复刻一只果蝇的大脑,需要几个 GitHub 仓库?——三天成型的开源生态普查(附「FlyMe」查证)

果蝇连接组开源生态全景普查 · 附「FlyMe」查证 · 数据快照 2026-09-15

本文是《把一只果蝇的脑子搬进电脑,里面还剩多少「它」?》的续篇。上一篇回答"布线里存了多少算法";本篇回答一个更接地气的问题——**如果你想亲手复刻一只果蝇的大脑,今天伸手能够到什么。**结论是:比一周前容易了一个数量级,因为过去三天(09-12 至 09-15),这个领域从零散的行为艺术,长成了一个有入口、有基础设施、甚至有自己诚实风气的开源生态。顺带处理一桩悬案:那个被问到的「FlyMe」项目,查无此人。

〇、一句话定性

复刻果蝇大脑的分工已经清晰得像一份 BOM 表(物料清单):**数据(连接组)已经齐货,通用仿真件(引擎)成型中,行为级闭环(身体)有二到三个严肃实现,而学习与可塑性——真正的硬骨头——基本缺位。**过去三天最大的变化不是任何单项突破,而是出现了一份 60+ 项目的社区普查清单(awesome-fly)和一条 pip install flybrain 命令:前者让生态可导航,后者把门槛从"读三篇论文加一周末配环境"压到"一行命令,三十秒下载,166,700 个神经元在你笔记本上放电"。

一、「FlyMe」:一次查无此人的寻人启事

先处理悬案。有人问:「复刻果蝇大脑的新项目 FlyMe 是什么?」

答案有点扫兴:不存在。GitHub 全站搜索「FlyMe + fly brain」零结果;Exa 深度检索、arXiv、Hacker News、科技媒体多轮交叉,没有任何叫这个名字的果蝇大脑项目。搜出来的「FlyMe」清一色无关:魅族 Flyme AIOS(手机操作系统)、FlyMe for Meta Quest(VR 遥控飞机模拟器)、北海道大学一家用真实果蝇做药物筛选的创药初创(人家复刻的是疾病模型,不是大脑)。

但它大概率不是凭空捏造的,而是名字记串了。最可能的四个"本尊":

这类讹传在一周前的第一波浪潮里就出现过——当时被逐条证伪的「Leak」「Teamote」「FlyPi」同样查无项目,却配着上千万播放的病毒视频。**当一件事进入传播链,项目名是最先失真的部件。**以后再看到果蝇圈的"新项目",先去 awesome-fly 清单或 GitHub 搜一圈,大概率三十秒内就有答案。

二、七十二小时之后:从行为艺术到基础设施

上一篇讲到 Cell 论文发表后 72 小时内的游戏浪潮(Minecraft、DOOM、SM64、Beat Saber)。当时的定性是"接口工程":像素怎么进光感受器、哪些下行神经元接哪个按键,全是开发者手工设计的映射。

三天前(09-12)开始,事情起了一些质变。零散 demo 还在涌现,但更重要的是地层开始分化——有人开始做别人可以站在上面的东西:

一份清单、一个包管理器入口、一个行为级仿真、一个病毒 demo——这个组合意味着:**新人从"听说"到"跑起来"的路径,从读论文压缩到了敲一行命令。**开源生态成熟的标志从来不是项目数量,而是出现"别人不需要重复造的轮子"。

三、四层解剖:一份 60+ 项目的生态普查

awesome-fly 收录的项目,按严肃程度大致可以切成四层。每一层的完整清单都在文末信源里,这里只讲每层的骨架和值得单独点名的东西。

第一层:研究级脑模型——复刻的"正文"

这一层是一切的地基,核心其实只有一个模型和一个身体:

