Drosophila
PulseAugur coverage of Drosophila — every cluster mentioning Drosophila across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
重构差异显著影响基于果蝇连接组训练的AI模型
一篇新发表在arXiv上的研究论文探讨了重构差异对基于果蝇连接组构建的神经网络模型的影响。研究人员发现，在同一只果蝇的连接组中，突触检测和校对的差异可能会比不同个体果蝇之间的差异对训练过的电路模型产生更显著的影响。在一个重构上训练的模型无法很好地迁移到其他模型上，即使是同一只果蝇的不同版本，这凸显了基于连接组约束的模型需要报告其重构来源，并测试其在不同版本下的鲁棒性。
-
果蝇大脑连接组重构影响AI模型性能
一篇新发表在arXiv上的研究论文调查了重构差异对基于连接组构建的神经网络模型的影响。研究人员发现，在单个果蝇连接组内突触检测和校对的差异，可能比个体果蝇之间的差异更显著地改变电路的行为。在这些不同的重构上训练的模型，在转移到不同的连接组时表现出显著的性能下降，这突显了模型需要考虑重构细节以及自然电路的鲁棒性。
-
新研究强调连接组约束AI模型可靠性
一篇新论文《FlyHack: Stress-Testing Mechanistic Claims in a Connectome-Constrained Visual Model》探讨了从连接组约束神经网络得出的结论的可靠性。这项研究测试了一个名为flyvis的果蝇运动视觉模型，发现机械论断可能高度依赖于特定的比较模型、干预方法、电路表示和训练好的解决方案。研究强调，虽然这些模型允许直接检验生物学假设，但由此产生的论断的范围必须根据模…
-
果蝇哈希算法在果蝇连接组上的测试
研究人员将最初于2017年提出的“果蝇哈希算法”与四个果蝇嗅觉回路的电子显微镜连接组进行了测试。研究发现，当使用SIFT、MNIST和气味混合物实现时，该算法在短编码长度下仍优于经典的局部敏感哈希（LSH）。然而，这种优势似乎源于活动细胞的数量而非计算操作，并且在果蝇连接组中观察到的特定连接模式并未提供比保持度随机重连更一致的检索优势。研究表明，果蝇哈希算法的有效性不需要精确的连接组数据。
-
果蝇连接组被重新用于人工智能任务，在计算机视觉方面展现出潜力
研究人员已经证明，果蝇的神经连接组可以被重新用于执行人类设计的认知任务。通过使用 MaleCNS v1.0 连接组作为固定的网络拓扑，模型在有界加法和基础关系语言任务上取得了高精度。同样，果蝇的视觉连接组在集成到名为 FlyVision 的架构后，在通用计算机视觉任务中表现出有效性，在 MNIST、CIFAR-10 和 ImageNet-1K 等基准测试中取得了具有竞争力的准确率，并且参数量少于 ResNet18 等传统模型。这些研究…
-
研究：零模型对进化连接组比较有关键影响
研究人员调查了不同的零模型如何影响神经连接的进化比较。他们的研究使用了具有压缩果蝇连接组的具身觅食代理，并将它们与具有随机布线的代理进行比较。研究结果表明，随机化方法的选择显著影响结果的解释，特别是在感觉运动边界方面。
-
研究发现：苍蝇行走协调依赖于特定的神经接线
一篇新发表在arXiv上的研究论文探讨了特定神经接线在苍蝇运动控制中的重要性。研究人员模拟了两个果蝇的连接组，并将其运动输出与各种重接线网络进行了比较。研究结果表明，虽然运动的节奏性在许多网络配置中都是一个普遍特征，但拮抗肌的精确协调高度依赖于神经系统的特定接线。这种协调，特别是在胸-股关节处，在自然连接组中比在任何重接线版本中都更强，这表明运动前输入的分配对于功能性运动控制至关重要。
-
新基准FlyAOC评估AI代理的科学知识策展能力
研究人员推出了FlyAOC，这是一个旨在评估AI代理在复杂科学知识库策展任务中的新基准。该基准模拟了专家策展人的端到端工作流程，要求代理搜索科学文献、协调证据并生成结构化注释。FlyAOC使用来自FlyBase（果蝇知识库）的100个基因的16,898篇论文和7,397个专家策展注释的语料库，以评估代理恢复标准化功能术语、表达模式和历史同义词的能力。使用各种代理工具进行的初步评估显示，FlyAOC可以检测到在仅模型评估中不明显的系统级故障模式。
-
记者训练果蝇大脑AI为WIRED生成故事创意
