Fly Brain HubFlyWire (FAFB v783)
Princeton University (Murthy & Seung labs) with the FlyWire consortium
プリンストン大学が主導し、成体メスのショウジョウバエ全脳をFAFB電子顕微鏡画像からAIで再構成し、世界中の研究者による校正で仕上げたコネクトーム。v783にはCodex上で139,255個の校正済みニューロンと数千万のシナプス（神経伝達物質予測付き）が収録され、2024年にNature誌で主要論文が公開された。
確認した出典
上の情報は掲載日にこれらのページを読んで確認したものです。
- flywire.ai https://flywire.ai/
- codex.flywire.ai https://codex.flywire.ai/
- codex.flywire.ai https://codex.flywire.ai/api/download
- flywire.ai https://flywire.ai/tos
利用: 180 件
flybench
brandoncho369
デモのブームがおおむね飛ばしてきた問い、すなわち「そのシミュレーションのハエは、実際のハエが行うと分かっている振る舞いを今も示すのか」を測るための反射ベンチマーク。文献引用付きの行動課題群、参照実装の leaky integrate-and-fire シミュレータ、採点用ハーネスを備え、任意のモデルパラメータ設定に比較可能な数値を与える。「Minecraft や Doom のデモはどれもシナプス重み・全体ゲイン・抑制の扱いを推測で決め、それらしく見えるまで手で調整するしかなかった」という問題意識を明示している。
DesktopFly
DenisSergeevitch
macOS のデスクトップ上を歩き回る 3D ショウジョウバエ（Windows 向け Electron 移植版あり）。FlyWire 由来の 668 ニューロン回路（感覚・逃避・意思決定）と、MaleCNS 由来の 1,045 ニューロン回路（下行ニューロンから 220 個の脚運動ニューロンまで）を 1 kHz の LIF モデルで動かして行動を決める。ウィンドウの縁を地形、ウィンドウ移動を脅威、クリックを振動として知覚し、別ウィンドウで 23,210 ニューロンの発火をリアルタイム表示する。筋肉の力学は生物学的に較正されていないモデルであることを README で明記。コードは MIT、FlyWire データは CC BY-NC 4.0、MaleCNS は CC BY 4.0。
Eon fly-brain
Eon Systems PBC
Eon Systems が公開した、Shiu らの Nature 2024 論文に基づく漏れ積分発火型の全脳モデルの再実装。FlyWire v783 の約 13.8 万ニューロンと約 500 万シナプスを対象に、Brian2（CPU/CUDA）・PyTorch・NEST GPU・GeNN の各バックエンドで動かせ、任意の集団を刺激・抑制して活動の伝播を観察できる。2026 年 3 月 10 日の同社アップデートでは、この脳を MuJoCo 上の NeuroMechFly v2 の身体と結合し、グルーミングや摂食・採餌といった行動が閉ループから生じたと報告しており、同社はこれを「初の身体化されたハエのアップロード」と呼んでいる。
NAVis
navis-org (Fly Connectomics group, Cambridge)
ニューロンのスケルトン・メッシュ・dotprops・画像ボリュームを統一的に扱う Python ライブラリ。2D/3D 描画、形態計測、NBLAST による類似度比較、テンプレート脳間の座標変換を備える。ケンブリッジのハエ・コネクトミクス界隈で R の natverse と対をなす形で開発され、neuPrint や（fafbseg 経由で）FlyWire/FAFB と連携する。重い処理は navis-fastcore として Rust 化されている。
Fly Brain Tetris
alexeygrigorev (@alexeygrigorev)
ブラウザのブロックゲーム機のボタンをハエが押し、別の画面に FAFB v783 コネクトームから導いた簡略な線形モデルの応答が出る。学習するのは 32 チャネルの読み出しだけで、交差エントロピー最適化（24 世代・候補 64・1 候補あたり 4 ゲーム・エリート 10）で合わせ、コンパイルした 32×6 の変換は固定したまま。変換行列・その擬逆行列・入出力ニューロンの ID・グラフの出どころは JSON として同梱し、SHA-256 で固定する。概要の最後が誠実で、これは設計した盤面特徴の上の人工的な方策であり、生物のハエの模擬でも、視覚や脚の制御を示したものでもない、と作者自身が書いている。
Fly Garden
carsonshicks2016-beep (@carsonshicks2016-beep)
全脳 FlyWire v783（138,639 ニューロン・54,492,922 シナプス、しきい値も縮約も無し）を Brian2 で回し、NeuroMechFly 2.1 の身体（物理ステップ 100 µs）に載せた、1 匹のハエが住み続けるローカル 3D 実験室。読む価値は境界の節にある。匂いに導かれた行動選択は未確立、歩容生成器と逃避反射は作り物、視覚の脅威入力は網膜回路ではなく幾何特徴、行動の学習は示せていないと明記する。段階別の報告には全脳 60 試行と物理対照 40 試行があり、遠ざかる動きの基準は不合格、選んだ DNp09 は無発火で、次の段階を自ら止めている。
Fly Poker
EvanGruhlkey (@EvanGruhlkey)
全画面のカジノでハエと 1 対 1 のノーリミット・ホールデム。双方 100BB 持ち、ブラインドは 0.5／1、スタックはハンド間で引き継ぎ、ボタンは交互に移る。相手はチェックサムで固定した FlyWire グラフから作ったネットワークで、借りた L4 上でまずエクイティ教師を真似させ、次に自己対戦で訓練し、ブラウザのワーカーでローカルに走る。データの扱いが丁寧で、生のコネクトーム表と学習済み重みは git に入れず、FlyWire の条件（CC BY-NC 4.0）を MIT の参照コードとは別物として明記し、MaleCNS のマニフェストはチェックサムが未解決なので検証済みデータセットとして扱うなと断っている。
FlyBrainLab (Agentic Scientific Discovery)
JonasMayerDev (@JonasMayerDev)
Databricks の課題「Agentic Scientific Discovery」（2026 年 10 月、ミュンヘン）のハッカソン作で、実験の輪を LLM エージェント群に任せる。下行ニューロン DNg02 を標的に、シード 42〜44 で sham・刺激・切断の 3 条件を、FAFB FlyWire v783 の全グラフ（138,639 ニューロン、15,091,983 接続行）と固定した Shiu ら のコードで Brian2 上に流し、結果を一次文献と突き合わせ、返ってきた結果から次の試験を選ぶ。パラメータと標的は事前に封印。README は運動アダプタが仮定であることと、検証した 200 ms の窓では既存の RL ポリシーが身体を支えており、コネクトームだけによる飛行は示せていないことを明言する。
Synaptera
omeruk (@omeruk)
FlyWire v783 コネクトーム（138,639 ニューロン・54,492,922 シナプス、Brian2）の全脳 LIF モデルを NeuroMechFly/FlyGym の MuJoCo 身体と閉ループでつなぎ、離陸・塔の通過・着地・摂食の課題を、判定される実行より前にリポジトリへ固定した基準で採点する。結論は控えめで、コネクトーム由来と言える行動判断は摂食だけ（MN9 が 10 Hz 超）。しかもその引き金は自作の近道で、配線から選んだ脚の糖受容ニューロンでは MN9 が 0 Hz のままだった。操舵・高度・着地・頭部反射は手書き。DNp15 の読み出しは自前の検証に落ち、DNg02 は一度も発火せず、脳だけの条件はどれも着地できなかった。
brainlab
@githabideri
コネクトームの事例をもう一つ足すのではなく、他者の事例を検証する側に立つリポジトリ。評価の手順を文章で固定し、使った回路ファイルとその出所の索引、日付を打って凍結した報告を残す。最初の報告は、第三者が FAFB v783 の嗅覚経路（1536 ニューロン・4 万 2921 結合）を学習させて作ったエージェント FlyBridge を対象に、各主張を「実データどおり」「足場に支えられている」「未検証」のいずれかに判定する。根拠は動画の書き起こしと代表フレーム、そして何よりリポジトリ本体で、動画と食い違う箇所も書き留めている。
Fly Abstraction Lab
@maggogerka
問いは一つ。コネクトームの形は、リザバーが数の抽象を転移する仕方を変えるのか。条件を揃えたグラフ対照や普通のネットワークと比べて測る。実データの FAFB v783 グラフの横に、次数保存・重みシャッフル・向きシャッフル・Erdős–Rényi の 4 種の対照を置き、いずれも入出力ノードの対応は同じに保つ。比較相手はランダムグラフのリザバー・GRU・MLP。分割はハッシュ付きの決定的マニフェストで残し、試験データは 768 行の UCI 表。差が出ても動物の認知の証明にはならないと README が明言している。
flybrain (Go + WebGPU)
@dsbaha
FlyWire の配線（13 万 8639 ニューロン・5450 万シナプス）を Leaky Integrate-and-Fire で回すシミュレータ。Go で書かれ Vulkan 上の WebGPU を使い、演算がビット単位で一致する純 Go の CPU バックエンドと、それを突き合わせる自己検査を備える。再現性は主張ではなく数字で報告される。参照実装の砂糖刺激実験は Brian2 で 0.12 Hz・活動 457 ニューロン、こちらは 0.13 Hz・369 ニューロン（刻みは 0.1 ms ではなく 1 ms）。脳をサーバとして小さな TCP プロトコルで公開し、別プログラムの 3D アリーナが匂いの世界で最大 4 匹を動かす。
