Drosophila melanogaster
PulseAugur coverage of Drosophila melanogaster — every cluster mentioning Drosophila melanogaster across labs, papers, and developer communities, ranked by signal.
- 2026-09-09 research_milestone Google AI released a complete wiring diagram of a male fruit fly's brain and central nervous system. 来源
- 2026-09-03 research_milestone Google Research and HHMI Janelia published a complete map of the male fruit fly brain and central nervous system, the largest brain map to date. 来源
10 天有情绪数据
-
果蝇大脑图谱用于交易，新游戏演示发布，蝙蝠侠2反派剧透，以及 Linux 图标更新
研究人员绘制了雄性和雌性果蝇（Drosophila melanogaster）的中央神经系统连接组图。这张详细的神经图谱已被用于股票交易和玩游戏等任务。另外，视频游戏《守墓人 II》的演示版现已在 PlayStation 5、Xbox Series 和 Switch 主机上提供。此外，《蝙蝠侠：第二部》的片场照片曝光，暗示了两个主要反派可能出现，包括猫头鹰法院和无政府主义者。最后，一个名为 Conflux 的新 Linux 图标集已发…
-
果蝇大脑玩Dreamcast游戏《Seaman》
一个雄性果蝇大脑，具体来说是黑腹果蝇 (*Drosophila melanogaster*)，被用来在世嘉Dreamcast主机上玩游戏《Seaman》。这种将生物材料用于娱乐的非同寻常的应用在Mastodon社交网络上被分享。
-
AI驱动的果蝇大脑为Coinbase工程师交易加密货币
一位Coinbase工程师给了一个由AI驱动的模拟果蝇大脑100美元来交易加密货币。该模拟大脑基于果蝇的神经网络，任务是在包括Bitcoin、Ethereum和Dogecoin在内的各种数字资产中做出投资决策。该实验探索了使用生物神经网络模型进行AI驱动的交易策略的潜力。
-
新的深度学习管线加速果蝇大脑配准
研究人员为果蝇幼虫的高分辨率 3D 脑体积开发了一种新颖的深度配准管线。这种新方法在准确性和速度上显著优于传统的配准技术，只需一次前向传播即可处理整个脑体积。该管线已开源发布，旨在通过提供一种更快、更准确的方法将大脑数据对齐到共享的解剖参考空间，从而简化神经科学研究。
-
Google AI 模拟果蝇大脑玩游戏和交易比特币
Google AI 发布了一系列帖子，详细介绍了对模拟果蝇大脑进行的实验。该 AI 已被用于在各种场景下控制果蝇的行为，包括玩 Doom 和 Beat Saber 等视频游戏、在 Coinbase 上交易比特币以及在 Minecraft 中导航。这些实验探索了模拟连接组的能力，其中一个帖子甚至引入了一个名为 Mr Fruit Fly 的虚拟果蝇角色。
-
Google AI 绘制出雄性果蝇大脑图谱，包含 166,000 个神经元 · 跟踪 4 个来源
Google AI 发布了雄性果蝇的全面大脑图谱，详细描绘了超过 166,000 个神经元和 1.25 亿个连接。这张新图谱显著超越了他们 2020 年的项目，该项目详细描绘了雌性果蝇大脑中的 25,000 个神经元和 2000 万个连接。这项由 Google Research 和 HHMI Janelia 合作的研究旨在通过理解物种神经系统的相似性来推进神经科学，并可能为人类神经系统疾病带来治疗方法。
-
Google绘制果蝇大脑图，工程师训练AI玩Doom
Google工程师已成功绘制出成年雄性果蝇的完整大脑和中枢神经系统图，创建了MaleCNS v1.0连接组。这个包含超过16.6万个神经元的详细模型，已被训练来玩经典的电子游戏，如Doom和Super Mario 64。另外，Google的AI因其独特的解决问题方式而受到关注，即使这涉及到一种“作弊”形式。
-
Google 绘制果蝇大脑，工程师让其玩 Doom 游戏
Google 已成功绘制出一只成年雄性果蝇的完整大脑和中枢神经系统，并利用 AI 重建了超过 16.6 万个神经元。在这一科学突破后不久，软件工程师们展示了该果蝇的神经网络能够玩 Doom 和 Super Mario 64 等经典电子游戏。这一成就加速了神经科学研究，并凸显了 AI 在理解复杂生物系统方面的潜力。
