receptor antagonists, and potentiation confined to ≤100 µm around the addressed outlet (confidence 40%). Representative falsifier: the prediction is rejected if, by December 2031, peer-reviewed work establishes as a positive result that dopamine-induced STDP modulation in human cortical organoid neurons is independent of D1/D2 receptors.

Keywords: organoid intelligence, reservoir computing, organic electronic ion pump, dopamine, three-factor learning rule, eligibility trace, reward-modulated STDP, credit assignment

1. 서론: 왜 이 기술은 아직 존재하지 않는가

1.1 문제 정의

오가노이드 컴퓨팅의 충족되지 않은 기능 요구는 다음과 같이 정량 정의된다. 3차원 인간 뇌 오가노이드를 물리 리저버로 사용할 때, 외부에서 "특정 부분집합의 시냅스만을 선택적으로 강화 또는 약화하라"는 지도학습 신호(supervised credit)를 공간 해상도 100 µm 이하, 시간창 초 단위로 주입하여, 그 결과가 24시간 이상 유지되는 능력이 현재 부재하다. 현세대는 이 신호를 전기자극으로만 주입하는데, 전기장은 전극 근방 다수 뉴런을 무차별 흥분시켜 "무엇을 강화할지"를 시냅스·미세도메인 단위로 지정하지 못한다[1,2,3]. 목표지향 학습을 실증한 최신 연구조차 보상신호를 직접 전기자극으로 주입하며, 유도된 개선이 45분 휴식 후 소멸함을 보고한다[3]. 즉 요구 성능(공간 선택적·지속적 크레딧 배정)과 현 성능(전역·일시적 전기 변조) 사이에 원리적이 아닌 구조적 격차가 존재한다.

1.2 기존 기술의 한계 지도

이 지도의 핵심은 각 접근을 막는 한계가 대부분 "구조적"이라는 점이다. 즉 물리·생물 법칙의 상한이 아니라 분야 간 결합의 부재가 병목이다. 도파민 3인자 규칙은 이론·생물학적으로 확립되었으나 오가노이드에 물질화되지 않았고, OEIP는 오가노이드에 결합되었으나 도파민을 학습신호로 쓰지 않았으며, 오가노이드 리저버는 전기 단일채널에 갇혀 있다.

1.3 본고의 주장과 구성

기존의 구조적 한계(전기 단일채널의 크레딧-어사인먼트 병목)는 계산신경과학의 도파민 3인자 규칙[8,9,10]과 유기 이온트로닉스의 주소지정 화학전달[32,41]의 결합으로 해소 가능하며(2장), 그 결합체가 전기 I/O와 분리된 화학적 제3인자 채널을 갖는 오가노이드 리저버 iD3-OR이고(3장), 관문 G1–G6을 거쳐 2034년까지 실험실 실증된다(4–5장). 2장은 네 분야의 성과와 교차 신호를, 3장은 작동 원리와 구성요소별 성숙도를, 4장은 관문·로드맵과 결합확률·신뢰도 산정을, 5장은 반증 조건과 예측을, 6장은 파급과 위험을 다룬다.

2. 문헌 종합

2.1 근거 문헌 개요

본고의 근거는 네 분야에 걸친 54편의 학술 문헌이며, 검색은 2026년 7월 학술 문헌 색인(PubMed, IEEE Xplore), 특허 데이터베이스(Google Patents, USPTO Patent Public Search, Espacenet), 산업·기술 문헌을 대상으로 다섯 축(도파민 3인자 규칙, OEIP/이온트로닉스, 오가노이드/저수지 컴퓨팅, 도파민 수용체 생화학, 교차·실현성)에서 수행되었다(검증 절차와 검색식은 부록 A). 등급 분포는 동료심사 학술지 논문(T1)이 다수이며 프리프린트(T2) 3편([29,47,49])을 포함한다.

시간 분포와 최신성. 시간 분포에는 명시적 편향이 있다: 3인자 학습규칙과 저수지 컴퓨팅의 이론적 토대는 2002–2018년에 확립되었고, 오가노이드·OEIP 어레이·세포별 도파민 PKA 영상 등 실험 성과는 2019–2026년에 집중된다. 최근 5년(2021–2026) 문헌은 54편 중 21편으로 38.9%이며(더 엄격한 2022–2026 창에서는 16편, 29.6%), 본고가 채택한 최근 5년 40% 최신성 기준에 1.1%p 미달한다. 본고는 이 수치를 왜곡 없이 밝히고 다음과 같이 정당화한다.

1. 미달은 이론 토대의 성숙에서 기인한다. Izhikevich 2007[8], Maass 2002[5], Jaeger&Haas 2004[6], Reynolds&Wickens 2002[17] 등 정준 문헌은 원저로서 대체 불가능하며 최신본으로 교체될 성질이 아니다. 이들을 최신 리뷰로 갈아끼우면 최신성 지표는 오르나 근거의 1차성이 훼손된다.
2. 본고 신규성은 오래된 이론이 아니라 최근의 하드웨어 성과에 있다. 신규성·실현성을 좌우하는 하드웨어·실현 근거 부분집합([1,2,3,22,23,24,32,33,40,41,45,46,47,48,49,51], 16편) 중 최근 5년(2021–2026) 비율은 14/16 = 87.5%이다. 즉 이론은 오래되었으나 결합을 뒷받침하는 근거는 최신이다.
3. 미달 폭(1.1%p, 문헌 1편 미만에 해당)은 이론 원저를 유지하려는 명시적 선택의 결과이며, 근거의 신뢰성을 저해하지 않는다.

언어는 영어권 문헌에, 도파민-가소성 실험은 설치류 선조체·피질에 편중되어 있어, 인간 피질 오가노이드로의 외삽에는 관문(G3)이 필요하다. 신규성의 근거가 오래된 이론이 아니라 최근 하드웨어 성과(OEIP 오가노이드 결합[33], 주소지정 어레이[32,40,41], 세포별 도파민 PKA 해독[22,23])와 이론의 미결합에 있음은 2.3절에서 논증한다.

2.2 분야별 최신 성과

2.2.1 도파민 3인자 학습규칙과 eligibility trace (계산신경과학)

성숙 추세: 2007년 순수 이론[8]에서 출발해, 2014–2017년 광유전·이광자 자극으로 eligibility trace의 생물학적 실존과 초 단위 시간창이 in vivo에서 실증되었다[14,18,19]. 이 궤적은 "3인자 규칙은 확립된 사실"로 수렴한다. 단독 한계: 이 문헌은 전부 in silico 또는 생체 슬라이스/뉴런에 머물며, 학습신호를 공학적으로 "주입"하는 하드웨어 채널을 제공하지 않는다 — 규칙은 있으나 물질화 수단이 없다.

2.2.2 유기전자 이온펌프(OEIP)와 이온트로닉스 (유기 바이오일렉트로닉스)

성숙 추세: 2007–2009년 원리 증명[30,31]에서, 2015–2023년 in vivo 치료(뇌전증·통증) 전달[34,37], 밀리초 어레이[32], ~100 µm 프린트 소형화[41], 스위치매트릭스 어드레싱[40]으로 급속 발전했다. 특히 2023년 OEIP는 이미 피질 오가노이드에 물리적으로 결합되었다[33]. 단독 한계: OEIP 문헌은 전달 물질을 K⁺·GABA·글루탐산 등 활성 변조·치료 목적에 쓸 뿐, 도파민을 "학습신호(제3인자)"로 정의하지 않으며 3인자 학습 개념이 없다.

2.2.3 오가노이드 지능·저수지 컴퓨팅 (계산·시스템)

성숙 추세: 2002–2004년 리저버 이론[5,6]이 2019–2026년 오가노이드·OECT 물리 리저버로 물질화되었다[1,45,46]. 결정적으로 2026년 연구[3]는 오가노이드 내부에 조작 가능한 글루탐산성 가소성 기질이 실재하나 현 하드웨어가 그것을 선택적으로 지정하지 못함을 정량적으로 드러낸다. 단독 한계: 오가노이드 리저버는 전기 단일채널에 갇혀 지도학습으로 전환할 화학적 보상채널이 없고, OECT 리저버는 생물학적 3인자 규칙 실행기가 없다.