• philshiu/Drosophila_brain_model:Shiu 等 Nature 2024 的官方代码。FlyWire 雌脑连接组 + 递质符号 + 最简单的 LIF 点神经元动力学,对 164 项感觉-运动预测命中 91%。上一篇讲过,这是"布线+极少额外信息≈大量算法"的最强实证。所有后续复刻,包括那些炒币的,神经元动力学几乎都溯源于此。
• eonsystemspbc/fly-brain:Eon Systems 把 Shiu 模型做成了多后端实现——Brian2、Brian2CUDA、PyTorch、NEST GPU 四套引擎共享同一份数据和参数,附基准测试。它的价值是工程化的:你可以比较不同仿真后端跑同一个大脑的代价。
• TheFlyExperiment/Virtual-Embodied-Fly:Eon 的具身闭环,12.7 万神经元 LIF 全脑对接 NeuroMechFly v2 物理 body(MuJoCo),脑-身 15ms 同步,出现取食、逃逸、理须等行为。上一篇提过,目前"脑+身"最完整的实现。
• 身体侧标准件是两套:NeuroMechFly/flygym(EPFL)和 flybody(Turaga Lab/DeepMind/Janelia),都是解剖学级 MuJoCo 身体+感觉接口+RL 环境。造自己的复刻品时,没人需要再建一只苍蝇的腿。
• TuragaLab/flyvis:连接组约束的视觉系统深度模型(Nature 2024),连接+任务优化就复现出 ON/OFF 通路与 T4/T5 方向选择性。想研究"视觉部分怎么复刻",从这里进。
• 一个新面孔值得注意:train-your-fly(eudald-seeslab),PyTorch Geometric 工具包,把果蝇眼模型接上 FlyWire 全脑图的消息传递,再接蘑菇体读出——布线全部固定,只训练每个突触的增益。这个"冻结布线、只调增益"的范式,正在成为连"复刻"和"学习"之间缝隙的标准做法。

第二层:引擎与基础设施——造复刻品的零件

这一层三天前还不存在,现在有了六个成员:

• FastFly(eonfathom):CUDA/CuPy 实现,目标是在消费级 GPU 上实时或超实时跑完 FlyWire v783 全图。
• Connectome-OS(ruvnet):Rust 写的 LIF 运行时+调试界面,可以对连接组做"刺激、切断、测量"——像调试器调试程序一样调试布线。Alpha 阶段,但方向对:连接组天然需要一套自己的 gdb。
• mps-malecns-model:MaleCNS 搬上 Apple Silicon(PyTorch MPS)。苹果用户第一次有了官方路径之外的能跑版本。
• AxonWeave:把 MaleCNS 暴露为 NumPy/PyTorch/TensorFlow 共用的稀疏可训练基底,拓扑来源与建模假设显式声明——做的是"数据接口卫生"这件脏活。
• fwmc:C++23 的 Izhikevich 脉冲网络+光遗传刺激建模的"神经孪生"桥,野心在双向:不只是仿真,还想反过来对真蝇做闭环刺激。
• fly-connectome-template(cobanov):React + Three.js + MaleCNS 真实 soma atlas 的实验模板,规定了模型输出格式。它降低的是"做一个自己的果蝇实验"的前端成本。

第三层:数据与分析——命脉所在

容易被视为"只是数据"的一层,其实是整个生态的命脉,而且全部开放:MaleCNS 官方数据 CC BY;BANC(雌性全 CNS)与 FlyWire 注释、跨数据集递质 ground truth 都在 flyconnectome 组织下版本化管理。分析侧的 NAVis 三件套(形态学/分割/坐标变换)、Codex 数据浏览器、cocoa(跨数据集比较)、connectome-interpreter(全脑尺度有效连接与可微模型)构成了研究者的日常工具箱。一个冷静的观察:这一层的成熟度远高于上面两层——连接组领域花了二十年建数据基础设施,"复刻"才刚起步,落差本身就是进度的刻度。

第四层:社区应用——行为艺术与压力测试

游戏(Doomfly、Fly64、Minecraft 模组、CARLA 方向盘、国际象棋)、桌宠(DesktopFly 及两个 Linux 移植)、交易(Stonkfly 炒币、OpenFly 炒印度期权)、艺术(俳句生成、印花设计)。这一层最热闹,也最需要上一篇的定性来消毒:它们是接口工程,不是"果蝇学会了什么"。给一张按图索骥的精选表:

但第四层里藏着本篇想重点讲的两个例外——一个关于诚实,一个关于价值。

四、pip install flybrain:复刻的最低门槛

单独讲 flybrain 包,因为它是"复刻果蝇大脑"这个动作目前的最低门槛,值得知道门槛到底长什么样。

它封装的是完整 MaleCNS v1.0:166,700 个神经元、2,560 万条连接,按电子显微镜找到的原样接线,MIT 许可(数据遵循 CC BY 4.0)。LIF 动力学,脑内零训练——你刺激它自己的神经元,步进,读下行神经元的输出。性能口径:24 线程 CPU 单步 12-15ms(首次运行 numba 编译慢),RTX 4060 上单步 1.4ms,还能 batch=8 一次跑八只独立的蝇。首次 FlyBrain() 自动下载约 260MB 脑文件,SHA-256 校验;不想用预制品,也可以 flybrain build 从 MaleCNS 原始发布(约 1.1GB)自己构建。