Let It Flyppen
Giuseppe Bellamacina (@GiuseppeBellamacina)
FlyWire v783 の脳を 5 つ複製し、楽器ごとに 1 体ずつ、ブラウザの 3D ステージで曲をリハーサルさせる。各体は小節と拍の位置をスパイク列として 1055 個の Johnston 器官ニューロンから受け取る。起動時の探索で入力が実際に動かせる約 1700 ニューロンを見つけ、そこだけを 16 分音符あたり約 80 ミリ秒の計算で回す。コネクトームは凍結したままで、学習するのは出力ニューロン 616 本にかけた線形の読み出しだけ。再帰最小二乗で逐次当てはめ、ドラムの F1 は 1 回目 0.47 から 2 回目 1.00 になる。
NeuroPest
@IrohAmca
デスクトップを歩くハエで、振る舞いは FlyWire v783 の配線を Leaky Integrate-and-Fire で回した結果から出る。軽量動作用に 146 ニューロンの簡易回路も選べる。マウスカーソルは 3 つの感覚入力になる。接近の速さは MDN 経由の後退、速ければ巨大繊維 DNp01 の逃避跳躍を引き起こし、方位は DNa02 の旋回を、空腹は DNp09 への持続入力を駆動する。他のデスクトップのハエと違うのは、画面の実ピクセルを個眼とメデュラのコラム越しに取り込む視覚モードと、画面端への衝突を PPL1 の罰信号にしてキノコ体に端を学習させる点。
WireType
Jamie Wilson (@JamieWilson0209)
配線だけでニューロンを特定でき、伝達物質を当てられるか、そしてそれが別個体のボリュームへ移るかを問う査読前論文の解析コード。各ニューロンを 31 個の接続特徴（次数・結合重み・ランダムウォーク復帰・栄養段階・局所モチーフ）で表し、本体と結合の強い 64 本を合わせた 65 トークンを 4 ブロックの注意機構で符号化する。片方のボリュームのラベルで学習し、凍結したまま他方へ適用する。FlyWire v783 と MaleCNS v1.0 を双方向で回し、初期化したままの符号化器と学習目標そのものを読む probe を対照として残している。
Drosophila melanogaster (auditory VST)
Lazirko Records (@Maksym-Lazirko)
入力した音が FlyWire v783 の聴覚サブグラフ（731 ニューロン・7,056 の有向ペア・38,765 の検出シナプス）を駆動する JUCE 製の VST3 エフェクトとスタンドアロンアプリ。グラフは同梱で、実行時のダウンロードや認証は要らない。音はジョンストン器官の JO-A・JO-B から入り、スパイクが伝播し、下流の AMMC と中枢聴覚の集団発火率がフィルタを制御する。OpenGL の表示はそのスパイクそのものを描く。データの扱いが厳しく、公開された検出済みシナプスだけを使って膜の接触で代用せず、JO の伝達物質予測を無理にアセチルコリンと決めず、JO からの経路が検出されない中枢 7 細胞には入力を捏造せず、このグラフが聴覚ニューロンを網羅していないことも明記する。
fly-brain-honeypot
S4MU3LN3 (@S4MU3LN3)
Cowrie による SSH ハニーポットを、FlyWire コネクトームの Brian2 シミュレーション（約 13.9 万ニューロン）につなぐ。攻撃者がコマンドを打つたびに接近検出の LC4・LPLC2 を刺激し、信号は実測の配線を伝わって巨大繊維（Giant Fiber）に届き、その発火率が 0〜1 の「パニック度」になる。これが警告を出すタイミングと、偽のファイルシステムが偽の資格情報や鍵・DB ダンプといった、より本物らしい餌に差し替わるタイミングを決める。README は 10 年以上前からある Cowrie の部分と、今回足した 3 つの部分を分けて書き、ルール表との比較実験はまだ行っていないので有効性は主張しないと明言している。
Fly Colony
TZY114514 (@TZY114514)
Windows のデスクトップを歩くハエが、繁殖して世代を重ねる。成虫はそれぞれ 668 ニューロンの FlyWire の leaky integrate-and-fire 回路を持ち、観察中のハエやカーソル付近のハエには 1,045 ニューロンの MaleCNS 脚回路が付いて関節のある脚が動く。ハエ叩きは LC4・LPLC2 から巨大繊維への接近入力との競争になる。新しいのは遺伝の層だ。実在の 9 遺伝子を実際の座位に置き、処女採取と交配を行って予測比と観察数をカイ二乗検定で比べ、EMS 変異原処理のスクリーニングもできる。量的形質が接近ゲインや巨大繊維の結合の強さを決めるため、選抜育種が回路そのものを変える。DesktopFly を土台にしており、UPSTREAM.md で出典を示している。
FlyBrain Tic-Tac-Toe
Grzegorz Oleksy (@GrzegorzOle)
訪れた人がそれぞれ自分のハエに、記憶ゼロから三目並べを教えられるウェブページ。学習の中枢には FlyWire の配線図から取った右キノコ体のケニヨン細胞 2,597 個すべてを使い、実際の入力シナプス・出力ニューロン・ドーパミンの区画をそのまま置く。候補手ごとにハエはその結果の盤面を想像し、疎なケニヨン細胞集団が発火して過去の良し悪しを思い出す。対局後に PAM が報酬、PPL1 が罰のドーパミンを出し、期待値と実際の差（予測誤差）がどのシナプスを上げ下げするかを決める。相手役と高速で何千局も回す訓練モードがあり、学習を切った 100 局の「試験」で身についた分を測る。
FLYNN reproduction + BC comparison
aymen-000 (@aymen-000)
FlyWire FAFB v783 のコネクトームをリカレント結合に持つ漏れ積分 RNN で、カメラ 2 台の二輪ロボットを MuJoCo 内で走らせる論文 FLYNN（arXiv:2607.00025）の再現。そのうえで論文がやっていない比較を足している。同じエージェントを DAgger と素の行動クローニング（BC）で学習させ、学習時と同じ条件、左カメラのみ・右カメラのみ・両方停止、そして障害物密度・アリーナの大きさ・未知のテクスチャという分布外条件で評価する。モデル・環境・解析的プランナーは著者らの fly-gym の公開版から来ている。スクリプトは揃っているが、このリポジトリ自身の測定値はまだ報告されていない。
NeuroWalker
Arjunsk1291 (@Arjunsk1291)
18 自由度の六脚ロボット（MuJoCo）の歩行を、FlyWire から切り出した 10,000 ニューロン・797,577 シナプス対のスパイキング回路で変調する。条件ごとに 10 シードで、三脚歩容の CPG と PPO の残差方策を対照に取り、さらに脚の停止・関節の固定・トルク低下・センサー脱落でも比べる。平地と不整地ではコネクトーム側が CPG よりわずかに遠くまで歩くが、10 度の斜面では 10 回中 3 回転倒し（CPG は 0 回）、15 度以上では両方とも崩れて PPO だけが歩き続ける。README は ROS 2 ノード・Docker イメージ・CI を「書いただけで未検証」と明記する。
Fly Doctrines
Pr1nted (@Pr1nted)
FlyWire コネクトーム全体（138,639 ニューロン・15,091,983 シナプス、Shiu らの leaky integrate-and-fire モデル）を WebAssembly の mod として走らせ、戦略ゲーム Open Doctrines の 1 国を担当させる。盤面は 4 本の発火率に落として入力し、200 ms 後に 1,299 本の下行ニューロンの発火で手を選ぶ。設計を決めたのは 3 つの実測だ。感覚から下行への経路だけに刈り込んでもニューロンの 97.7% が残るので、代わりに可逆圧縮で 42.8 MB に収めた。常に強く発火する少数の下行ニューロンのせいで、試した 15 盤面すべてで答えが同じ手になり、各ニューロン自身の直近の基準との差を読む方式に変えた。そして忙しい手番は命令数 20 億を超えて停止した。強くはない、と本人が書いている。
Fly Brain Bot
Serhii (@kh-serhii-ai)
FlyWire v783 の 138,639 ニューロン全体をメッセージごとに走らせるウクライナ語の Telegram ボット。「ハエが何をしたか」は検証済みの出力ニューロン 3 本からコードが判定し、言語モデルは説明しかしない。速度の工夫は近似ではない。閉じた式で求めた膜電位の最大値が閾値に届かないニューロンは新しい入力が来るまで一切更新せず、素朴な逐次計算とスパイク単位で一致することをテストで確認している。これで全脳 1 回が秒単位になる。砂糖の用量反応・苦味による摂食抑制・毛づくろいの既発表結果を再現し、2026 年の再アノテーションで元モデルの水受容ニューロン 18 本のうち 7 本が砂糖側に移ったことも注記している。
FlyBrain iOS
pr4yhk6zt6-wq
FlyWire FAFB v783 の脳をまるごと iPhone に載せる試み。139,255 個の校正済みニューロンと 2,700,513 本の有向結合を漏れ積分発火モデルとして Metal の計算カーネル 7 本で回し、139,255 点の点群として描き、本体カメラの映像を光受容器への入力にする。目玉は実測値で、脳の常駐に必要な GPU メモリは想定していた GB 単位ではなく約 21 MB。視覚葉だけに切り出す必要も配信する必要もなかった。README は出発点にした数値のうち 3 つを訂正しており（FAFB は脳の体積データで神経索を含まない点など）、CI が保証するのはビルドが通ることだけで実機では動かしていないと明記している。