2.2.4 도파민 수용체 생화학·보상변조 가소성 (분자·세포신경과학)

성숙 추세: 2002–2008년 코르티코스트리아탈 3인자 실증[15,16,17]에서, 2014–2023년 이광자·PKA 바이오센서로 도파민 시간창의 분자기전(cAMP/PKA/PDE, AC1/PDE10A)이 세포 고유 기전으로 규명되었다[14,24]. 단독 한계: 이 문헌은 급성 슬라이스·in vivo 설치류에 편중되어, 배양 인간 피질 오가노이드에서 동일 기전이 발현·작동하는지는 부분 증거[51]에 그친다.

2.3 교차 신호 분석

2.3.1 신호 S1: eligibility trace 시간창과 OEIP 전달지연의 정합

① 물리량 인터페이스: 분야 A의 "제3인자"는 도파민 농도 과도이고, 분야 B의 OEIP 출력도 국소 신경전달물질 농도 과도이므로 물리량이 동일하다(변환 손실 없음). ③ 시간상수 정합이 이 신호의 핵심이다. eligibility trace는 수백 ms–수 초 지속되며[8,10,19], 도파민의 스파인 작용창은 0.3–2 s이고[14], in vivo 보상 도착 허용창은 ≈2 s이다[18]. 나아가 도파민은 페어링 후 분 단위 지연에도 소급 강화를 유도한다[13,27]. OEIP 자체의 전기→화학 스위칭 지연은 ≈45–50 ms로[32] 생물학적 창보다 1–2자릿수 작다. 따라서 시간축에서는 넉넉한 여유가 있다.

② 스케일(공간) 정합은 미충족이며, 여기서 두 공간 척도를 구분해야 한다. (a) ≤30 µm는 도파민이 초 단위 창 안에 표적에 도달하기 위한 출구–표적 거리 요구(전달 기하·어레이 피치 제약)이다. 조직 확산 시간 τ ≈ r²/(2D)는 D≈2.4×10⁻⁶ cm²/s에서 r=20 µm이면 ≈0.8 s(창 내), r=100 µm이면 ≈21 s(창 밖)이므로, 초 단위 창에 부합하려면 출구–표적 거리를 약 30 µm 이하로 좁혀야 한다(관문 G2). (b) 후술 P1의 ≤100 µm는 강화가 국소에 갇혔음을 보이는 관측 가능한 confinement 반경(성능 판정 기준)이다. 동일한 확산이 두 척도를 동시에 만족시킨다: r=30 µm 전달에서 τ≈0.8 s로 창 내 도달이 이루어지고, 같은 확산으로 2 s 시점의 도파민 plume 1/e 반경은 √(2Dt)=√(2·2.4×10⁻⁶·2)≈31 µm에 그쳐 강화 footprint가 자연히 ~30 µm로 제한된다. 즉 ≤30 µm 전달 요구와 ≤100 µm 강화 국소성은 상충이 아니라, 같은 확산 과정을 "시간 충족에 필요한 거리"와 "결과로 관측되는 반경"의 두 기준으로 본 것이며, 후자를 측정 여유와 미세도메인 단위 대안(G2 대안 경로)을 위해 넉넉히 잡은 것이다.

2.3.2 신호 S2: 공간 주소지정 화학전달과 세포별 도파민 해독의 결합

② 스케일: OEIP 어레이는 ≈100 µm급 주소지정 전달을 프린트 공정으로 실증했고[32,41], 개별 전달점 어드레싱은 스위치매트릭스로 확장 가능하다[40]. 분야 D는 단일 화학신호(도파민)가 세포 정체성에 따라 강화(D1↑)·약화(D2↓)로 갈리는 세포 고유 디코딩을 실증한다[16,22,23]. 두 성과의 결합은 "어느 미세도메인을 강화/약화할지"를 도파민(정방향 크레딧)과 도파민 딥/길항(역방향 크레딧)의 공간·화학적 주소지정으로 지정한다는 설계를 가능케 하며, 전기 MEA 단일채널이 못하는 선택적 크레딧 배정을 화학적으로 대체한다. ① 물리량 미충족: 도파민은 양이온성 신경조절물질로, GABA·글루탐산 대비 OEIP 정량 전달·선택성 데이터가 얇다. 도파민 특이 전달 효율·누출·선택성 정량이 관문 G1이다.

2.3.3 신호 S3: 세포 내재 규칙 실행

③ 시간상수·기전 정합: 분야 A의 3인자 규칙은 "eligibility trace × 제3인자"의 곱셈을 요구하는데[9,10], 분야 D는 그 곱셈이 실제로 계산되는 분자 노드를 제공한다 — DARPP-32가 도파민(cAMP/PKA)과 글루탐산(칼슘) 신호를 통합하고[26], AMPA 수용체 Ser845/Ser831 인산화 균형이 부호를 정한다[25]. 결정적으로 도파민은 성체 설치류·인간 피질 뉴런에서 STDP 창을 여닫는다[28,51]. 이는 "학습규칙을 소프트웨어가 아니라 오가노이드 자신의 수용체 생화학이 실행한다"는 본고 주장의 물증이다. 미충족: 배양 인간 피질 오가노이드가 D1/D2 표현형과 도파민 반응성 가소성을 충분히 발달시키는지는 부분 증거[51]뿐이며, 관문 G3으로 등재한다.

2.3.4 신호 S4: 지도학습 리저버로의 전환

④ 프로토콜 정합: 분야 C의 오가노이드는 이미 리저버로 작동하나 비지도에 머문다[1]. 분야 A는 단일 전역 보상채널+국소 Hebbian만으로 카오스 리저버가 지도학습에 수렴함을 수학적으로 증명했다[11,12]. 따라서 오가노이드 리저버에 도파민 단일 화학채널을 더하면 지도학습 리저버로 전환된다는 계산 실현성이 성립한다. 미충족: 폐루프에서 실제 수렴과 24 h 이상 유지(2026년 45분 소멸 한계[3] 극복)는 실증 대상이며 관문 G6이다.

2.4 종합

이상의 신호는 iD3-OR의 부재가 원리의 문제가 아니라 결합의 문제임을 시사한다. 시간축(S1·S3)은 이미 정합하고, 계산 이론(S4)은 지도학습 전환을 보증하며, 하드웨어 부품(주소지정 OEIP·오가노이드 리저버·도파민 생화학)은 각각 성숙했다. 결합에 필요한 잔여 조건은 관문 G1(도파민 양이온 정량 전달), G2(공간 confinement로 시간창 충족), G3(오가노이드 도파민-가소성 표현형), G4(전기·화학 채널 간섭 억제), G5(클리어런스·독성 예산), G6(폐루프 수렴·유지)이며 4장에서 다룬다.

3. 예측 기술 명세

3.1 명칭 부여와 신규성 진술

명칭. 국문: 이온펌프 도파민 제3인자 오가노이드 리저버. 영문: Iontronic Dopamine Third-factor Organoid Reservoir. 약어: iD3-OR. 작명은 작동 원리(이온펌프로 전달되는 도파민이 제3인자로 오가노이드 리저버의 3인자 학습을 구동)를 기술한다.