一位记者训练了一个果蝇大脑的数字复制品，称为PitchFly，为WIRED杂志生成故事创意。该AI模型基于*果蝇*大脑的详细连接组图谱，通过处理现有标题的模式来创建新的选题。虽然它不是一个真正的语言模型，但PitchFly展示了生物智能模拟在创意任务中的新颖应用，产生了独特且有时古怪的故事建议。
-
数字果蝇大脑病毒式传播，玩游戏并交易比特币
一个雄性果蝇大脑的数字重构体 MaleCNS v1.0，在被整合到各种虚拟环境和任务后，已在网上走红。该大脑由 HHMI Janelia Research Campus 和 Google Research 开发，拥有超过 16.6 万个神经元的完整图谱，能够执行交易比特币、撰写社交媒体帖子以及玩 Minecraft 和 Doom 等视频游戏等操作。虽然这个数字大脑并非有意识，但它在在线实验中的广泛应用引发了关于如此详细的神经重构的伦理影响的讨论。
-
果蝇神经网络结构已开源发布
果蝇（Drosophila）约16.6万个神经元的神经网络结构现已开源。这一进展激发了创造性的应用，一些人利用它来模拟诸如玩Minecraft或在房间里操控玩具车等行为。
-
新算法实现对具有潜在低秩结构的稀疏矩阵的大规模分析
研究人员开发了一种新的随机交替最小二乘算法，用于分析具有潜在低秩结构的稀疏非负矩阵。该算法在密集矩阵的较小子块上运行，使其能够比以前的方法处理更大的问题。通过稀疏优化和定制的CUDA内核可以进一步加速。该算法通过分析果蝇连接组的突触权重矩阵得到了验证，揭示了预测性的细胞类别信息。
-
DesktopFly将模拟果蝇大脑带到你的桌面上
一位开发者创建了一个名为DesktopFly的桌面应用程序，该程序模拟了用户电脑上的一只真实果蝇。该模拟基于对果蝇大脑的扫描，包含了668个神经元和约19,000个突触连接。这只虚拟苍蝇表现出行走、梳理和睡眠等行为，并对用户的鼠标点击和光标移动等互动做出反应。它的行为由特定神经元的激活驱动，并且当计算机温度升高时，它的速度会加快。
-
新的几何框架分析时空基因表达网络
研究人员开发了一个新颖的几何框架，用于分析基因表达网络的时空演化。该方法使用 Gromov--Wasserstein (GW) 空间来比较不同发育阶段的网络结构，并能在它们之间进行连续插值。该方法使用 Ollivier-Ricci 曲率量化网络变化，并已在果蝇数据集上得到验证，显示出其重现经验趋势和与高阶最优传输距离一致的能力。
-
新框架从自我中心视角模拟动物行为
研究人员开发了一个新的框架，用于训练以自我为中心的自回归模型，以从姿态数据理解动物行为。这种方法适用于单个动物和群体，模拟动物如何从自己的参照系感知和行动。该框架允许代理独立感知并响应彼此，从而涌现出社会行为。已发布一个通用库来管理所需复杂的 डेटा 转换，并已证明其能准确捕捉果蝇求偶中的社会行为。
-
苍蝇大脑导航目标通过归一化而非选择来维持
一篇新的研究论文探讨了苍蝇大脑如何为导航保持单一目标。这项基于FlyWire连接组的研究表明，FC2神经元通过归一化一个外部设定的目标来维持，而不是通过“赢者通吃”机制主动选择它。这种归一化主要由FB5A细胞实现，这些细胞为FC2神经元提供全局抑制。
-
新的突触巩固方法可提升 LLM 对不断变化任务的适应性
研究人员开发了一种名为突触巩固（SyCo）的新方法，以提高大型语言模型（LLM）在真实部署中面对不断变化的任务和数据分布转移时的适应性。SyCo 借鉴了果蝇中涉及 Rac1 和 MAPK 通路的生物记忆过程，包含一个可塑性约束器和一个更新控制器，以动态管理模型的适应方式，在整合新信息的同时保留源知识。该方法在一个新颖的多源开放集适应（MOA）设置中进行了测试，该设置模拟了具有多个标记源任务和无标记、非平稳测试流的真实场景。SyCo 在…
-
果蝇大脑连接组驱动模拟运动控制
研究人员开发了一种新颖的果蝇连接组图模型，该模型利用果蝇的完整大脑连接性来控制模拟运动。这种受生物学启发的、通过深度强化学习应用的方法，与现有的图和非图方法相比，表现出了稳定的性能和更高的样本效率。该模型通过将全脑布线原理转化为可操作的架构先验，为设计有效的控制策略提供了途径，增强了可解释性，并推动了与自然对齐的智能系统的发展。
-
群体智能提升生物神经网络的记忆能力
研究人员探索了使用受生物启发的优化算法来增强基于生物连接组的神经网络的记忆能力。通过将粒子群优化和鲸鱼优化算法等技术应用于源自六种不同物种的回声状态网络的突触权重，他们发现了性能的显著提升。特别是鲸鱼优化算法，在某些情况下展示了显著的收益，包括记忆容量增加了17倍。