Flypet
Adelya Leleytner (@AdeliyaLeleytner)
研究基盤の引き継ぎ版リリース。Brian2 によるハエのシミュレーションを走らせ続けたまま、学習済みの書き込み器と神経トークン読み取り器を介して言語モデルにつなぐ。指示は刺激として脳に入り、モデルは神経活動の状態から答える。感覚の「庭」はアカウントも API キーも要らず Docker コマンド 1 つで動く。読む価値があるのは記録の扱いで、失敗した実行・途中の実行・置き換えられた実行を捨てずに保存し、読み取り器は自前のゲートを通っていない（厳密な中立の分類が 9 件中 0 件）と報告し、以前の実験には訓練・評価データの重複と前処理の漏れがあったと明記し、これは論文として主張できる段階ではないと断っている。
FlyWireGBA
LakoMoor
ペットとして飼えるハエが入ったゲームボーイアドバンスの ROM。制約が面白く、作業 RAM 256 KiB のため全脳ではなく FlyWire FAFB v783 から切り出した 128 ニューロン・2,048 エッジの部分グラフを載せている。切り出した回路は砂糖の感覚から MN9 までをつなぎ、摂食のゲートを担う。歩行・飛行・毛づくろいは手書きのヒューリスティック制御で、その区別は README の「科学的な範囲」節に明記されている。整数演算の代償（33.3 ms 刻みなので借用元モデルの校正済みタイミングは再現しない）や、21 個の砂糖感覚ニューロンのうち 1 個と 2 本目の MN9 が v783 の表に無く除いたことも書いてある。検証はエミュレータで、実機のカートリッジは未確認。
Buzzkill
GhostInTheBus (@GhostInTheBus)
連接組で動くデスクトップのハエ（DesktopFly）を、ゲームとして囲い直したもの。餌を落とすと寄ってくる、離席している間に増えて動かすと散る、そして「速くカーソルを突っ込むと本物の逼近→巨大繊維反射が先に発火して逃げる」ので潰すのが公平になる。脳と体は Denis Shiryaev のもので、ここで足されたのは周囲の世界と、同じ回路を MaleCNS v1.0（CC BY 4.0）から取り直した第 2 の抽出である。FlyWire 版 668 ニューロンに対し 665 ニューロンで、違いも書き残されている（逃避閾値がより鋭い、持続的な逼近でも巨大繊維が発火し続ける）。どちらでも巨大繊維への最強の感覚入力は Johnston 器官の聴覚ニューロンだった。
Flight-test the fly
aryawidjaja (@aryawidjaja)
ハエの T4/T5 → HS/VS → DNa02 操舵経路を、航空機のヨーダンパとして飛行制御則の作法で試す。周波数応答・ループ余裕・MIL 規格の Dryden 乱気流・ニューロン欠損を、次数と符号を保つシャッフル、素の機体、古典的ヨーダンパと並べて測る。第 1 相の結果は出ていて、1 Hz で実配線が 20 本中 1 位。コヒーレンスは実配線 0.980 に対しシャッフル中位 0.31、利得は 0.666 対 0.075 Hz/(deg/s)。機体は JSBSim の c172x。以降の相は第三者の監査を受けて再実行中で、FINDINGS.md は各行を実測・文献・未検証に分けて記録している。
FlyBrain · Flappy
programmingWTF (@programmingWTF)
FlyWire FAFB v783 の連接組（144,837 ニューロン / 15,023,799 シナプス）を、学習パラメータ 0 の完全に凍結したネットワークとして走らせ、その逼近逃避経路（LC4・LPLC2 → 巨大繊維 DNp01 2 細胞）に Flappy Bird 風のゲームを飛ばせる。主張を支えるのは消融実験で、その経路を切るか次数を保って繋ぎ直すと、点が下がるのではなく羽ばたきが 1 回も出なくなる（実配線は 40 局平均 100.8 点）。失敗した試みも長い表で正直に並べていて、1 手先読み・天井方向のブースト・門制御の各変種はいずれも悪化した。ブラウザ版が評測台より大幅に低いのは、ブラウザが脳に計算を供給しきれないためだと受制御の実験で特定している。
FlyWire Pong
zonzujiro (@zonzujiro)
FlyWire FAFB v783 から選んだニューロンに対応する 1,230 個の状態と、書き出した 8,515 本の有向エッジが、Atari の本物の Pong を相手側コンピュータと対戦する。エミュレータは公式 ALE の WebAssembly 版で、計算はすべてタブの中で走る。検査モードは直前の判断で停止し、12 回の再帰更新を 1 歩ずつ辿り、FlyWire ID でニューロンを検索して学習前後の重みを比べられる。README は境界を自分で引いていて、チェックポイントが Python で 60 戦 43 勝だったことは「ハエの位相構造に因果的な優位がある証明ではない」と書き、符号化・神経動力学・行動デコーダは自作だと明示する。
Drosophila-Lang
Universidad Camilo José Cela (@UniversidadCamiloJoseCela)
実行環境がハエの脳である、チューリング完全な難解プログラミング言語。使うのは FlyWire v783 の 138,639 ニューロンと、シナプス 5 個以上の結合 2,700,513 本。RAM もクロックも無い。プログラムの各状態は実在する同定済みニューロン（名前付き糸球体の触角葉投射ニューロン、ケニオン細胞、キノコ体出力ニューロン、PAM・PPL1 のドーパミンニューロン、DNa02、口吻の運動ニューロン MN9 など）に割り当てられ、変数はドーパミンが増減させるケニオン細胞から MBON へのシナプス強度そのもの、巨大繊維 DNp01 が発火するとプログラムが終わる。制約は解剖学から来る。PPL1 ニューロンが 16 個しか無いので変数は 16 個まで、条件分岐は 128 回まで。チューリング完全性をミンスキー機械への帰着で示す論文と 3D ビューアが付く。
Fly Brain Lab
roanbrasil (@roanbrasil)
ハエの実際の逃避配線が、ビーチサンダルの一撃をよける課題で本当に役に立つのかを対照実験で調べ、否定的な結果として報告する。同じ身体・同じ学習予算で 5 種類の脳を比べる。素の MLP、FlyWire v783 から切り出した逃避回路、各ニューロンの入次数と出次数を保ったまま行き先をシャッフルした対照、そしてその両方のシナプス固定版。各 5 シード・学習 197 万ステップのあと、1 シードあたり同一の 1,024 回の一撃で評価する。学習した 3 つはシード間のばらつきの中で並ぶ（MLP 63.8%、ハエ配線 62.2%、シャッフル 59.7%）。シナプスをコネクトームのシナプス数で固定すると、どちらの配線も課題を解けない（25.6% と 27.2%）。回路は 698 ニューロン・92,612 シナプス。実装は依存ゼロの JavaScript。
Fly Reflex
murilopinho (@murilopinho)
実機の Linux デスクトップで、ハエが Friday Night Funkin' を自分でプレイする。脳の様子はゲームの上に重ねて描かれる。画面は Wayland のポータル経由で取り込み、落ちてくるノーツを視覚刺激に変え、実シナプス 18,968 本を持つ FlyWire 由来の 668 ニューロン回路をスパイキングネットワークとして 1 kHz で回し、運動側が実際の矢印キーを押す。F9 で接続と切断を切り替え、キーボードが人間側かハエ側かは常に表示される。回路・脳の点群・スプライトは DesktopFly からコミットを固定して再利用し、出典を明記している。作者は限界を前に出す。プロジェクトは「進行中・棚上げ」と書かれ、難易度 5 では脳がいまだに制御不能な活動に入る。集団ごとの発火率を実際のハエの範囲と比べる健康診断も付く。
Systolic Neural Accelerator on FPGA
duydat291007 (@duydat291007)
FlyWire FAFB v783 コネクトームの 256 ニューロン部分回路を Basys 3 ボード上で走らせ、糖受容ニューロンが口吻の運動ニューロンに届けば食べ、ルーミング検出器が巨大繊維に届けば跳ぶ仮想のハエを閉ループで動かす。アクセラレータは SystemVerilog の重み固定型シストリックアレイ、ニューロンは整数の漏れ積分発火。重みは伝達物質の符号 × min(127, シナプス数の 2 倍) をシナプス 2,265 本に当てるだけで個別調整はしない。配置配線後 100 MHz で 4×4 アレイは 1 回の神経更新に 28,937 サイクル、直列 MAC の基準実装は 65,800 サイクル。行動の確認には除去実験の対照がある。各 40 試行で、FlyWire 回路は 35 回食べ 39 回逃げるが、全シナプスを取り除くと 0 回と 29 回になる。UVM 環境と変異テスト 27 件も付く。
Fly Xenotype
whydew (@whydew)
RimWorld 1.6 の MOD。追加される「ハエ」ゼノタイプの入植者は、固定の就寝時刻ではなく FlyWire v783 コネクトームから取り出した回路で眠る。ビルド用スクリプトが概日時計から睡眠ホメオスタットまでの経路（36 細胞型・260 ニューロン・192 結合・約 29,000 シナプス。s-LNv・LNd・DN1p・DN1a の時計ニューロン、前葉球の TuBu、睡眠ホメオスタットの ER5 リングニューロン、ExR1 ヘリコン細胞、ExR3、睡眠を促す背側扇状体）を C# のソースへ書き出す。結合強度はシナプス数、符号は推定神経伝達物質。脳が 250 ティックごとに作業優先度を書き換えるので、プレイヤーは作業・スケジュールのタブを触れない。README は回路内部の配線は測定値だがゲームとの接続はモデル上の選択であり、神経ペプチドと学習は再現していないと明記する。