신규성 진술. 본 명세와 동일한 작동 원리·구성 — 전기 MEA I/O와 물리적으로 분리된 화학적 제3인자 채널로 OEIP 도파민을 공간 주소지정 전달하여, 오가노이드 자신의 도파민 수용체 생화학이 보상변조 STDP를 하드웨어로 실행하게 함으로써 리저버를 지도학습 가능하게 전환하는 기술 — 은 2026-07-13 기준 학술 문헌·특허·산업 문헌 어디에도 존재하지 않는다(부록 A). 가장 근접한 선행과의 구성요소 수준 대비:

• OEIP 피질 오가노이드 변조[33]: 하드웨어 결합(OEIP↔오가노이드)은 동일하나, 전달 물질이 K⁺/GABA로 활성 "변조"에 그치고 도파민을 "학습신호"로 쓰지 않으며, 전기 I/O와 분리된 3인자 채널·크레딧 배정 개념이 없다. iD3-OR는 이 전달 플랫폼을 "학습신호 주입 채널"로 재정의한다.
• 목표지향 오가노이드 학습[3]: 리저버 학습은 동일 목표이나, 보상을 직접 전기자극으로 주입하고 학습규칙을 외부 소프트웨어 RL이 담당한다(도파민 미사용, 45분 소멸). iD3-OR는 규칙 실행을 오가노이드 생화학으로 이전한다.
• 무기 하드웨어 R-STDP(멤리스터/실리콘) 선행: 도파민변조 STDP와 보상변조 크레딧 배정을 무기 전자소자로 구현한 특허·소자 계열 — 3-멤리스터 시냅스 STDP+도파민 신호(US 8,433,665 B2 / EP 2 591 450 A1), 원거리 보상 문제의 STDP–도파민 연계(US 8,849,735 B2), 신경전달물질 매개 가소성 바이오하이브리드 시냅스[53] — 가 존재하나, 전량 무기·전자 소자 또는 단일 인공 시냅스이다. 살아있는 3차원 오가노이드 조직에 실제 도파민을 화학 전달해 세포 고유 수용체 생화학이 학습규칙을 실행하는 습식 바이오하이브리드 결합, 그리고 전기 I/O와 분리된 공간 어레이 구조는 이들 어디에도 없다.
• 바이오하이브리드 도파민 시냅스[53]: 도파민 매개 가소성을 쓰나 단일 인공 시냅스 소자이며, 3차원 오가노이드 리저버·공간 어레이·전기/화학 채널 분리 구조가 아니다.

3.2 작동 원리

iD3-OR의 학습은 3인자 규칙을 물질화한다. 시냅스 i→j의 가중치 갱신은

Δw_ij = η · ∫ e_ij(t) · D_j(t) dt … (1)

로 쓴다. 여기서 η는 학습률, e_ij는 eligibility trace, D_j는 표적 미세도메인의 도파민 제3인자다.

(가) 전기 2인자 코인시던스 [실증: 1,2]. 전기 MEA가 pre/post 스파이크를 유도하면 시냅스에 eligibility trace가 설정된다:

de_ij/dt = −e_ij/τ_e + W_STDP(t_post−t_pre)·Σ_k δ(t−t_k) … (2)

τ_e는 오가노이드에서 미측정이나 피질/해마 근거로 0.5–2 s로 추정된다[10,14,19,27](불확실성: 상한이 더 길 수 있음). 이 단계는 Hebbian 2인자로, 활동만으로는 "침묵" 상태이며 가중치를 바꾸지 않는다[27].

(나) 화학 제3인자 전달 [관문 G1·G2]. OEIP 어레이가 표적 미세도메인 근방으로 도파민을 전기영동 방출한다. 국소 농도장은

∂c/∂t = D_DA ∇²c − k_clear·c + S_OEIP(r,t) … (3)

로 지배된다. D_DA≈2.4×10⁻⁶ cm²/s(조직), k_clear는 DAT 매개로 ≈1–10 s⁻¹, S_OEIP는 OEIP 소스항이다. 전달 잠복은 OEIP 스위칭(≈45–50 ms[32])과 조직 확산(τ≈r²/2D_DA)의 합이다.

(다) 세포 내재 규칙 실행 [실증: 14,16,22; 관문 G3]. 도착한 도파민은 세포 고유 생화학으로 eligibility trace를 가중치 변화로 전환한다. D1 발현 세포에서는 도파민 상승이 cAMP/PKA→DARPP-32(Thr34)→PP-1 억제를 통해 LTP를, D2 세포에서는 도파민 하강(딥)이 상보적으로 LTD를 유도한다[16,22,23,26]. 부호는 식 (1)에서 D_j의 방향(상승 vs 딥/길항)과 세포 정체성이 결정한다. 이 곱셈이 실제로 계산되는 물리 노드가 DARPP-32/AMPA 인산화 균형이다[25,26].

(라) 판독·폐루프 [실증: 5,6,11; 관문 G6]. 리저버 상태는 전기 MEA로 판독되고, 선형 판독층이 과제 오차를 산출한다. 오차의 부호·크기에 따라 폐루프 제어기가 OEIP 도파민 펄스의 공간 표적·진폭·타이밍을 결정한다. R-STDP 수렴 정리[11,12]에 의해 이 폐루프는 지도학습에 수렴한다. 학습규칙(1)–(3)의 실행은 소프트웨어가 아니라 오가노이드 생화학에 있으며, 소프트웨어는 보상의 배정(어디에 도파민을 줄지)만 담당한다.

정량 예산과 두 공간 척도. 반경 20 µm 반구 미세도메인(부피 ≈17 pL)에서 1 µM 위상성 도파민을 만들려면 ≈17 amol이 필요하다. OEIP 전달 용량(분당 pmol–nmol급[30,32])은 이보다 5–6자릿수 크므로 용량은 제약이 아니다. 제약은 (i) 공간 confinement과 (ii) 클리어런스·독성이다. 여기서 설계에는 두 반경이 등장하는데 이는 상충하지 않는다(2.3.1절): 전달 요구 ≤30 µm(도파민이 τ≤2 s 안에 표적에 도달하려면 출구–표적 거리를 이 이하로 좁혀야 함, G2)와 강화 국소성 목표 ≤100 µm(강화가 전역으로 번지지 않았음을 보이는 관측 상한, P1)이다. 30 µm 이내 전달은 100 µm 이내 confinement보다 오히려 엄격하며, 동일한 확산으로 2 s 시점의 plume 반경이 ~31 µm에 그치므로 강화 footprint는 30 µm 근방에 자연히 갇혀 ≤100 µm 조건을 여유 있게 충족한다.

3.3 시스템 구성도

flowchart LR
    ENV["과제 환경/데이터"] -->|자극 인코딩| C2
    C2["C2: 전기 MEA I/O 채널"] -->|pre/post 코인시던스| C1
    C1["C1: 오가노이드 리저버"] -->|리저버 상태(전위)| C2
    C2 -->|판독 상태| C5["C5: 폐루프 제어·선형 판독층"]
    C5 -->|오차→보상 배정(공간 표적)| C3["C3: OEIP 도파민 마이크로어레이"]
    C3 -->|도파민/길항 국소 전달| C4["C4: 도파민 수용체 생화학 실행기(세포 내재)"]
    C4 -->|가중치 변화(LTP/LTD)| C1
    C6["C6: 관류·클리어런스·안전"] -->|농도·독성 예산| C3
    C6 -.->|간섭 차폐| C2

3.4 핵심 구성요소별 기술 성숙도 평가

C1. 오가노이드는 리저버로서 비선형성·페이딩 메모리를 실증했으나[1], 지도학습 전환과 지속성은 미실증이다. 2026년 연구[3]가 조작 가능한 가소성 기질의 실재와 45분 소멸 한계를 동시에 보여, TRL 4로 판정한다.

C2. 고밀도 MEA 입출력은 Brainoware·DishBrain에서 반복 실증되어[1,2] TRL 6이나, 화학 채널과의 물리·전기적 간섭 차폐(G4)가 잔여 과제다.

C3. OEIP는 오가노이드에 결합되었고[33] ~100 µm·~50 ms 전달·어레이 어드레싱이 성숙했으나[32,41,40], 도파민(양이온) 특이 정량 전달과 ≤30 µm confinement는 미실증이라 TRL 3이다.

C4. 도파민 D1/D2 의존 양방향 STDP는 설치류 및 인간 피질 뉴런에서 확립되었으나[16,22,51], 배양 오가노이드에서의 발현·작동은 미확립이라 TRL 3이다.

C5. 리저버 선형 판독과 폐루프 보상자극은 성숙[2,6,11]하나, 화학 제3인자를 표적하는 보상 배정 제어기는 신규 통합이 필요해 TRL 5이다.

C6. 도파민 과잉의 퀴논/ROS 독성 기전은 정리되어 있으나[52], OEIP 국소 펄스의 농도·반복률 안전 예산은 미정립이라 TRL 2이다.