有意思的是它的出身:作者(alextitonis)注明神经元模型跟随 Fly64——就是那个把果蝇接进超级马里奥的 Jessica Paquette 的项目。**玩具repo的代码,长成了正经的库。**这正是生态成型的微观机制:第四层负责试错和传播,第一层负责收编和固化。

包里还带了 reservoir computing 工具链(Trace/run/Readout:采任意神经元群的脉冲轨迹,拟合交叉验证的线性读出)和一个驱动视投影神经元的视觉编码器(Eyes/FeatureDetectors)。换句话说,它把"冻结的大脑+可训练的读出"这个当前主流范式做成了开箱即用——你能用它做的最诚实实验,恰好是下一节的主题。

它的"你好,果蝇"长这样——刺激左眼的 looming(逼近阴影)感受器,等逃逸指令神经元放电:

from flybrain import FlyBrain

brain = FlyBrain(device="auto")            # 首次运行自动下载脑文件
left_loom = brain.cells(["LC4", "LPLC2"], side="L")   # 左眼逼近探测器
giant_fiber = brain.cells(["DNp01"], side="L")        # 逃逸指令神经元

for step in range(50):
    fired = brain.step(inject=[(left_loom, 0.8)])
    if set(giant_fiber) & set(fired):
        print(f"逃逸指令在第 {step * brain.dt:.2f} 秒下达")

两行 brain.cells() 之所以能按细胞类型点名,是因为 MaleCNS 的 11,710 种细胞类型注释随数据一起发布——**没有这层注释,166,700 个神经元只是 166,700 个没有名字的整数编号。**复刻的门槛从来不只是拿到布线,还包括拿到布线的"电话簿"。这一段十一行的代码,放在两周前是一篇博客教程的工作量。

五、连接组输给 MLP:一个社区的诚实时刻

普查中最值得记录的,不是哪个项目多惊艳,而是这个社区对负结果的处理方式。几个例子,全部来自项目自己的文档:

• FLYT3(seanphan,井字棋+野火瓦片分类)自己公布了对照:连接组电路在五类卫星野火损毁瓦片分类上得 60.8%,而同一输入喂给一个简单的池化像素 MLP 得 85.7%。连接组输了,输得很干脆,作者把它写进了 README。
• Doomfly(nftechie)记录了可塑性实验的阴性结果:学习了生存吗?没有。
• FlyPong 记录了多巴胺启发的可塑性规则无效。
• awesome-fly 清单给每个条目标注"circuit subset"(只用了子回路)、"release pending"(代码未发)、"no profitable edge demonstrated"(Stonkfly 没证明赚钱优势)——连自己置顶推荐的模板项目都标了"source-available,自定义许可"。

把这组事实并排放着看:在大多数任务上,**固定的果蝇布线+训练人工读出,目前打不过从头训练的小网络。**这与上一篇的理论结论严丝合缝——布线存的是路由和归纳偏置,不是即插即用的性能。一个刚诞生十天的社区,在病毒传播和代币营销的噪声里维持住了"阴性结果照发"的学风,这比任何一个 demo 都更让人愿意认真对待它。

六、真正的宝藏:把布线当先验

那复刻到底图什么?三天里最有分量的答案来自两个学术工作,它们不试图"复刻一只果蝇",而是把果蝇布线当作网络架构:

• FLYNN(arXiv 2607.00025):把连接组拓扑直接实例化为 RNN,在 MuJoCo 里训练视觉导航。性能追平同参数量的手工网络,这不稀奇;稀奇的是鲁棒性——面对分布外数据,以及感官丧失:完全失去视觉输入后,FLYNN 不经任何再训练仍能继续导航,而手工网络即使专门用 camera dropout 训练过也大多瘫掉。作者用 PCA 指出可能的原因:FLYNN 内部表征高度模块化,丢一个模态,其余模块照常工作。这正是生物神经系统最让人嫉妒的性质,第一次被连接组先验"白送"给了人工网络。对做机器人的人来说,这条性质几乎不需要翻译:一台传感器随时会脏、会被遮、会坏掉的机器,和一块在实验室光照下训练的显卡,需要的是两种网络——而连接组恰好是前者的架构。