Grey Leno Fly Brain
SpikeCalls (@SpikeCalls)
全脳のハエのモデルが、ブラウザの中で深夜トーク番組の司会者を操る。脳は FlyWire v783 の 138,639 ニューロンと符号付き結合 1,510 万本すべてで、シナプス遅延 1.8 ms の漏れ積分発火として素の JavaScript の Web Worker で回る。身体は three.js のステージ上の物理ラグドール。トマトやバラや砂糖を投げると、各イベントが同定済みの感覚ニューロン（味覚・嗅覚の受容ニューロン、ジョンストン器官の聴覚、R1-6 光受容器）へのポアソン入力になる。運動レベルには一切台本が無い。司会者が歩くのは P9 が発火したからで、野次に後退するのはムーンウォーカー MDN が発火したから、びくつくのは巨大繊維 DNp01 が閾値を越えたから。複眼視点とスパイクラスターの表示も付く。
MaleCNS embodied fly
Ryans-sS (@Ryans-sS)
コネクトーム閲覧ツール Codex のフォークであることを明記した上で、MaleCNS v1.0 を FlyWire FAFB 783 と並べて 1 つのローカルアプリに載せ、さらにオス側のデータを生きた動物として動かす。166,700 ニューロンを漏れ積分発火で回し、エネルギー・水・ナトリウム・損傷・細胞死という代謝を付けて、生き延びるには要求パッドを探して押さねばならないアリーナに置く。身体は MuJoCo 上の NeuroMechFly で駆動脚関節 66、片眼 721 個眼。数値はすべて対照群付きのアッセイから出る。匂いあり・なしで最接近 0.06 mm 対 2.75 mm、パッド押し 8 回対 1 回。報酬対偽報酬では訓練した匂いのケニオン細胞シナプスが -0.4226 対 0.0000 で抑圧される。測定データとモデル層を一行ずつ分ける README も付く。
MelanoGraph
Akasha Corporation (@AkashaCorporation)
事前登録と来歴管理を軸にした全脳シミュレーションの基盤で、回路の構造が社会的学習に何を足すのかを問う。Shiu らのモデルとともに公開された FlyWire 由来の結合データを読み、漏れ積分発火で回し、どの実験にも次数・重み・興奮抑制比を保つ次数保存リワイヤリングの対照を付ける。3 段階はいずれも実行前に SHA-256 で封をし、文書が封と合わなければ実行を拒む。再現性の確認は切り上げずに「部分的」と書く。上流の著者自身の 30 試行の出力に対し、全脳での糖刺激 1 試行は活動ニューロン数と右 MN9 で 7% 以内、左 MN9 では 21% 高い。Rust カーネルは NumPy の参照実装とビット単位で一致。社会的課題の実験が全脳でなく 10,201 ニューロンの部分グラフである点も注意している。
NeuroFly
spicypunch (@spicypunch)
検証に付き合う気のある、珍しい macOS のデスクトップペット。デスクトップにハエが 1 匹浮かび、メニューバーから餌を置いたり影を作ったりできる。状態ウィンドウにはその瞬間の感覚入力・ニューロン活動・身体出力に加え、空腹度と累積摂取量が並ぶ。背後では FlyWire v783 の 139,255 ニューロンと有向結合 15,091,983 本を Metal で計算し、取得スクリプトがデータのバージョンを固定してサイズと SHA-256 を検証する。検証の節は日付入りで具体的だ。コアテスト 29 件、投射ニューロンの発火は空腹時 875.08 Hz に対し満腹 2 秒後は約 0.000037 Hz、18 条件の餌グリッドでは感覚を遮断した対照 3 条件が餌なしの実行とダイジェストまで一致する。脳全体や実際の飛行の再現ではないとも明記する。
Subject 783
RootVandal (@RootVandal)
FlyWire v783 の全脳（138,639 ニューロン・5,450 万シナプス、Shiu らの漏れ積分発火モデルを Web Worker でスパイク単位に計算）を、地下の実験室で椅子に固定された「被験体」として見せる二言語のブラウザ作品。暗いブースから操作するコンソールには 15 の実験が並ぶ。砂糖、苦味、手持ちの音楽や YouTube のリンク、触角への送風、くすぐり、ストロボ、レーザー、電気刺激、遠心機、窒素、のこぎり。ボタンは名前の付いた感覚ニューロンを駆動し、モデルが応答する。口肢の糖受容ニューロン 32 本は口吻の運動ニューロン MN9 を約 75 Hz まで押し上げ、苦味受容ニューロン 42 本では MN9 は沈黙し、砂糖を同時に与えても摂食が 0 Hz に抑えられる。追い込むとリセットしない限りニューロンが焼き切れる。
20fly8
dtecx (@dtecx)
FlyWire v783 から切り出したキノコ体（ケニヨン細胞 5,177、出力ニューロンへの可塑的シナプス 62,261）が、2048 の 4 手が作る盤面を「におい」として嗅ぎ、どれが砂糖を約束するかをブラウザ上で学ぶ。条件ごとに 500 局の評価で、学習後のハエは平均 6,986 点、未学習は 1,594 点、ランダム操作は 1,103 点。鼻の配線を入れ替えると 925 点でランダムを下回り、学習したシナプスを互いにシャッフルすると 1,287 点で未学習相当に戻る。どちらの対照もページ上のボタンで試せる。README はスパイキング全脳版をやめた理由も書く: どの入力でもケニヨン細胞の 70〜78% が発火し、学習できるスパース符号が立たなかった。
fly-brain-sim
kornel77777 (@kornel77777)
FlyWire FAFB v783 のダウンロードスクリプト、再現可能な DuckDB ビルド、検証テスト、3D のブラウザビューアに、シミュレータを載せたもの。テストは Shiu ら と突き合わせる: 論文の砂糖感受ニューロン 20 本を刺激すると吻の運動ニューロン MN9 が約 100 Hz で発火し、活動するニューロンは約 380（論文は「約 400」）。直していない欠点も明記する。キノコ体のケニヨン細胞間 293,762 結合を興奮性として扱っているため、活動がキノコ体に届くと飽和し、プリセットによっては全スパイクの 3 分の 1 以上をケニヨン細胞が占める。実際の脳ならフィードバック抑制がスパースに保つところで、kenyon_cell_share の値を出力して気づけるようにしている。
Fly Connectome on a GPU
XYZ-WEB3 (@XYZ-WEB3)
FlyWire の全脳モデル（138,639 ニューロン・1,500 万結合）を自作 CUDA カーネルに書き直し、脳内時間 1 秒をノート PC の RTX 4070 で約 0.02〜0.06 秒で回し、感覚器と NeuroMechFly の身体につないだもの。著者は元モデルの暴走を報告する: 嗅覚糸球体 1 つに 5 Hz を入れると 8,162 ニューロンが活動し続けるため、シナプス疲労と遅い順応で抑えた。コネクトームの 62,261 本の KC→MBON 結合での条件づけは 10 匹中 10 匹で +11.4 ± 1.9 Hz（非対提示は +0.3 Hz）。ただし覚えたことが操舵まで届かないこと、タップゲームの上達は古典的条件づけでオペラントではないことも明記している。
Fly vs Fly
Grisha Gvadzabia (@grishahq)
2 体のエージェントが同一の固定 FlyWire v783 スパイキングモデル（138,639 ニューロン）を共有し、違うのは学習済みの出力インターフェースだけ。15×15 の自由型五目並べを打ち、ブラウザは実際の 37 手の対局を、各手の計算中に測ったニューロン活動つきで再生する。入力は自作エンコーダが解剖学的な入力ニューロン 450 本に与えるパルスで、1 手あたり 12 ms 回し、勾配は配線を通らない。ホールドアウトの表では即詰み 200/200・199/200、ランダム相手に 100/100、固定ヒューリスティック相手は 100/100 と 75/100。README は「デモの基準を満たしたにすぎず上級者の棋力ではない」とし、PPO で一方は 76/100 → 100/100、もう一方は 80/100 のままだったと書く。
Flybrain
Dhruv Agrawat (@dhruvagrawat)
Shiu ら の全脳モデル（138,639 ニューロン・1,510 万結合）を NumPy と Numba で書き直したもの。1 コアで脳内 1 秒が約 9 秒。実験をスパイク単位で再生する WebGL のラボと、「stimulate sugar at 200 hz」のような文を受け付けるコマンド入力がつく。小さなブラウザアプリ 8 本がハエ自身のニューロンに操作を渡し、それぞれに自動操縦と配線シャッフルの対照が同梱される。うち 1 本は本物の配線とシャッフル版を見分けること自体を題材にしている。砂糖の味覚ニューロンを刺激すると約 430 ニューロンが活動し、摂食運動ニューロン MN9 が約 115 Hz で発火して、論文の主要な結果を再現する。
FlyLab
viniciosix (@viniciosix)
FlyWire FAFB v783 から意図的にハブ寄りに切り出した標本（420 ニューロン、有向 5,742 結合、合計 338,945 シナプス。5 シナプス以上の結合のうち重み付き次数が大きい順）を扱う、静的なポルトガル語のウェブ実験室。ワーカーは 5 ms 刻みで、重みはシナプス数の対数から作る。そして代償も書いてある: 信号は実質すべて興奮性で、神経伝達物質の欄は表示だけで動力学を変えない、生物の集団に合わせたパラメータ調整はしていない、表示される発火率はモデルの値であって測定値ではない。対照と実験は同じ乱数種と駆動を使い回し、3D 表示は参照座標の投影で脳のメッシュではない。
PilotFly
silas1011 (@silas1011)