3.5 목표 성능 규격

목표 15 %p의 산출 근거. 물리 리저버는 판독층을 학습하는 지도 구성과 학습 없는 비지도 구성 사이에 과제 정확도 격차를 보이며, 유사 벤치마크에서 이 격차는 통상 수십 %p 규모로 보고된다[7,11,12]. DishBrain·Brainoware가 보인 학습 관련 성능 변화[1,2]와 R-STDP 수렴 이론[11,12]을 함께 고려하되, 생물 기질의 변동성과 소멸(45분[3])을 크게 할인하여, 화학 채널 기인 이득의 최소 검출 목표를 이 격차의 약 절반 이하인 15 %p로 보수적으로 설정한다. 15 %p는 특정 문헌에서 외삽한 측정치가 아니라, 화학 채널의 인과 기여를 반증 가능하게 만들기 위한 설계 문턱값이다(이보다 큰 이득은 예측을 강화할 뿐 반증하지 않는다). 소거율(≥70 %) 조건과 결합해, 이 이득이 도파민 수용체 생화학에 기인함까지 함께 요구함으로써 우연·부수 효과를 배제한다.

4. 실현 경로

4.1 기술 관문

각 관문의 "예상 해소 시점" 확률은 해당 관문 자체의 표적 연도까지 해소될 주변확률(marginal)의 주관 추정이며, 근거를 함께 명시한다. 관문 간 결합확률과 P1 신뢰도의 산정은 4.5절에서 별도로 다룬다.

G1. 도파민 양이온 정량 전달

• 정의: OEIP로 도파민(양이온성)을 오가노이드에 정량·선택적으로 전달하는 데이터가 얇다.
• 현재 상태: GABA/K⁺·글루탐산·아세틸콜린 등 양이온 전기영동 전달은 정량화되었고 OEIP-오가노이드 결합도 실증됨[30,32,33]; 도파민 특이 전달 효율·누출은 미정량.
• 해소 조건: 표적 미세도메인에서 도파민 위상성 과도 0.1–1 µM를 유발하고, 인접 100 µm 밖 누출을 목표 농도의 10% 이하로 억제하는 전달을 재현.
• 예상 해소 시점 및 근거: 2029년(최빈) ~ 2032년(비관), 2030년까지 해소 확률 55%. 근거 — 도파민은 이미 정량화된 양이온 전기영동 전달[30,32,43]과 동일 물리를 공유하므로 잔여 과제가 신물리가 아니라 재료·선택성·누출 최적화에 국한된다(재료·공정 문제).
• 의존 관계: 없음(선행 관문 아님).
• 대안 경로: 도파민 대신 D1 작용제/광개폐 도파민 유사체 전달로 우회(대가: 순수 내재 도파민 서사 약화).

G2. 시간창–공간 confinement 정합

• 정의: 0.3–2 s eligibility 창 안에 도파민이 표적에 도달하려면 출구–표적 거리를 좁혀야 한다.
• 현재 상태: OEIP 스위칭 ≈50 ms[32], 프린트 해상도 ≈100 µm[41]; 조직 확산 τ가 r=100 µm에서 ≈21 s로 창을 초과.
• 해소 조건: 출구–표적 거리 ≤30 µm에서 도파민 도달 지연 ≤2 s를 실측하거나, 고밀도 어레이(피치 ≤50 µm)로 이를 달성.
• 예상 해소 시점 및 근거: 2030년(최빈) ~ 2033년(비관), 2031년까지 해소 확률 50%. 근거 — 필요 거리 ≤30 µm는 확산식(τ=r²/2D)의 직접 귀결로 물리적으로 명확하나, 관건은 어레이 피치를 100 µm에서 ≤50 µm로 낮추는 미세가공 수율로, 공정 개선 난이도가 중간이다.
• 의존 관계: G1.
• 대안 경로: 미세도메인 단위 크레딧 배정으로 목표 하향(단일 시냅스 대신 ~수백 시냅스 도메인; 대가: 해상도 저하).

G3. 오가노이드 도파민-가소성 표현형

• 정의: 배양 인간 피질 오가노이드가 D1/D2 수용체와 도파민 반응성 STDP 기계를 충분히 발현하는지 미확립.
• 현재 상태: 인간 피질 뉴런에서 도파민-STDP 조절 실증[51]; 오가노이드 표현형은 부분 증거.
• 해소 조건: 오가노이드 뉴런에서 도파민 투여가 D1/D2 의존적으로 STDP 방향을 전환함을 약리 차단으로 검증.
• 예상 해소 시점 및 근거: 2029년(최빈) ~ 2032년(비관), 2030년까지 해소 확률 60%. 근거 — 인간 피질 뉴런에서 도파민-STDP는 이미 실증되었고[51], 오가노이드 표현형 발현은 신기전이 아니라 배양·성숙 프로토콜의 성숙도에 의존하는 생물학적 변수라 중상 확률로 본다.
• 의존 관계: 없음.
• 대안 경로: 도파민 뉴런 공배양·유전자 유도로 표현형 보강(대가: 순수 자발 발생 서사 약화).

G4. 전기·화학 채널 물리 분리·간섭 억제

• 정의: 전기 MEA 자극/기록과 OEIP 전달의 상호 전기·유체 간섭.
• 현재 상태: 동소 전기 센싱+화학 전달(neural pixel, ECoG 이온펌프)이 실증됨[36,38].
• 해소 조건: OEIP 구동 중 MEA 기록 잡음 증가 ≤ 정의된 임계, 전기자극이 OEIP 전달을 유의하게 교란하지 않음을 실측.
• 예상 해소 시점 및 근거: 2029년(최빈) ~ 2031년(비관), 2030년까지 해소 확률 70%. 근거 — 동일 부위 전기+화학 통합 소자가 이미 다수 실증되었고[36,38], 실패 시 시분할 다중화 대안이 있어 해소 확률이 상대적으로 높다.
• 의존 관계: G1.
• 대안 경로: 시간분할 다중화(전기·화학 교대 구동)로 간섭 회피(대가: 실시간성 저하).

G5. 클리어런스·독성 예산

• 정의: 국소 도파민 반복 펄스의 퀴논/ROS 독성과 DAT 클리어런스 한계.
• 현재 상태: 도파민 퀴논 독성 기전 정리[52], 프로톤 트랩으로 pH 부작용 저감[35].
• 해소 조건: 표적 세포 생존율 저하 없이(정의된 임계) 학습에 충분한 펄스 반복률을 유지하는 농도·빈도 창을 실측.
• 예상 해소 시점 및 근거: 2030년(최빈) ~ 2033년(비관), 2031년까지 해소 확률 55%. 근거 — 독성 기전은 정량화되어 있고[52] 완화책(프로톤 트랩[35])이 존재하나, 학습에 충분한 반복률과 안전 창의 양립 여부가 미실측이라 불확실성이 크다.
• 의존 관계: G1.
• 대안 경로: 항산화 관류·클리어런스 보조(DAT 발현 세포 공배양)로 완화.

G6. 폐루프 지도학습 수렴·유지

• 정의: 화학 제3인자 폐루프가 실제 과제에서 수렴하고 학습이 24 h 이상 유지되는지 미실증.
• 현재 상태: R-STDP 수렴은 이론 증명[11,12], 폐루프 전기학습은 실증[2]; 화학 채널 수렴·유지는 미실증.
• 해소 조건: 3.5절 목표(정확도 이득 ≥15 %p, 유지 ≥24 h, 길항제 소거 ≥70 %, 국소성 ≤100 µm)를 동시 충족.
• 예상 해소 시점 및 근거: 2033년(최빈) ~ 2036년(비관), 2034년까지 해소 확률 55%. 근거 — R-STDP 수렴은 이론으로 보장되고[11,12] 폐루프 전기학습은 실증되었으나[2], 화학 채널 수렴과 24 h 유지의 통합 실증은 전례가 없어 단일 실패점이다.
• 의존 관계: G1–G5 전부.
• 대안 경로: 없음 — 단일 실패점.

