「电子果蝇」惊动马斯克!背后是13万神经元全脑图谱,可在电脑上运行
本篇文章给大家分享《「电子果蝇」惊动马斯克!背后是13万神经元全脑图谱,可在电脑上运行》,覆盖了科技周边的常见基础知识,其实一个语言的全部知识点一篇文章是不可能说完的,但希望通过这些问题,让读者对自己的掌握程度有一定的认识(B 数),从而弥补自己的不足,更好的掌握它。
脑科学研究又进一大步!
来自普林斯顿的科学家最新宣布,他们已经成功创建了首个成年体动物的全脑连接体图谱。
其中包含来自雌性黑腹果蝇大脑的130000个带注释的神经元,以及它们之间的数千万个化学突触。

更重要的是,数据是完全开放的,还能一键查询。
只需要在Codex这个网站上输入相关信息,每个神经元的连接性、大小、神经递质等信息都能尽收眼底。
图片
包括直观的3D模型。
图片
这项研究一经发布,就吸引到大量关注。
图片
英伟达AI科学家范麟熙(Jim Fan)就转发点赞:
令人着迷的是,普林斯顿大学的这项研究中,蕴含着大自然的注意力、工作记忆甚至基本意识算法。
将神经连接体视作已编译的可执行二进制文件,我们可以从完整的大脑模拟中反编译出多少源代码?
图片
不仅如此,果蝇的大脑结构还对机器学习有着重要启发。
已经有人在电脑上跑了一下这个模型,模拟了果蝇吃东西和梳理触角的过程。
图片
马斯克也关注到了这只“电子果蝇”,并感觉事情开始变得奇怪起来了。
图片
通过电镜图像绘制
研究团队重建了雌性黑腹果蝇大脑完整连接体图谱。
不同于传统的切片方式,图谱中的信息主要是从电镜照片中获得的。
这些电镜照片来自Zheng和Lauritzen等人于2018年发布的FAFB(full adult fly brain)数据集。
电镜照片的分辨率可以清晰地看到蛋白质分子,经过计算机分析就能得出有关信息。
尺寸仅为0.1毫米量级的果蝇大脑拥有上亿个突触,比哺乳动物的突触还要密集。
图片
果蝇大脑中的神经被分成9个大类、31个小类,划分了78个区域。
图片
这九个大类是在将神经元按照信息流向分为三个部分的基础上继续划分得到的。
图片
通过与光学显微镜下的神经结构进行对比,团队建立的模型准确性得到了初步验证。
进一步地,数值计算和人工抽样检查结果也证明了模型是准确的。
此外,通过统计学分析,团队还对神经元之间的神经递质成分进行了预测,且准确率很高。
研究团队还分析了果蝇眼部的神经回路,追踪了信息流从输入神经元到输出神经元传递的过程。
尽管输入和输出神经元的数量在神经系统中占据的比重很小,但它们是沟通大脑和外界的桥梁。
在这一过程中,团队使用了一种概率模型,分析从种子神经元开始的信息流。
图片
团队针对每一个种子神经元进行了遍历,测量了信息传到神经中枢再到传出神经的过程。
遍历过程中信息传递所经过的距离被排序,然后进行归一化处理。
这一过程帮助研究人员确定了不同类型的传入信息是如何向相对应的神经中枢传递的,结果与预期相吻合。
图片
花费4年时间打造
值得一提的是,从成年果蝇完整大脑数据(FAFB)到完整构建出成年果蝇的大脑图谱,研究人员一共花费了194周,也就是4年左右的时间。
图片
而在此背后,这个名为FlyWire的项目得到了超过200名社区成员的贡献支持。
根据官网信息,FlyWire是一个人工智能与人类合作的项目,旨在重建果蝇的全脑连接体。具体而言,FlyWire由普林斯顿大学的Mala Murthy和Sebastian Seung实验室创建,社区由神经生物学家、计算机科学家和校对人员组成。
通过将神经元连接和大脑功能联系起来,我们可以在理解大脑如何工作这件事上取得重大进展。
图片
论文地址:
[1]https://www.biorxiv.org/content/10.1101/2023.06.27.546656v1.full.pdf[2]https://www.biorxiv.org/content/10.1101/2023.06.27.546055v1.full.pdf[3]https://www.biorxiv.org/content/10.1101/2023.05.02.539144v1.full.pdf
文中关于AI,项目,协作的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《「电子果蝇」惊动马斯克!背后是13万神经元全脑图谱,可在电脑上运行》文章吧,也可关注golang学习网公众号了解相关技术文章。
win7显示器刷新率设定方式
- 上一篇
- win7显示器刷新率设定方式
- 下一篇
- 荣耀Magic6:巨犀玻璃、IP68防水 全新体验即将到来
-
- 科技周边 · 人工智能 | 9小时前 |
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 213浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- Hugging Face Datasets flatten 怎么展开嵌套字段并保留特征类型
- 455浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- 228浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- 226浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- 191浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- Keras 自定义 train_step 怎么让正则损失继续参与梯度
- 343浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · Keras NaN mixed_float16 mixed precision loss scale 输入范围 dtype policy
- Keras mixed_float16 训练出现 NaN 怎么区分 loss scale 和输入范围
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 深度学习 · PyTorch strict state_dict load_state_dict module. 前缀 检查点迁移
- PyTorch state_dict 参数名前缀变化后怎么兼容旧检查点
- 436浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 深度学习 · 内存优化 · 内存 PyTorch 按需加载 mmap checkpoint torch.load map_location state_dict
- PyTorch torch.load 开启 mmap 后为什么读取参数时才占用内存
- 475浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 460次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 521次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 539次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 488次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 307次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