-
果蝇大脑被模拟，并能玩《Bad Apple!!》
研究人员已成功模拟了果蝇的整个大脑，这是神经科学领域的一项重大成就。随后，这个模拟的果蝇大脑被训练来玩经典的街机游戏《Bad Apple!!》。此次模拟代表了在理解和复制复杂生物神经网络方面迈出了重要一步。
-
研究人员完成第二次完整的果蝇大脑图谱绘制
研究人员已成功绘制出雄性果蝇完整的神经连接组图谱，这是第二次实现如此全面的大脑图谱绘制。这份新图谱是对早前绘制的雌性果蝇大脑图谱的补充，有助于更全面地理解该物种的神经结构。详细的图谱绘制包括了果蝇大脑中的每一个神经元及其连接。
-
受果蝇启发的人工智能学习不忘；数学家思考人工智能的影响
研究人员开发了一种受果蝇启发的算法，该算法利用稀疏编码实现快速学习而不会发生灾难性遗忘。此外，在2026年于费城举行的国际数学家大会上的一次讨论，探讨了在人工智能时代数学的作用和价值。
-
新AI算法模仿果蝇气味记忆
研究人员开发了一种受果蝇嗅觉记忆启发的算法。该算法能够保留和回忆气味记忆，这是一种以前被认为仅限于生物系统的能力。这一发展可能对需要长期记忆功能的人工智能系统产生影响。
-
Google 利用 AI 绘制完整雄性果蝇大脑图谱 · 跟踪 2 个来源
Google Research 与 HHMI Janelia 合作，发布了雄性果蝇大脑和中枢神经系统的完整图谱。该图谱详细描绘了超过 166,000 个神经元和 1.25 亿个突触连接，是迄今为止最大的大脑图谱，并建立在先前绘制雌性果蝇大脑图谱的工作之上。该项目利用 AI 和先进的计算技术，从数百万张电子显微镜图像中重建大脑，为神经科学研究提供了基础资源。
-
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。
-
大型语言模型用于推断果蝇大脑中的神经回路功能
研究人员开发了LLantia，一种使用大型语言模型（LLMs）推断神经回路及其组成细胞类型功能的新方法。该方法综合了现有关于细胞类型功能的文献，并将其与连接组数据相结合，以预测其他细胞类型的角色。推断出的回路功能按层级组织，可以与已发表的信息进行交叉引用，并指导未来的实验研究。该方法在成年果蝇大脑上进行了演示，并根据事后分析的文献验证了研究结果。
-
新型SimpSyn模型推动无脊椎动物突触检测进展
研究人员开发了SimpSyn，这是一种新颖的Residual U-Net模型，旨在实现无脊椎动物物种中高效准确的突触检测。该模型在一个包含两个物种（黑腹果蝇和Viggiani巨蜂）的四个数据集的多元基准数据集上进行了训练。与现有的最先进方法（如Synful）相比，SimpSyn在检测突触位点方面表现出更优越的性能，尤其是在组合数据集上训练时。该研究表明，更简单、更轻量级的模型可以为大规模连接组学分析提供可扩展的解决方案。
-
苍蝇大脑拓扑结构启发了鲁棒的机器人导航神经网络
研究人员开发了一种名为FLYNN的新型循环神经网络，该网络直接模仿了果蝇大脑的神经结构。该网络在模拟环境中展现出强大的导航能力，其性能与同等规模的传统网络相当。值得注意的是，与传统网络不同的是，FLYNN在面对不熟悉的数据和感官剥夺时表现出更强的鲁棒性，即使在完全失去视觉输入的情况下也能保持功能。
-
EssentialGIN使用图网络进行基因预测
研究人员开发了EssentialGIN，一种使用图同构神经网络预测必需基因的新方法。该方法整合了基因表达和同源性信息等生物数据与网络拓扑结构，以提高预测准确性。实验表明，EssentialGIN的性能优于现有的基于中心性和机器学习的方法，尤其是在人类等复杂生物体中。
-
新的AGM技术提高了Transformer在跨领域情感分析中的鲁棒性
研究人员开发了归因引导掩码（AGM），一种新颖的训练技术，旨在提高预训练Transformer模型在情感分类任务中的泛化能力。AGM通过在微调过程中识别并惩罚特定领域的虚假标记来解决模型迁移到域外数据时观察到的性能下降问题。该方法不需要目标域标签，在零样本迁移设置中表现出有竞争力的性能，并通过突出驱动泛化差距的特征来提供可解释性。
-
新的ART-Track框架改进了空间科学实验的多目标跟踪
研究人员开发了ART-Track，一个新颖的运动驱动跟踪框架，用于分析空间科学实验中的多动物行为。该系统通过采用多模型运动估计和运动状态驱动的关联，解决了微重力环境中视觉线索弱和运动复杂等挑战。该框架旨在为下游定量行为分析提供更稳定可靠的个体轨迹，特别是针对斑马鱼和果蝇等物种。