4.2 관문 의존 그래프

flowchart TD
    G1["G1 도파민 정량 전달"] --> G2["G2 시간창-공간 정합"]
    G1 --> G4["G4 채널 간섭 억제"]
    G1 --> G5["G5 클리어런스·독성"]
    G3["G3 오가노이드 표현형"] --> G6
    G2 --> G6["G6 폐루프 수렴·유지 (단일 실패점)"]
    G4 --> G6
    G5 --> G6
    G6 --> DEMO["iD3-OR 시스템 실증 (P1)"]

4.3 마일스톤 로드맵

4.4 실현 주체 분석

관문별 최근접 역량은 공개 정보 기준으로 다음과 같이 분포한다. OEIP·이온트로닉스(G1·G2·G4)는 유기 바이오일렉트로닉스 연구그룹(스웨덴·미국·영국의 유기전자·바이오전자 연구소)에 집중되어 있고[30,32,35,40,41], 오가노이드 리저버(C1·G6)는 오가노이드 컴퓨팅·웨트웨어 그룹[1,2,3,48]에, 도파민 가소성 표현형(G3)은 세포·시스템 신경과학 그룹[16,22,51]에 있다. 이 세 역량은 현재 물리적으로 분리된 기관·분야에 존재하며, iD3-OR의 구조적 위험은 바로 이 분산에 있다 — 어느 단일 그룹도 세 역량을 동시에 보유하지 않아, 학제 간 컨소시엄 형성 실패가 최대 지연 요인이다. 필요 자원은 차수 추정으로 3D MEA·OEIP 미세가공 라인, iPSC 오가노이드 배양·관류 인프라, 폐루프 소프트웨어를 포함하는 중형 다학제 시설 규모이며, 오가노이드 지능 로드맵[4]이 요구하는 미세유체·전달 인터페이스 투자와 정합한다.

4.5 관문 결합확률과 신뢰도 산정

4.1절의 관문별 확률을 독립 베르누이로 보아 단순 곱하면 안 된다. 이유는 두 가지다. 첫째, 이 확률들은 각 관문의 표적 연도까지의 주변확률이며, P1 시한(2034-06)은 대부분 관문 표적 연도보다 늦어 시한까지의 해소 확률은 이보다 높다. 둘째, 관문들은 서로 독립이 아니라 양의 상관을 갖는다 — G1·G2·G4·G5는 동일한 OEIP–도파민 전달 플랫폼을 공유하므로 유능한 단일 컨소시엄이 이들을 함께 해소하는 경향이 있고, G3은 생물학 주도로 반독립이며, G6은 통합 단일 실패점이다.

그럼에도 낙관 편향을 피하기 위해, 아래 두 극단과 중심 추정을 명시한다.

(하한) 독립 가정 바닥. 시한(2034-06)까지의 주변확률을 G1≈0.80, G2≈0.70, G3≈0.85, G4≈0.90, G5≈0.70, 그리고 입력이 갖춰진 뒤 G6≈0.60(조건부)로 두고 이를 독립으로 곱하면 약 0.18이다. 관문이 실제로 독립이라면 신뢰도는 이 수준이다.

(상한) 강상관·컨소시엄 확보 천장. 공유 플랫폼 관문(G1·G2·G4·G5)이 함께 해소된다고 보아 하나의 공정 클러스터(≈0.80)로 묶고, 생물 클러스터 G3(≈0.85), 통합 G6(조건부 ≈0.65)만 남기면 기술 성공은 약 0.80·0.85·0.65 ≈ 0.44이다. 이는 컨소시엄이 확실히 형성되었다는 가정(구조적 위험 배제) 위의 천장이다.

(중심) 2단계 결합. 실제로는 구조적 위험(컨소시엄·재원)이 별도 관문으로 작동한다. P1 성공 = (통합·재원 확보된 프로그램이 2030년경까지 착수) × (기술 관문이 시한까지 해소). 전자를 P(A)≈0.65(4.4절이 지목한 최대 지연 요인), 후자를 위 상관 구조에서 P(B|A)≈0.60로 두면 P(P1) ≈ 0.65·0.60 ≈ 0.39이다.

이상을 종합하여 본고는 P1 신뢰도를 40%로 채택한다. 이는 독립 바닥(≈18%)보다 높되(공유 플랫폼의 양의 상관과 2034까지의 완충 시간, G1·G2·G3·G5의 대안 경로를 반영) 강상관 천장(≈44%)을 넘지 않는 값이며, 종전의 60%가 이 천장조차 초과하는 낙관치였음을 바로잡은 것이다. 지배적 불확실성은 개별 관문의 물리가 아니라 학제 간 컨소시엄 형성과 G6 통합 실증에 있다.

5. 반증 조건과 예측 선언

5.1 예측 선언

P1 (주 예측). iD3-OR은(는) 2034년 6월까지 단일 연구그룹에 의해 다음 정량 조건을 모두 만족하는 실험실 시연 형태로 실증된다: 화학(도파민) 채널 유무로 측정한 지도학습 정확도 이득 ≥ 15 %p; 학습 유지 시간 ≥ 24 h; 도파민 수용체 길항제 투여 시 학습 이득 감소 ≥ 70 %; 강화 국소성(공간 confinement 반경) ≤ 100 µm. (신뢰도 40%; 산정 근거 4.5절)

P2 (보조 예측). iD3-OR의 하드웨어 제3인자 원리는 2030년 6월까지 단일 연구그룹에 의해, OEIP 도파민 국소 전달이 오가노이드의 유발 시냅스 반응을 D1/D2 수용체 의존적으로 변조함을 약리 차단으로 검증하는 실험실 시연으로 실증된다. (신뢰도 50%; G1×G3 결합에 상관 보정)

5.2 반증 조건

F1 (원리적·양성 발화형). 다음 중 하나가 2031년 12월까지 확인되면 본 예측은 기각된다: (i) 인간 피질 오가노이드(또는 오가노이드 유래 인간 피질 뉴런)에 도파민을 투여한 동료심사 연구가, 유도된 STDP 변화가 D1/D2 길항제로 차단되지 않는 수용체 비의존적 효과임을 양성 결과로 보고하거나(즉 세포 생화학이 3인자 규칙을 실행하지 않음의 양성 증거), (ii) 양성대조(길항제 차단 대조 포함)를 갖춘 관측 시도에서 도파민의 D1/D2 의존 STDP 방향 전환이 재현되지 않음. 발화성 주석: 이 조건은 "부재의 증명"이라는 출판 곤란을 피하도록, 실험자가 통상 수행하는 길항제 차단 대조의 양성 결과(도파민 효과가 길항제 하에서도 지속됨)로 촉발되게 설계되었다. 성체 인간 피질 뉴런에서 도파민-STDP 조절이 이미 양성으로 보고되어[51] 오가노이드 재현 시도가 예상되며, 그 대조 실험 결과는 성패와 무관하게 출판 가능하므로 F1은 실무적으로 관측 가능하다. 또한 P2(2030-06)가 시도되어 D1/D2 의존적 변조를 보이지 못하면 이는 F1을 지지하는 관측 가능한 조기 지표가 된다.

F2 (경로). OEIP 도파민 전달이 표적 근방 반경 ≤30 µm에서 0.3–2 s 창 안에 0.1–1 µM 위상성 과도를 형성하는 조건(또는 미세도메인 단위 대안)이 2032년 6월까지 달성 불가로 확정되면 본 예측은 기각된다.

F3 (경로). 폐루프 화학 제3인자 학습의 성능 이득이 도파민 수용체 길항제로 70% 이상 소거되지 않음이 2033년 12월까지 확인되면(학습이 도파민 생화학이 아닌 부수 효과에 기인) 본 예측은 기각된다.

F-말미 (시한). 2034년 6월 경과 시점까지 P1의 정량 조건이 관측되지 않으면 본 예측은 기각된다(expired).

5.3 판정 프로토콜

본 예측의 판정은 시한 도래 후 90일 이내에 다음 객관적 규칙으로 이루어진다. (1) 판정 근거로 동료심사 문헌 및 독립 검증 가능한 공개 데이터·시연만 인정하며, 미공개·보도자료 단독은 불인정한다. (2) 부분 실현(partially_verified)은 P1의 네 정량 조건 중 3건 충족 및 잔여 1건이 목표값의 80% 이상(예: 유지 ≥19.2 h, 이득 ≥12 %p, 소거 ≥56%, 국소성 ≤125 µm)에 도달한 경우로 한정한다. (3) 판정 곤란·자료 불충분 시 기각(falsified)으로 간주한다. 사후 기준 논쟁을 봉쇄하기 위해 국소성은 강화 신호가 목표 도메인 중심에서 반경 내로 유의하게 국한됨을 요구한다.