市販の FPV ドローンシミュレータの中でドローンを飛ばす。Windows から普通のコントローラに見える仮想 RadioMaster TX12 を動かす仕組み。画面は片眼 721 個の個眼をもつ flyvis の 2 つの眼でスパイクに変わり、FlyWire v783 から切り出した 2,384 ニューロン・36,098 結合（視葉板接線細胞 145、下行ニューロン 825、その間 2 ステップ以内の 1,414）を通り、翼の筋肉の代わりを務める学習層 1 枚で操作チャンネルになる。README は最終段の学習が未完で、ゲーム内ではまだ一度も飛んでいないと明言する。自作シミュレータでの 64 回の飛行では、離陸して墜落しないが高度を保てず、28〜34% が上昇しすぎて圏外に出る。
Spikecast
Padmanabhan (@padmanabhan-r)
FlyWire の 138,639 ニューロンのスパイキング脳が道を歩き、外部の「型つき決定モデル」が毎秒 5 回、10 個の事実を渡されて 6 つの行動から 1 つを選ぶ。9 個は道と身体のモデルから来るが、10 個目はキノコ体のシナプスから読んだ 1 語だけ。走行時の質問文には物体の名前も学習の経緯も入れず、テストが文面を検査する。記録では毒の塊に 1 度ぶつかり、2 度目は回避した（別の 4 回の試行でも同じ）。学習を切った対照では 4 回中 4 回ぶつかった。決定モデルはコード化した規則と 256 回中 249 回一致。README は「5 回の走行と 1 つの対照は実演であって統計ではない」と書く。
BioNose-Edge
Ali Rashidi (@Ali-Rashidi-80)
マイコン上で動くガスセンサ用の喰覚前段で、ヒープ未使用の no-std Rust 実装。珍しいことに、主な結論は「ハエの回路が負けた」である。実センサの 36 ヶ月の劣化を含む UCI ガスセンサドリフトデータ 10 バッチ、未使用 13,535 サンプルでの評価で、FlyWire 由来のケニヨン細胞 2,048 層が 52.4%、配線をシャッフルした同じ層が 53.3%、作者自身の連続コサイン追尾が 67.4% 。疎な 2 値符号は浮動小数点演算器を持つプロセッサなら保てるベクトルの幾何を捨ててしまうという読みで、キノコ体モジュールは剥離実験用に残すだけとされた。同じ回路の対数変換と除算的正規化は採用されている。
ChessFly
znatgost (@znatgost)
FlyWire v783 の実際のキノコ体入力配線、喰覚投射ニューロン 285 本・ケニヨン細胞 5,177 個・その間の 21,509 結合を取ってきて、匂いの代わりにチェス盤を見せる。変わるのはケニヨン細胞→出力ニューロンのシナプスだけで、ドーパミン相当の予測誤差で学ぶ。ブラウザ上の自己対局で育てると、5,000 局でナイト 3.1・クィーン 11.0 ポーンという価値表を誰にも教わらずに作る。主な結果は否定的で、実測配線のレート 1690 に対して入力をシャッフルした同じ細胞が 1695、初期の完全ランダム設計は約 60 点強い。作者はそれを現実さでなく容量の差と説明している。
Fly Tamagotchi
ameerul-muminin (@ameerul-muminin)
食うかどうかをルールでなく配線が決めるバーチャルペットのハエ。スマホのタップが砂糖、揺すと苦味、カメラを覆うと暗闇になり、FlyWire release 630 上で再現した Shiu ら 2024 のモデルで口器運動ニューロン MN9 が毎秒 20 スパイクを超えたときだけ食べる。砂糖と苦味を同時に与えるとほぼ拒むが、これも配線から出てくる。作者は MN9 の発火率を 68.4±4.6 対原著 67.0±6.7 と報告し、配線をシャッフルした脳は決して食べないこと、全脳と一致する 19,698 ニューロンの部分網を使っていることも示している。画面上の各状態には「脳」か「ゲームのルール」かが常に表示され、空腹・明るさ・気分・気絶は後者だと断っている。
Flyer
PixeLabs (@thepixelabs)
Shiu ら 2024 の式で回す FlyWire 全脳モデルに「何を食うか」を聞く。砂糖を常に入れたまま、他の 63 チャンネルの味と匂いを 1 つずつ追加して口器運動ニューロン MN9 を測り、有望なチャンネルは再試行・組み合わせ・新しいノイズでの確認にかける。異なるノイズから 6 回探索して結果は同じで、水・低濃度の塩・咽頭の味覚 1 チャンネルで、砂糖だけのときより毎秒約 12〜16 スパイク多い。匂いは 1 つも選ばれなかった。53 の匂いのうち 18 は摂食を下げ、35 は何も起こさない。作者はこれを「食べさせる入力の話であって、ハエが好む香りの話ではない」と断る。発火した細胞は実際の位置に描かれ、絵のうちどれだけがデータに乗っているかの忠実度が付く。
Doodle Fly
@dtecx
Doodle Jump 風のゲームで、左右のボタン操作は下行ニューロン 6 型の発火率の差そのもの。FlyWire v783 の全脳をブラウザ内でシミュレートし、学習済みの読み出し層は無い。面白いのは対照実験を同梱している点で、左右の眼を入れ替えると 2 分間の落下が 0〜1 回から 41〜44 回に増え、視覚入力を切ると同じ場所で跳ね続ける。どちらもアプリ内のボタンで切り替えられる。狙う足場を決めるのはゲーム側で、その信号を小物体検出器 LC10a に流す部分と、スパイクをボタン操作に変える部分は自作のインターフェースだと README に列挙されている。
Fly Brain (multi-backend benchmark)
@TheOneeeeee
多くの企画が問わない点に答える。全脳コネクトームのモデルは、どのシミュレータで回すべきか。FlyWire の脳の同一の漏れ積分発火モデルを Brian2・Brian2CUDA・PyTorch・NEST GPU・GeNN の 5 つのバックエンドで走らせ、0.1 秒から 1000 秒までの持続時間と 1〜32 試行を掃引する。操作は光遺伝学を模した活性化と抑止。README は現実的な制約も記録しており、Brian2GeNN が古い Brian2 に固定されるため別環境が要ることを述べている。同じコードの上に、約 10,700 ニューロンの部分グラフで動く pygame の採餌デモが載っている。
Fly Brain Zero-Shot
Vibhakar Mohta (@vib2810)
測定された配線が、一度も調整されていない身体に対応できるかを問う。FlyVis の眼が FlyWire v783 上の Shiu らの全脳モデルを駆動し、脳自身の旋回ニューロン DNa02 が NeuroMechFly の身体を暗い柱へ向かわせる。歩行中に脚を 2 本切除し、その瞬間に個体を複製するので、負傷した個体と無傷の個体は同じ履歴を共有する。負傷しても到達した柱の数は変わらない（10 秒あたり 3.14 対 2.96）。ニューロン数と結合数を保ったまま接続先を入れ替えると、DNa02 は約 30 Hz から 2 Hz に落ち、柱に届かなくなる。脚のリズム・光学系・2 つのゲインは著者の自作だと明記している。
Fly With Me
@izntariq
音はハエが実際に持っている入力であり、この企画はそれを使う。2 つのデッキの音声を帯域に分け、ハエの聴覚器であるジョンストン器官の 12 亜型に左右それぞれ入力する。FlyWire v783 の全脳がスパイキングネットワークとして走り、1,409 個の下行・運動ニューロンが DJ ミキサーを操作する。クロスフェーダーは左右の下行ニューロンの偏りに従い、巨大繊維 DNp01 がビートロールを、苦味で駆動される神経群（後退歩行の MDN を含む）がバックスピンを引き起こす。同梱のスクリプトで、公開されている Shiu らのモデルとシミュレータを照合できる。
FLY67
Ruben Znatgost (@znatgost)
Shiu らの漏れ積分発火モデルを JavaScript でゼロから書き直し、FlyWire の 138,639 ニューロン全部を Web Worker 上で実時間より速く回し、全スパイクを 3D に描く。特筆すべきは検証表で、同じ糖刺激について著者自身の Brian2 コードと比べ全ニューロンで r = 0.9996 に達する。README は、不応期中に届いたシナプス入力が黙って捨てられるという Brian2 の仕様を記録しており、これを見落とすと下流の発火率が約 5 割水増しされると指摘する。速さは、発火し得ないと証明できるニューロンを飛ばすことによる。6-7 の動作は脚本化されたアニメーションでコネクトームの出力ではない、と明記している。
flyconn
@moiz-lakkadkutta
MaleCNS v1.0・FlyWire v630/v783・hemibrain・MANC・BANC を、チェックサム付きのオフラインデータ層ひとつの背後にまとめ、その上に符号付き疎グラフを構築する Python ツールキット。重みの閾値を変えたときの経路安定性という形で不確実性を伝播させ、公開結果と照合済みのクロスプラットフォーム LIF シミュレータを持ち、YAML の仕様から実験を回して出典と引用付きのレポートを出す。対照実験は既定で走る。README は本プロジェクトを pre-alpha と呼び、神経伝達物質の同定は予測であり、シミュレーション出力はすべてモデルの予測だと明言している。
prettyFlyfora
@zeebie-the-zebra
FlyWire FAFB v783 を使ったエソグラム（行動目録）シミュレータ。この種の企画で一番難しい「下行ニューロンに何の役割を割り当てるか」を珍しく正直に扱っている。1 ニューロン 1 筋肉の対応はさせない。小さい方のネットワークでは 18 個の運動細胞に手作業で役割（推進・旋回・制動・覚醒）を与え、残りは名前の接頭辞で推定する。全脳側の約 471 型・1,301 個の運動ニューロンについては、感覚モダリティごとに刺激して各型の応答プロファイルを記録し、オフラインで役割を割り当て、その対応表を CSV として同梱している。公開パッケージは実行部分のみで、対応付けのツール類は含まない。
Uzum Fly
@d3xr