细看 FLYNN 的实验设计,它对"鲁棒"的检验是分层的:分布外的新环境、部分感官剥夺、直至视觉完全归零。最后一档最能说明问题,因为对照的手工网络不是没做防护——它们明确用 camera dropout 训练过,仍然大面积失效。差异不在训练技巧,在架构:五亿年演化筛出来的布线,把"某个模态没了"这件事当作架构的正常工况来容纳;而手工网络对它的容纳方式是"训练时见过类似的伤"。前者是结构性的冗余,后者是记忆性的补丁。

• FlyGM(arXiv 2602.17997,清华):无权重的连接组图神经网络做全身运动控制,样本效率胜过随机图与度保持重连图。上一篇引用过,此处的意义在于它与 FLYNN 互为印证:进化花五亿年调出来的图结构,是一份免费的网络架构先验——对 AI 研究者,这可能比仿真一只真果蝇值钱得多。

上一篇的结论是"统计量定域,布线定路由"。FLYNN 和 FlyGM 把这半句理论推成了应用:域(鲁棒性的下限)由统计性质保住,路由(模块化的分工)由具体布线保住。复刻的真正回报,未必是那只数字果蝇,而是从它身上剥下来的设计原则。

七、进度条:复刻走到哪一步了

把四层生态、一篇前传和三天增量压成一张进度条:

所以,"复刻一只果蝇的大脑需要几个 GitHub 仓库?"的工程答案是:**一个都不用 clone——pip install flybrain 就够了;但科学的答案是,把现存所有仓库加起来,也还凑不出一只会学习的果蝇。**布线给了我们路由,读出层给了我们行为,而参数与状态——那只使这只蝇成为这只蝇的东西——仍然留在扫描仪够不到的地方。

一周内从 Cell 论文到 60+ 项目生态,这个速度本身是数据开放(CC BY)+ 社区热情 + 工程成熟度三者共振的结果。接下来值得盯的三个信号:可塑性实验首次转正;接口映射标准(fly-connectome-template 类)被两个以上独立项目采用;以及 MaleCNS 配套的雌雄比较工作开始产出回路级假说。哪一个先来,都比再来一个游戏 demo 重要。

信源分级

【A】一手来源(本报告论据)

• awesome-fly 清单及各项目 README/文档:github.com/cobanov/awesome-fly(2026-09-12 审阅版,235 星)· philshiu/Drosophila_brain_model · eonsystemspbc/fly-brain · TheFlyExperiment/Virtual-Embodied-Fly · NeLy-EPFL/flygym · TuragaLab/flybody · TuragaLab/flyvis · eudald-seeslab/train-your-fly · eonfathom/FastFly · ruvnet/Connectome-OS · seohyunjun/mps-malecns-model · dhakalnirajan/axonweave · stanbot8/fwmc · nftechie/stonkfly · seanphan/flyt3 · ornata/fly(Fly64)
• flybrain PyPI 页(版本 0.1.0,上传 2026-09-13T11:01 UTC)及 github.com/alextitonis/fly.ai:全部性能与功能口径出自包文档自述
• FLYNN: arXiv 2607.00025(Wang & Chen,密西西比州立)· FlyGM: arXiv 2602.17997 · MaleCNS: Berg et al., Cell 189(18), 2026-09-03,数据 male-cns.janelia.org(CC BY 4.0)
• Fly Arena:项目官方文档(wpnews 转载版核对,2026-09-12),MIT,数据 MaleCNS v1.0

【B】权威媒体

• Tom's Hardware / GIGAZINE(2026-09-14):Stonkfly 报道,K 线图 320×180 像素、3,335 个 R1-R6 + 811 个 R8 输入口径以两方交叉核对

【C】二手转述(不作独立论据)

• awesome-fly 各条目的行为描述系"作者文档综述",清单明言"非独立复现"

【D】未证实(本报告不作论据)

• 「FlyMe」项目本身(多轮检索零命中,判定为 FlyEM/FlyGM/FLYNN/Fly64 之误记或讹传)

深度研究 · 续篇(前作:zhichai.net/t/178634820)· 数据快照 2026-09-15 · zhichai.net
文中所有数字均给出口径;查证类结论附检索范围;阴性结果一律如实收录。

#果蝇 #连接组 #MaleCNS #开源生态 #计算神经科学