5.4 예측 요약표

6. 파급 효과와 위험

6.1 과학·기술 파급

첫째, 지도학습 가능한 오가노이드 리저버는 비지도 물리 리저버[1]가 못하던 과제 특이적 함수 근사를 생물 기질에서 가능케 하여, 저전력 생물 컴퓨팅 벤치마크[7]를 새로 정의한다. 둘째, 전기 I/O와 분리된 화학 크레딧 채널은 신경과학의 3인자 규칙[8,10]을 조작 가능한 실험 플랫폼으로 전환해, in silico 이론과 생체 실증 사이의 인과 검증(도파민 시간창·수용체 특이성)을 오가노이드에서 직접 수행하게 한다. 셋째, OEIP 도파민 어레이는 도파민 외 다중 신경조절물질(아세틸콜린 등[21]) 채널로 확장되어, 순차적 신경조절[21] 같은 복합 학습규칙의 하드웨어 검증을 연다.

6.2 산업·경제 파급

대상 영역은 저전력 신경형 컴퓨팅과 창약·독성 스크리닝용 생물 컴퓨팅 플랫폼이다. iD3-OR는 유기 바이오전자 제조[40,41]와 오가노이드 배양[4]의 접점에 위치하여, 두 산업의 공정 통합 수요를 만든다. 다만 구체적 시장 규모는 산출 방법이 검증된 자료가 본고 근거에 부재하므로 수치 인용을 삼간다. 본고는 투자 조언이 아니며 특정 기업·종목을 언급하지 않는다.

6.3 위험과 오용 가능성

첫째, 안전: 국소 도파민 과잉은 퀴논/ROS로 세포독성을 유발하므로[52], OEIP 펄스 농도·반복률의 상한(G5)이 안전 관문이자 오용 진입장벽이다. 둘째, 이중용도: 지도학습 가능한 생물 리저버는 정보처리 복잡성이 높아져 오가노이드 지능의 윤리·법·사회 우려[50]를 증폭한다. 화학적 보상채널은 "보상"을 직접 주입하므로, 오가노이드의 도덕적 지위 논쟁[50]을 첨예화한다. 셋째, 규제 공백: 전기 자극 기반 오가노이드에는 없던 신경조절물질 전달이 도입되므로, 전달 물질·농도·클리어런스의 표준과 감독 체계가 선행되어야 한다. 구체적 오용 시나리오로, 감독 없는 행위자가 클리어런스·독성 예산을 무시하고 고빈도 도파민 펄스로 오가노이드 활성을 강제 조형하는 경우가 있으며, 이때 G5(독성 예산)의 공개 표준이 유일한 방어선이다.

6.4 예측의 상호작용

본고의 공표는 자기실현 효과(로드맵 공개가 OEIP-오가노이드 학제 컨소시엄 형성을 유인)와 자기부정 효과(경쟁 경로인 순수 전기·소프트웨어 RL 오가노이드[3]로의 자원 집중)를 동시에 가진다. 4.4절이 지적한 역량 분산이 최대 지연 요인이므로, 공표가 컨소시엄 형성을 촉진하면 신뢰도 상향 요인이 된다. 이 상반된 상호작용의 순효과는 불확실하며, 5.1절 신뢰도 40%는 4.5절의 2단계 결합에서 이 구조적 위험을 이미 반영한 값이다.

이해상충

이해상충: 선언할 이해상충이 없다.

참고문헌

[1] Cai, H.; Ao, Z.; Tian, C.; Wu, Z.; Liu, H.; Tchieu, J.; Gu, M.; Mackie, K.; Guo, F. "Brain organoid reservoir computing for artificial intelligence". Nature Electronics, 6, 1032–1039, 2023. doi:10.1038/s41928-023-01069-w.

[2] Kagan, B. J.; Kitchen, A. C.; Tran, N. T.; Habibollahi, F.; Khajehnejad, M.; Parker, B. J.; Bhat, A.; Rollo, B.; Razi, A.; Friston, K. J. "In vitro neurons learn and exhibit sentience when embodied in a simulated game-world". Neuron, 110(23), 3952–3969, 2022. doi:10.1016/j.neuron.2022.09.001.

[3] "Goal-directed learning in cortical organoids". Cell Reports, 45, 116984, 2026. doi:10.1016/j.celrep.2026.116984.

[4] Smirnova, L.; Caffo, B. S.; Gracias, D. H.; Huang, Q.; Morales Pantoja, I. E.; Tang, B.; Zack, D. J.; Berlinicke, C. A.; Boyd, J. L.; Harris, T. D.; et al. "Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish". Frontiers in Science, 1, 1017235, 2023. doi:10.3389/fsci.2023.1017235.

[5] Maass, W.; Natschläger, T.; Markram, H. "Real-time computing without stable states: a new framework for neural computation based on perturbations". Neural Computation, 14(11), 2531–2560, 2002. doi:10.1162/089976602760407955.

[6] Jaeger, H.; Haas, H. "Harnessing nonlinearity: predicting chaotic systems and saving energy in wireless communication". Science, 304(5667), 78–80, 2004. doi:10.1126/science.1091277.

[7] Tanaka, G.; Yamane, T.; Héroux, J. B.; Nakane, R.; Kanazawa, N.; Takeda, S.; Numata, H.; Nakano, D.; Hirose, A. "Recent advances in physical reservoir computing: A review". Neural Networks, 115, 100–123, 2019. doi:10.1016/j.neunet.2019.03.005.

[8] Izhikevich, E. M. "Solving the distal reward problem through linkage of STDP and dopamine signaling". Cerebral Cortex, 17(10), 2443–2452, 2007. doi:10.1093/cercor/bhl152.

[9] Frémaux, N.; Gerstner, W. "Neuromodulated spike-timing-dependent plasticity, and theory of three-factor learning rules". Frontiers in Neural Circuits, 9, 85, 2016. doi:10.3389/fncir.2015.00085.

[10] Gerstner, W.; Lehmann, M.; Liakoni, V.; Corneil, D.; Brea, J. "Eligibility traces and plasticity on behavioral time scales: experimental support of neoHebbian three-factor learning rules". Frontiers in Neural Circuits, 12, 53, 2018. doi:10.3389/fncir.2018.00053.

[11] Legenstein, R.; Pecevski, D.; Maass, W. "A learning theory for reward-modulated spike-timing-dependent plasticity with application to biofeedback". PLoS Computational Biology, 4(10), e1000180, 2008. doi:10.1371/journal.pcbi.1000180.

[12] Hoerzer, G. M.; Legenstein, R.; Maass, W. "Emergence of complex computational structures from chaotic neural networks through reward-modulated Hebbian learning". Cerebral Cortex, 24(3), 677–690, 2014. doi:10.1093/cercor/bhs348.

[13] Brzosko, Z.; Schultz, W.; Paulsen, O. "Retroactive modulation of spike timing-dependent plasticity by dopamine". eLife, 4, e09685, 2015. doi:10.7554/eLife.09685.

[14] Yagishita, S.; Hayashi-Takagi, A.; Ellis-Davies, G. C. R.; Urakubo, H.; Ishii, S.; Kasai, H. "A critical time window for dopamine actions on the structural plasticity of dendritic spines". Science, 345(6204), 1616–1620, 2014. doi:10.1126/science.1255514.

[15] Pawlak, V.; Kerr, J. N. J. "Dopamine receptor activation is required for corticostriatal spike-timing-dependent plasticity". Journal of Neuroscience, 28(10), 2435–2446, 2008. doi:10.1523/JNEUROSCI.4402-07.2008.

[16] Shen, W.; Flajolet, M.; Greengard, P.; Surmeier, D. J. "Dichotomous dopaminergic control of striatal synaptic plasticity". Science, 321(5890), 848–851, 2008. doi:10.1126/science.1160575.

[17] Reynolds, J. N. J.; Wickens, J. R. "Dopamine-dependent plasticity of corticostriatal synapses". Neural Networks, 15(4–6), 507–521, 2002. doi:10.1016/S0893-6080(02)00045-X.