嗅覚回路の応用先として商品検索を選んだ例で、FlyHash 系の研究が前提にするランダム射影ではなく、測定された配線を使っている点が珍しい。商品名とカテゴリを 384 次元のテキスト埋め込みにし、PCA で 51 成分に落として各成分を 1 つの糸球体に割り当てる。測定済みの FlyWire v783 の投射ニューロン→ケニヨン細胞行列から 4,678 個のケニヨン細胞の活動を計算し、上位 5%（234 細胞）が商品の疎な符号になる。ページは、商品の「匂い」が作者による人為的な対応づけであること、実際のクリックで学習しておらず本番の推薦系にも接続していないことを明示している。
cerebro (cerebro-mosca)
Allan Matheus Silva Santos
デモではなく、公開された全脳モデルの監査。numba 実装が Brian2 の発火を発火率相関 0.999 で再現しつつ約 1000 倍速く、そのおかげで検査が現実的になる。左 il3LN6 という 1 個のニューロンが抑制性なのに興奮性として入っており、砂糖への応答が 377 から 8,323 ニューロンへ膨らむ。匂い 1 つでケニヨン細胞の 66% が光るが、実際のハエでは 5〜10%。FlyWire と BANC は個体間で最大 ρ=0.32 しか一致せず、BANC の神経伝達物質コンセンサス列は 68 細胞型で自分のニューロンと矛盾する。3 件とも上流に報告済み。
drosophila_nav
bamboosalt09-bam
ハエ由来の操舵回路を固定したまま、運動の制約が違う身体に差し込んで身体が何を変えるかを見る。まず原著者のノートブックと突き合わせ、PFL の集団活動はビット単位で一致、操舵指令は 3.4e-14 まで一致することを確認している。その上で看板の結果を撤回する。指令ノイズを入れると理想身体は 144/144 の基準試行に成功し、「身体の制約が回路を救う」は決定論的な手順が生んだ見かけだった。残るのは逆向きの効果（遅れのある身体が神経側のノイズを低域通過させる）で、3 つの身体軸のどれにも主効果は無い。
Flippy la Mosca
ArchelKrozt
スペイン語のピクセルアート・アリーナで、FlyWire v783（138,639 ニューロン、1,500 万結合）をニューロン単位で、8 GB の M1 ノート上ほぼ実時間・約 1.5 GB のメモリで走らせる。餌・苦味・CO2・熱・風・光を手で置くと感覚ニューロンに入り、視覚・記憶・発火・運動指令のパネルが開く。ニューロンを黙らせる実験パネルもある。20 秒ほどの自己テストが既知の結果 9 件を確認し、補助ナビゲーションを切れば脳だけから出てくる振る舞いを見られる。連接組のメニューは他のデータセットも並ぶが、いま動くのは v783 だけだと明記している。
fly-brain-research (framework benchmark)
MoisesIbarraMejia
FlyWire v783 の全脳 LIF モデルを 6 つのシミュレータ基盤（Brian2 CPU・Brian2CUDA・PyTorch・NEST GPU・GeNN・Brian2GeNN）で同じ条件（持続時間と試行数の格子）に載せて計測する。コンパイルや読み込みの時間が紛れ込まないよう、セットアップ時間とシミュレーション時間を別の列に分けて記録する。精度の基準は Brian2 CPU で、活動ニューロンの Jaccard 一致・ニューロンごとの発火率相関・スパイク数比を基盤間で比較するスクリプトが付く。スパイク出力は計測区間の外に書き出し、マニフェストとチェックサムを添える。
flybrain-connectome-benchmark
Vichien Fugsukjit (independent researcher)
Shiu らの全脳 LIF モデルを称賛せずに実験データと突き合わせて採点するプリプリントのコードと事前登録。判定基準と時刻印つきの修正履歴を実行前にコミットし、摂食回路の全脳単一ニューロンノックアウト走査を 2 周（全活動ニューロン、次に 10 シード＋FDR）回して、ノックアウト予測がどこで外れるかを診断する。Male CNS v1.0 でも同じ手順を繰り返す。NumPy/SciPy 実装は元の Brian2 コードと照合済みで、コネクトームデータ自体は再配布していない。
Flying
CauchyRiemannEquations
実際のショウジョウバエのコネクトーム構造を保ったモデルで系列想起を調べる。ベンチマークとして円周率の桁を学習させるが、冒頭で「生きたハエが円周率を覚えた証拠ではない」と断っている。再帰結合は凍結し、外側の読み出しだけを学習する設計で、表現・復号・内部学習を混同しないことを繰り返し求める。最新の診断は凍結ヘッドの転移を 25〜27% から 49〜53% に上げたが、結論は未達の報告。事前登録したアクセスと保持のゲートを通らず、整合後の回帰 R2 は負のままだと書いている。
Predicting Neuron Cell Types from Whole-Brain Connectivity
kostas52675
ニューロンの素性が配線だけからどこまで復元できるかを問う。FlyWire v783 の 139,246 ニューロンを super-class に分類し、特徴量は 171 個（入出力の相手数とシナプス数、細胞の大きさ、出力の神経伝達物質の割合、79 の神経網ごとの入力・出力シナプスの割合）。層化して 70/15/15 に分け、モデル選択はすべて検証集合で行い、テスト集合は最後に 1 度だけ読む。クラスの偏りも先に明示しており、optic が 55.9%、endocrine は 0.06% しかない。
AIfa-BioBench
Maksim Galatin (CODE Eternal / AIfa Works)
ハエに着想した各アルゴリズムの測定値を、「標準的な手法の方が勝つ場合」も含めて公開している。ベクトル検索では疎な投影の Recall@10 が 39.55%、厳密探索の FAISS は 100% で、しかも後者の方が速い（43.9 ms 対 8.8 ms）。二値検索の比較では非ゼロ重みが Sign-LSH の 85 分の 1 で済む代わりに精度は 18.9% 対 80.5%。入力本数（claw 数）の掃引では、ハエの d=6 がこの課題での最適ではなかった。エージェントの評価では、効いていたのは訪問済みリンクの記憶であって、生物に倣ったモジュール群ではないと結論している。結果ファイルには OpenTimestamps のタイムスタンプが付く。エンジン本体のコードは非公開で、この場所にあるのは数値のみ。
doom-fly-control
gabrycina (@gabrycina)
「ハエの脳が DOOM をプレイする」で話題になった 2 つのプロジェクトに、本来必要だった対照実験をかける。学習ありのものでは、実配線・ランダムに繋ぎ替えた配線・配線なしの 3 条件で、ViZDoom の 5 シナリオ各 100 試合（乱数種を揃える）を回し、どれも同じ得点になった（defend-the-center で 19.1 / 19.6 / 19.3 kill）。学習なしの 166,700 ニューロン版では、2,560 万本の結合を崩すと生存が 53 秒から 7 秒に落ちるが、脳を持たず右に少し曲がって前進し撃ち続けるだけのロボットも同じだけ生き残る（52 秒・12 kill）。配線が効く陽性対照も併記し、Shiu らのモデルでは糖刺激で運動ニューロン MN9 が実配線 66 Hz・崩すと 0 Hz になることを示している。
FLIEGE
IT-EXPRESS Bayern
配線図から行動までのあいだにある段階を、反証も含めて公開しながら検討しているドイツの公開研究。内容はコネクトームの監査（ニューロン数・シナプス数、シナプス検出器ごとの差、優先的に再検討すべき候補）、感覚や身体の対象に紐づけた細胞同定（出典とバージョン付き）、公開済みの中枢パターン発生器モデルを 8 つの対照条件で再計算したもの、そして身体・6 本脚の関節・ニューロン骨格・翼のロール試験台をブラウザで触れる実験室群。うち 1 つは BANC から選んだ部分グラフを通して前脚の関節のフィードバックループを閉じる。README は、完全な再構成は作業中であり、自由飛行や自律的な生活は実証されていないと明記している。
flycraft
Solomon Shalom Lijo (independent researcher)
公開されている全脳モデルを FlyWire と MaleCNS の上で作り直し（実在する約 139,000 ニューロンに対しモデルニューロン 1 個ずつ）、嗅覚中枢に 2 点だけ手を加えて Minecraft の身体を与え、「配線だけで他個体との出会いについて何を知っているのか」を問う論文とそのコード。得られた答えはおおむね否定的である。ハエは反応はする（糖に口器を動かし、頭に触られると産卵管を出す）が、雄を受け入れるか争うかを決めるニューロンには感覚がほとんど届かない。味覚が送れない教示信号を外から与えて記憶を作らせても、ほとんど使われない。箱に入れた 2 匹は互いに向かって進むことはなく、ぶつかった時に動きを止めることだけが両者をつなぎとめていた。
FlyDesk
leath0r (@leath0r)
デスクトップ上のショウジョウバエの群れで、1 匹ごとに FlyWire v783 のコネクトーム（138,639 ニューロン・1,500 万シナプス）から組んだスパイキング脳を持つ。積分発火型のパラメータは公開済みの全脳モデルのものを使う。反応はタイマーではなく回路から出てくる。カーソルを急に近づけると迫影を検出する LC4・LPLC2 が点灯し、巨大繊維 DNp01 まで届いてハエが飛び立つ。砂糖を味わうと味覚ニューロンが働き、口吻の運動ニューロン MN9 が摂食を始める。numba のカーネルで最大 10 匹ぶんの脳を並列に回す。ハエは老いて死に、メンデルの法則に従って突然変異を受け継ぎ、Windows のウィンドウ・スピーカーの音・画面の明るさ・屋外の天気を感じ取る。
Anatomi Lalat Buah 3D
@sofanaja44