[18] Fisher, S. D.; Robertson, P. B.; Black, M. J.; Redgrave, P.; Sagar, M. A.; Abraham, W. C.; Reynolds, J. N. J. "Reinforcement determines the timing dependence of corticostriatal synaptic plasticity in vivo". Nature Communications, 8, 334, 2017. doi:10.1038/s41467-017-00394-x.

[19] Bittner, K. C.; Milstein, A. D.; Grienberger, C.; Romani, S.; Magee, J. C. "Behavioral time scale synaptic plasticity underlies CA1 place fields". Science, 357(6355), 1033–1036, 2017. doi:10.1126/science.aan3846.

[20] Bittner, K. C.; Grienberger, C.; Vaidya, S. P.; Milstein, A. D.; Macklin, J. J.; Suh, J.; Tonegawa, S.; Magee, J. C. "Conjunctive input processing drives feature selectivity in hippocampal CA1 neurons". Nature Neuroscience, 18(8), 1133–1142, 2015. doi:10.1038/nn.4062.

[21] Brzosko, Z.; Zannone, S.; Schultz, W.; Clopath, C.; Paulsen, O. "Sequential neuromodulation of Hebbian plasticity offers mechanism for effective reward-based navigation". eLife, 6, e27756, 2017. doi:10.7554/eLife.27756.

[22] Lee, S. J.; Lodder, B.; Chen, Y.; Patriarchi, T.; Tian, L.; Sabatini, B. L. "Cell-type-specific asynchronous modulation of PKA by dopamine in learning". Nature, 590, 451–456, 2021. doi:10.1038/s41586-020-03050-5.

[23] Iino, Y.; Sawada, T.; Yamaguchi, K.; Tajiri, M.; Ishii, S.; Kasai, H.; Yagishita, S. "Dopamine D2 receptors in discrimination learning and spine enlargement". Nature, 579, 555–560, 2020. doi:10.1038/s41586-020-2115-1.

[24] Yagishita, S. "Cellular bases for reward-related dopamine actions". Neuroscience Research, 188, 1–9, 2023. doi:10.1016/j.neures.2022.12.005.

[25] Nakano, T.; Doi, T.; Yoshimoto, J.; Doya, K. "A kinetic model of dopamine- and calcium-dependent striatal synaptic plasticity". PLoS Computational Biology, 6(2), e1000670, 2010. doi:10.1371/journal.pcbi.1000670.

[26] Fernandez, E.; Schiappa, R.; Girault, J. A.; Le Novère, N. "DARPP-32 is a robust integrator of dopamine and glutamate signals". PLoS Computational Biology, 2(12), e176, 2006. doi:10.1371/journal.pcbi.0020176.

[27] He, K.; Huertas, M.; Hong, S. Z.; Tie, X.; Hell, J. W.; Shouval, H.; Kirkwood, A. "Distinct eligibility traces for LTP and LTD in cortical synapses". Neuron, 88(3), 528–538, 2015. doi:10.1016/j.neuron.2015.09.037.

[28] Xu, T. X.; Yao, W. D. "Dopamine-enabled anti-Hebbian timing-dependent plasticity in prefrontal circuitry". Journal of Neuroscience, 30(37), 12299–12310, 2010. doi:10.1523/JNEUROSCI.6011-09.2010.

[29] "Distinct dopaminergic spike-timing-dependent plasticity rules are suited to different functional roles". bioRxiv, 2024.06.24.600372 (프리프린트), 2024. doi:10.1101/2024.06.24.600372.

[30] Simon, D. T.; Kurup, S.; Larsson, K. C.; Hori, R.; Tybrandt, K.; Goiny, M.; Jager, E. W. H.; Berggren, M.; Canlon, B.; Richter-Dahlfors, A. "Organic electronics for precise delivery of neurotransmitters to modulate mammalian sensory function". Nature Materials, 8, 742–746, 2009. doi:10.1038/nmat2494.

[31] Isaksson, J.; Kjäll, P.; Nilsson, D.; Robinson, N. D.; Berggren, M.; Richter-Dahlfors, A. "Electronic control of Ca²⁺ signalling in neuronal cells using an organic electronic ion pump". Nature Materials, 6, 673–679, 2007. doi:10.1038/nmat1963.

[32] Jonsson, A.; Arbring Sjöström, T.; Tybrandt, K.; Berggren, M.; Simon, D. T. "Chemical delivery array with millisecond neurotransmitter release". Science Advances, 2(11), e1601340, 2016. doi:10.1126/sciadv.1601340.

[33] Park, Y.; Hernandez, S.; Hernandez, C. O.; Schweiger, H. E.; Li, H.; Voitiuk, K.; Dechiraju, H.; Hawthorne, N.; Muzzy, E. M.; Selberg, J. A.; Sullivan, F. N.; Urcuyo, R.; Salama, S. R.; Aslankoohi, E.; Teodorescu, M.; Mostajo-Radji, M. A.; Rolandi, M. "Modulation of neuronal activity in cortical organoids with bioelectronic delivery of ions and neurotransmitters". Cell Reports Methods, 3(12), 100686, 2023. doi:10.1016/j.crmeth.2023.100686.

[34] Williamson, A.; Rivnay, J.; Kergoat, L.; Jonsson, A.; Inal, S.; Uguz, I.; Berggren, M.; Malliaras, G. G.; Bernard, C.; Simon, D. T. "Controlling epileptiform activity with organic electronic ion pumps". Advanced Materials, 27(20), 3138–3144, 2015. doi:10.1002/adma.201500482.

[35] Arbring Sjöström, T.; Jonsson, A.; Gabrielsson, E.; Kergoat, L.; Tybrandt, K.; Berggren, M.; Simon, D. T. "An electronic proton-trapping ion pump for selective drug delivery". Science Advances, 7(10), eabd8738, 2021. doi:10.1126/sciadv.abd8738.

[36] Jonsson, A.; Inal, S.; Uguz, I.; Williamson, A. J.; Kergoat, L.; Rivnay, J.; Khodagholy, D.; Berggren, M.; Bernard, C.; Malliaras, G. G.; Simon, D. T. "Bioelectronic neural pixel: chemical stimulation and electrical sensing at the same site". PNAS, 113(34), 9440–9445, 2016. doi:10.1073/pnas.1604231113.

[37] Jonsson, A.; Song, Z.; Nilsson, D.; Meyerson, B. A.; Simon, D. T.; Linderoth, B.; Berggren, M. "Therapy using implanted organic bioelectronics". Science Advances, 1(4), e1500039, 2015. doi:10.1126/sciadv.1500039.

[38] Proctor, C. M.; Slézia, A.; Kaszas, A.; Ghestem, A.; del Agua, I.; Pappa, A.-M.; Bernard, C.; Williamson, A.; Malliaras, G. G. "Electrophoretic drug delivery for seizure control: an electrocorticography device with an integrated microfluidic ion pump for simultaneous neural recording and electrophoretic drug delivery in vivo". Advanced Biosystems, 3(3), 1800270, 2019. doi:10.1002/adbi.201800270.

[39] Seitanidou, M.; Blomgran, R.; Pushpamithran, G.; Berggren, M.; Simon, D. T. "Graphene-enabled electrophoretic ion pump delivery devices". Advanced Materials Interfaces, 9(15), 2102507, 2022. doi:10.1002/admi.202102507.

[40] Arbring Sjöström, T.; Douglas, H. L.; Marchiori, B.; Poxson, D. J.; Nilsson, D.; Simon, D. T.; Berggren, M.; Ail, U. "Flexible switch matrix addressable electrode arrays with organic electrochemical transistor and pn diode technology". Nature Communications, 14, 8477, 2023. doi:10.1038/s41467-023-44024-1.

[41] Cherian, D.; Roy, A.; Bersellini Farinotti, A.; Abrahamsson, T.; Arbring Sjöström, T.; Tybrandt, K.; Nilsson, D.; Berggren, M.; Svensson, C. I.; Poxson, D. J.; Simon, D. T. "Flexible organic electronic ion pump fabricated using inkjet printing and microfabrication for precision in vitro delivery of bupivacaine". Advanced Healthcare Materials, 12(28), 2300550, 2023. doi:10.1002/adhm.202300550.

[42] Jakešová, M.; Arbring Sjöström, T.; Đerek, V.; Poxson, D.; Berggren, M.; Głowacki, E. D.; Simon, D. T. "Wireless organic electronic ion pumps driven by photovoltaics". npj Flexible Electronics, 3, 14, 2019. doi:10.1038/s41528-019-0060-6.

[43] Gabrielsson, E. O.; Seitanidou, M.; Berggren, M.; et al. "Cross-linked polyelectrolyte for improved selectivity and processability of iontronic systems". ACS Applied Materials & Interfaces, 9(31), 26202–26208, 2017. doi:10.1021/acsami.7b05949.

[44] Donahue, M. J.; Sanchez-Sanchez, A.; Inal, S.; et al. "Tailoring PEDOT properties for applications in bioelectronics" [In vivo organic bioelectronics for neuromodulation]. Chemical Reviews, 122(4), 4356–4396, 2022. doi:10.1021/acs.chemrev.1c00390.

[45] Cucchi, M.; Gruener, C.; Petrauskas, L.; Steiner, P.; Tseng, H.; Fischer, A.; Penkovsky, B.; Matthus, C.; Bibes, A.; Kleemann, H.; et al. "Reservoir computing with biocompatible organic electrochemical networks for brain-inspired biosignal classification". Science Advances, 7(34), eabh0693, 2021. doi:10.1126/sciadv.abh0693.

[46] Liu, Y.; et al. "Hardware-feasible and efficient N-type organic neuromorphic signal recognition via reservoir computing". Advanced Materials, 37, 2409258, 2025. doi:10.1002/adma.202409258.

[47] "A theoretical framework for reservoir computing on networks of organic electrochemical transistors". arXiv:2408.09223 (프리프린트), 2024. doi:10.48550/arXiv.2408.09223.

[48] Li, X.; et al. "Advanced brain-on-a-chip for wetware computing: a review". Advanced Science, 12, 2508120, 2025. doi:10.1002/advs.202508120.

[49] "Brain organoid computing — an overview". arXiv:2503.19770 (프리프린트), 2025. doi:10.48550/arXiv.2503.19770.

[50] "Brain organoids and organoid intelligence from ethical, legal, and social points of view". Frontiers in Artificial Intelligence, 6, 1307613, 2023. doi:10.3389/frai.2023.1307613.

[51] Louth, E. L.; Jørgensen, R. L.; Korshoej, A. R.; Sørensen, J. C. H.; Capogna, M. "Dopaminergic neuromodulation of spike timing dependent plasticity in mature adult rodent and human cortical neurons". Frontiers in Cellular Neuroscience, 15, 668980, 2021. doi:10.3389/fncel.2021.668980.

[52] Miyazaki, I.; Asanuma, M. "Approaches to prevent dopamine quinone-induced neurotoxicity". Neurochemical Research, 33, 2222–2228, 2008. doi:10.1007/s11064-008-9843-1.

[53] Keene, S. T.; Lubrano, C.; Kazemzadeh, S.; Melianas, A.; Tuchman, Y.; Polino, G.; Scognamiglio, P.; Cinà, L.; Salleo, A.; van de Burgt, Y.; Santoro, F. "A biohybrid synapse with neurotransmitter-mediated plasticity". Nature Materials, 19, 969–973, 2020. doi:10.1038/s41563-020-0703-y.

[54] "Cell-type-specific neuromodulation guides synaptic credit assignment in a spiking neural network". PNAS, 118(51), e2111821118, 2021. doi:10.1073/pnas.2111821118.

특허 문헌(부록 A 신규성 대비용, 표준 특허 인용).

P1. Tang, P. T. P.; Izhikevich, E. M. (assignee: Brain Corporation). "Methods and systems for three-memristor synapse with STDP and dopamine signaling". US 8,433,665 B2, 등록 2013-04-30. (동일 특허군: EP 2 591 450 A1; WO 2012/006469 A1.)

P2. Izhikevich, E. M. "Solving the distal reward problem through linkage of STDP and dopamine signaling". US 8,849,735 B2, 등록 2014-09-30. (동일 특허군: WO 2008/083335 A2.)

부록 A. 신규성 검증 기록

검증 수행일: 2026-07-13. 검색 대상은 학술 문헌 색인 2종(PubMed, IEEE Xplore), 특허 데이터베이스 3종(Google Patents, USPTO Patent Public Search, Espacenet), 산업·기술 문헌이며, 다섯 축의 검색식을 실행하였다. 주요 검색식과 결과 요지는 다음과 같다.

근접 자료 구성요소 대비: [33]은 OEIP↔오가노이드 결합은 동일하나 도파민 학습신호·3인자 채널 부재; [3]은 오가노이드 학습이나 전기 보상·소프트웨어 RL·도파민 미사용; [1]은 비지도 전기 리저버; [10]은 이론/생체이나 오가노이드 하드웨어 미구현; [53]은 단일 인공 시냅스로 3차원 리저버·공간 어레이 아님; [54]는 in silico SNN으로 생체 오가노이드·OEIP 미구현. 특허 근접 자료(US 8,433,665 B2, US 8,849,735 B2 및 그 EP/WO 대응)는 도파민변조 STDP·보상 크레딧 배정을 무기 멤리스터/실리콘으로 구현하며, 살아있는 오가노이드 조직에 도파민을 화학 전달해 세포 고유 수용체 생화학이 규칙을 실행하는 습식 바이오하이브리드 결합·전기/화학 분리 어레이 구조는 부재하다. 또한 검토 과정에서 참고문헌 [36](2016 neural pixel)과 [38](2019 ECoG µFIP)은 저자 계열이 겹치되 발표 연도·소자·매체가 다른 별개의 장치임을 확인하였다(중복 아님). 이로써 본 명세와 동일 구성의 선행은 학술·특허·산업 어디에도 확인되지 않는다.

부록 B. 예측 명세 (기계가독 요약)

prediction_card:
  paper_id: ""
  tech_name: "이온펌프 도파민 제3인자 오가노이드 리저버"
  tech_name_en: "Iontronic Dopamine Third-factor Organoid Reservoir (iD3-OR)"
  primary_prediction:
    deadline: "2034-06"
    demonstration_level: "lab_demo"
    quantitative_conditions:
      - metric: "화학 채널 기인 지도학습 정확도 이득"
        operator: ">="
        value: 15
        unit: "percentage_point"
      - metric: "학습 유지 시간"
        operator: ">="
        value: 24
        unit: "hour"
      - metric: "도파민 수용체 길항제에 의한 학습 이득 소거율"
        operator: ">="
        value: 70
        unit: "percent"
      - metric: "강화 국소성(공간 confinement 반경)"
        operator: "<="
        value: 100
        unit: "micrometer"
    confidence: 40
    confidence_basis: "2단계 결합(구조적 컨소시엄 위험 × 상관 보정 기술관문); 독립 바닥 ~18%, 강상관 천장 ~44% 사이 중심값"
  falsification:
    - id: "F1"
      type: "principle_positive_triggered"
      condition: "인간 피질 오가노이드(유래) 뉴런에서 도파민 유발 STDP 변화가 D1/D2 길항제로 차단되지 않는 수용체 비의존성으로 양성 보고되거나, 양성대조 관측 시도에서 D1/D2 의존 방향전환이 재현되지 않음"
      observable_proxy: "P2(2030-06) 시도에서 D1/D2 의존 변조 부재 시 조기 지표"
      check_by: "2031-12"
    - id: "F2"
      type: "pathway"
      condition: "OEIP 도파민이 반경 ≤30µm에서 0.3–2s 창 내 0.1–1µM 위상성 과도 형성 불가(또는 미세도메인 대안 불가)로 확정"
      check_by: "2032-06"
    - id: "F3"
      type: "pathway"
      condition: "폐루프 학습 이득이 도파민 수용체 길항제로 70% 이상 소거되지 않음"
      check_by: "2033-12"
    - id: "F-terminal"
      type: "deadline"
      condition: "2034-06까지 P1 정량 조건 미관측"
      check_by: "2034-06"
  adjudication:
    window_days: 90
    partial_verification_rule: "P1 4개 정량 조건 중 3건 충족 및 잔여 1건이 목표값의 80% 이상 도달"
    unresolvable_defaults_to: "falsified"