インドネシア語で書かれた Drosophila melanogaster の 3D 解剖ビューア。注釈付きの部位は 123 個で、ジオメトリはすべて Three.js の手続き生成、外部メッシュやテクスチャ画像を一切使わない。脳の層は模式表示から、実際の FlyWire ニューロピルメッシュ 43 領域に切り替わる。メッシュは fafbseg パッケージに同梱された表面アーカイブから取るので FlyWire のアカウントは要らず、神経の骨格は Codex の SWC ファイルから変換する。光受容細胞の軸索は、片眼あたり約 780 個モデル化した個眼の実際の位置から引かれている。
flyspeare
@owenautosport
FlyWire v783 のシナプス数から組んだキノコ体（投射ニューロン 168 本、ケニヨン細胞 2,456 個、MBON 29 型）が、ドーパミンだけを頼りにシェイクスピア全集をタイプすることを学ぶ。1 匹あたり計算はおよそ 1 週間。記憶の持続は葉に対応し、γ 葉は 1 時間ほどで忘れ、αβ 葉は数日保ち、夜は眠って報酬のあった場面を長期記憶に再生する。README は「ハエはタイプできない」と明記する。26 個のキーは downstream に置いた人工的な行動チャネルで、感覚は簡略化され、タイプの動作は物理ではなくアニメーション、「気持ち」の言葉も測定値に規則を当てただけだとしている。
fruitfly-blackjack
@rmz-24
カードを匂いとして FlyWire v783 の投射ニューロンに与え、ドーパミン様の予測誤差でケニヨン細胞から出力ニューロンへのシナプスを書き換え、学習した重みをコネクトームに戻して、スパイキングの脳自身にブラックジャックを打たせる。キノコ体の読み出しは基本戦略と 97.5% 一致し、投射ニューロンを直接読む対照の 91.4% を上回る。この差がケニヨン細胞による展開の効き目にあたる。投射ニューロンを素朴に駆動すると触角葉全体が燃え上がり、どの匂いでもケニヨン細胞の 55〜72% が発火してしまうこと、そこにクランプを入れて初めて疎な符号になることも書いている。
Ragdoll playground + fly brain
@kenprosi
ブラウザで動くラグドールの砂場で、人体に FlyWire v783 の全脳（139,255 ニューロン、約 270 万結合）を Web Worker 上で載せられる。身体は粒子格子でできていて、へこみ、割れ、治る。脳は痛み・匂い・味・迫ってくるもの・持ち上げられる感覚を受け取り、PPL1 と PAM のドーパミンがキノコ体のシナプスを弱めるので、叩かれたときに嗅いでいた匂いを後で避けるようになる。「ニューロンではなく規則である部分」を別項で列挙している。データに腹側神経索が含まれないため、反射・歩行・向かう方向の選択はコードだと明記する。
Creature Lab
RathaTart (@RathaTart)
一つの画面に 3 つの実験が載っている。1 つ目は NeuroMechFly の身体形状の上で記録済みの物理を再生し、地形を作れるもの。見る価値があるのは 2 つ目で、実測の FlyWire 結合とスパイク仿真、学習済みの運動読み出しで 10 種類の迷路を走らせ、結合を切ったり下行出力を黙らせたりして記録済みの結果と比べられる。3 つ目は追跡者 4 体のいる迷路で方策を学習させる。公開ページは保存済みの記録を再生しているだけで学習は走らないと明記していて、実時間の実行はローカル導入が要る、としている。
desktop-fly-android
lan450 (@lan450)
DesktopFly の Android 移植。Gradle も外部依存も使わない素の Java で書かれており、面白いのは移植そのものより元実装の検証になっている点。回路は同じで、FlyWire v783 の逃避・旋回経路 668 ニューロン / 18,968 シナプスを 1 kHz で、MaleCNS v1.0 の神経索 1,045 ニューロンを六脚の駆動に使う。Swift 側の乱数生成を忠実に写した鏡を用意して本家の自己テストと値を突き合わせ、迫り来る刺激から巨大繊維の初発火まで 4 ms といった数値が一致したと報告している。指で押さえると迫来刺激、素早くなぞると気流になる。端末が熱いほど脚の時計が速くなる。
Fly Admin
Valery Petrov (@valerypetrov)
FlyWire v783 の脳を丸ごと（139,255 ニューロン、5,450 万シナプス）スパイキングで走らせ、使い捨てのローカルデータベースサーバーの面倒を見させる。データベースの不調は味・接触・迫ってくる影として脳に届き、ハエは自分の運動ニューロンを通して操作し、問題が直るとドーパミンが出て学習する。冗談で終わっていないのは「既知の限界」の一覧があるからで、匂いの入力が無いのでキノコ体細胞は一度も発火しない、歩行の下行ニューロンを十分に駆動する感覚が無いので歩行は選ばれない、報酬の帰属が別の行動にこぼれる、重みが減衰しない、脳は実時間より遅い、と並べている。
Fly Brain LeetCode
Pragyaan Gaur (@pragyaangaur)
問題を記号 1 つずつ、FlyWire v783 の脳（138,639 ニューロン・270 万結合）の味覚・触覚・嗅覚ニューロンに流し込み、配線は一切変えずに、1,303 本の下行ニューロンから線形の読み出しだけを学習させて答えを取り出す。判定は隠しテスト全通過のみを正解とする方式で、Easy 12 問のうち 3 問が Accepted。面白いのは対照の列で、結合先を入れ替えた版がほとんどの問題で同等かそれ以上を出し、記号の出現数だけを見て順序を無視する参照表がさらにそれを上回る問題もある。読み出しが実際に頼っているものが見えてくる。
fly-terrarium
s31fdev (@s31fdev)
学習プロジェクトだと名乗ったうえで、その通りの中身を丁寧に作ってある。NeuroMechFly v2 の身体が YAML に書いた経路を平らな闘技場で歩き、動画と時刻付きの軌跡表と俯瞰図を書き出す。見たものに向かって歩いたり、迫ってくる柱から逃げたりもでき、その判断だけは経路ファイルではなく 138,639 ニューロンの全脳モデルが出す。同じ脳はブラウザ版のテラリウムでも動く。README は速度も隠さず書いていて、著者の機械ではモデル内の 1 秒を回すのに実時間で 12 秒ほどかかるという。
Fly Trading
youn-sm (@youn-sm)
短い動画のための企画だが、中に再現実験が入っている。直近 5 日の上昇分で甘味の受容ニューロン 21 個を、下落分で苦味の 21 個を刺激し、信号が 127,400 ニューロン・5,279 万シナプスを伝わって、摂食の運動ニューロン MN9 が強く発火すれば買い、しなければ売りとする。その前段として、公開されている全脳モデルを numpy で実装し直し、公表値を再現している。糖 150 Hz で MN9 が約 110 Hz、そこに苦味を混ぜると約 4 Hz まで落ちる。過去データによる模擬売買であり、実際の注文も投資助言も無いと明記している。
电子果蝇·香蕉大作战 / Digital Fruit Fly Knowledge Base
professorwang (@professorwang)
互いを支える二つの半分でできている。片方は FlyWire コネクトーム（139,255 ニューロン、2,698,236 シナプス）上の leaky integrate-and-fire ネットワークが 2D サンドボックス内のハエの動きを門制御するブラウザゲーム。もう片方は、2026 年の具身化全脳エミュレーション騒動について、時系列・主要論文・データ基盤・オープンソースのスタックをまとめた中国語の知識ベース。地味だが効くのは後者で、主張だけでなく批判（腹神経索が仿真に入っていない、視覚系は装飾的だと当人が認めている等）も併記し、中国語圏の一部媒体が取り違えたニューロン数を訂正し、どの数字を採用したかを明記している。
FlyBrain (Home Assistant)
aliforfaen (@aliforfaen)
ハエの脳の両端に家をつないだもの。FlyWire v783 コネクトーム（138,639 ニューロン、15,091,983 シナプス）をコンシューマ向け GPU 上でスパイキングネットワークとして走らせ、部屋の温度計が温度感覚ニューロンを駆動し、その出力スパイクを小さな学習済み読み出しが色に変え、その色を照明に送る。脳は凍結されていて学習せず、学習するのは読み出しだけ。README は率直で、ハエの脳の中に台所の照明を知っている部分は無い、その対応づけは作者のものであり、コードにもそう書いてあると述べている。
flybrain-reservoir
Milan Kalajdzic (@MilanKalajdzic)
問いを一つに絞り、否定で答えている。実測の配線は、統計量をそろえた無作為配線より良いリザバーになるのか。雄性中枢神経系 166,700 ニューロンをエコーステートネットワークの再帰層にして日次の市場データを流し込み、各ニューロンの結合相手数を保ったまま配線を入れ替えた対照と比べる。予測性能はどちらにも差が出ない。記憶容量では実物のハエが最下位で、全神経系では無作為配線の 8〜11 分の 1 にとどまる。密な結び目が先に飽和し、残りがほとんど動かないためだという。脳領域ごと・ニューロンごとにゲインを最適化しても、NARMA-10 でも、FlyWire での再現でも結論は変わらない。
FlyConnectome Embodied Behavior Lab
nickliqian (@nickliqian)
同じ梯子を 4 段に分け、どの段も 1 台のマシンで完全オフラインで回せるようにしてある。L0 は navis に同梱された再構成から単一ニューロンの形態と ROI ごとのシナプス結合図を描く。L1 は受容ニューロンから投射ニューロン・キノコ体細胞へ至る嗅覚回路のスパイク仿真を HTML 1 ファイルにまとめたもの。L2 は中心複合体の環状アトラクタで方位を保ちながら環境と閉ループを作る。L3 では MuJoCo 上の NeuroMechFly v2 の身体に制御を渡す。別に 3D の検証用シーンがあり、ニューロンを見ながら嗅覚回路の一部を切って影響を見られる。
FlyLeno
AgitationSkeleton (@AgitationSkeleton)
FlyWire v783 の全脳スパイキングモデル（138,639 ニューロン、1,510 万結合）を Web Worker で走らせ、トーク番組の舞台に立つラグドールの司会者を操る。変わっているのは入力側で、拍手・投げつけられたトマト・金属パイプといった舞台上の出来事が感覚ニューロンを刺激し、音楽のプレイリストは聴覚ニューロンに流し込まれ、観客の反応はドーパミンニューロンに届いてモデルの次の選択を変える。出力側では同じニューロンがラグドールの筋肉、口の動きに同期したでたらめな発声、そしてハエらしい毛づくろいや摂食を駆動する。ビルド手順の無い静的サイト。
flymsg
Gianluca Mazza (@gianlucamazza)
MaleCNS v1.0 を丸ごとスパイキングモデルにしたものだが、労力の多くはデモではなく自己検証に向いている。実験から機能がわかっている回路を並べ、対照・用量反応・潜時の順序まで含めて検査し、補正なしで 29 項目すべてを通ったと報告する。別途、Shiu らの公開 brian2 モデルを雌の FlyWire 脳で回し直して誤差の範囲で一致することを確かめており、その過程で自分の旧版が公開モデルから静かにずれていた箇所を 6 つ見つけている。モデルの選択は事前登録した規則に従う。ブラウザ側では実際のニューロン表面に活動を重ねて再生できる。
GiantFiber (GF-1)
reacherwu (@reacherwu)
飛行制御の計画ループの中ではなく、その下に置く反射層。コネクトームから取り出した回路のかたちを使う。ロブラの Col4 細胞が視角の拡大を計算し、名前のついた巨大繊維の下行細胞 2 本、左右差を出す広視野の接線細胞、ロール後に機体を元の方位へ戻す中心複合体の 16 分割リングが続く。MAVLink 経由で PX4 に割り込む。掲げられている数値は実機の飛行ではなく hardware-in-the-loop シミュレーションのもので、配線は事前知識として使っているだけで実測ネットワークをそのまま走らせているわけではない、と明記している。
A Matrix das Moscas
Zidanski (@Zidanski)
一つの 3D 世界に 6 匹のハエが同居し、3 匹は FlyWire v783、3 匹は MaleCNS v1.0 で、どちらも Shiu らの leaky integrate-and-fire モデルをイベント駆動の CPU エンジンで走らせる。つまり同じ世界に、測定された 2 つの神経系が同時に住んでいる。守ると決めた規則が最初に書かれていて、世界側のコードは決してハエを動かさない。世界は物理的な状況を感覚入力に変換し、ハエがしたことに反応するだけで、動きはすべて仿真ニューロンの読み出しから出る。100 日ぶんを走らせて指標を出す。世界を作る前に糖から運動ニューロンへの応答で検証を済ませている。
Visualising Fruit Fly Neurons
Zack Maz (@zack-maz)
成虫脳の 139,248 ニューロンを 1 個 1 点の点群にして、並べ方をいくつも用意したもの。解剖学的配置では神経網のメッシュの中の各ニューロンの基準点に置き、細胞体配置では細胞体の位置へ移すが、脳内に細胞体を持たない 15%（多くは感覚ニューロン）はそのまま残ると注記する。鏡像配置では右半球を左に折り重ねて対応するニューロンを重ねられる。解剖学以外では、入出力の領域プロファイルと結合相手それぞれについての次元削減、そして感覚の末端から何段目かを横軸に取る配置がある。色分けと検索は半球・領域・細胞型など複数の分類で行える。
Drosophil-Anki
Ethan Chen (@ethanwchen)
Anki のアドオン。画面の隅にいるハエは飾りではなく、復習のあいだ実際のコネクトームの切り出しをスパイキングシミュレーションとして走らせている。カードのノート ID が嗅覚ニューロンを活性化し、疎な Kenyon 細胞の集合が応答する。Good と Easy は報酬の PAM ニューロンを、Again は罰の PPL1 ニューロンを発火させ、Kenyon 細胞から MBON へのシナプスが実際のハエと同じ向きに変わる。雄のハエは MaleCNS を、雌のハエは FlyWire のコネクトームを走らせる。同期を押すと復習履歴全体が数秒で脳に流し込まれ、カーソルを重ねるとその下のニューロンと伝達物質の名前が出る。
Connectome Lab
Berke Yaşar Çelik (@berkeyc)
公開された配線図をひとつの形式にまとめ、それぞれにブラウザ上の実験台を付ける。細胞型を刺激し、沈黙させ、次数を保った対照へ組み替えて比べられる。本物なのは線虫で、鼻の接触刺激は後退の指令介在ニューロンを駆動し、這行方向は実配線 -72.9 Hz、組み替え対照 -0.8 Hz。外した点も載せる。尾部への接触では前進が出ないが、実際の線虫は前進する。ハエの側は読み方に注意が要る。ブラウザで動くハエの実験は 5,236 ニューロンの合成脳（数値は作り物）で、FlyWire はインポータとローカルの Python ランナー経由、データは各自で用意する。
FLY//BRAIN
xhoxe2
Shiu の全脳モデルに付属する符号付き FlyWire 630 の結合を使い、127,400 ニューロンをブラウザの Web Worker で連続的に走らせる。バックエンドは無い。口元の糖と苦味が感覚ニューロンを駆動し、再帰的なネットワークがスパイクを計算し、2 本の MN9 運動ニューロンが口を伸ばす。伸びれば接触が変わり次の入力が変わるので、閉ループがページの中で閉じる。迫ってくる指は LC4 104 個と LPLC2 210 個を駆動し、巨大繊維のスパイクがばねと地面反力のモデルを通して跳躍になる。接触モデル・入力の対応づけ・筋のアダプタが自作であることを README が列挙する。
Fly Brain Rig & Fly Swat
snuri00
FlyWire v783 の全脳（138,639 ニューロン・5,450 万シナプス）を 1 つ走らせ、4 つのプログラムが同じ脳を使う。実験卓、ハエ叩きゲーム、ViZDoom、そして flyvis 経由でカメラ映像を複眼に通すもの。DOOM の成績には損傷対照が付く。1 エピソードあたりの平均で、無傷 3.1 キル、LC10 を沈黙させると 1.3、巨大繊維を切ると 0.0、ランダム入力 0.9。狙いが甘いことも書いてある。敵が十字の 4 度以内に入るのは 13%（ランダムは 9%）。左への操舵バイアスは、打ち消すと成績が下がったのでそのまま残してある。
fly-room-demo
meatxsucks
FlyWire v783 の脳（漏洩積分発火 138,639 ニューロン・15,091,983 シナプス）が、NeuroMechFly の身体で 80x80 mm の MuJoCo の部屋を歩く。壁は 4 面それぞれ別のテクスチャで、箱 2 つと柱 2 本、赤い標的がある。コードはセンサ・脳・アクチュエータの 3 層に分かれ、同じ脳が後で実機のドローンを操れるようにしてある。アクチュエータは MAVLink の機体座標系速度パケットをすでに組み立てるが、送信はしない。脳は別リポジトリから無改変で同梱され、その旨が UPSTREAM.md にある。視覚入力を与えずに巨大繊維を見る対照スクリプトも別に付く。
flybrain (dino)
seowol-dev
FlyWire v783 の全脳ネットワーク（138,639 ニューロン・1,509 万結合・5,449 万シナプス）を Brian2 ではなく numpy と scipy で書き直し、生物時間 1 秒を実時間 1 秒で回す。2 次元アリーナのハエの身体と閉ループでつなぎ、Chrome の恐竜ゲームも遊ばせる。価値があるのは対照実験のほう。20 秒 × 6 試行で、視覚のある個体は平均 17.9 秒生存しサボテンを 6.5 個越えて 6 回中 5 回完走したが、一様な灰色だけを見せた場合も R1-6 光受容器を沈黙させた場合も 2.85 秒・0 個・完走 0 回に落ちた。原論文の糖 GRN → MN9 の結果を再現する validate コマンドが付く。
FlyChess Thinker
Arkazzae
FlyWire のグラフを相手にチェスを指す。5 シナプス未満の結合を落としたあと固定した 134,181 ニューロン・270 万結合で、ゲイン・バイアス・入力・読み出しだけを 2,600 万局面の提示で学習させてある。51 MB を落とせば以後はブラウザ内で動き、実測のソーマ座標に基づく活動の点群を見ながら候補手が秤に掛けられていく様子が見える。強さは探索 64 訪問の設定で Stockfish に対しておよそ 1500 Elo（95% 区間 1410〜1603）。他の 2 設定はまだ測っていない。チェスのルールと合法手フィルタはソフトウェア側が与えるもので、ハエのものではない。
Flywire AI
xieguigang
VB.NET / .NET 10 で書かれた全脳スパイキング神経回路のシミュレーション基盤。FlyWire の FAFB v783 のデータ表（139,255 ニューロン・約 5,067 万シナプス）をそのまま漏洩積分発火ネットワークとして組み立てる。学習はしない。シナプスのトポロジー・結合強度・興奮/抑制の極性はすべて電顕再構成の実測値から写す。13.9 万ニューロンの点群と時間ステップごとのスパイク再生、CUDA と CPU SIMD の 2 つのバックエンドを突き合わせる全脳電気刺激、そしてスネークの画面を 5,536 個の求心性ニューロンに流し 441 個の遠心性ニューロンから方向を復号する閉ループを備える。
DOOM-FlyWire Neuro-Sandbox
EmirMuhammetARAN
FlyWire の全脳グラフを間引かずに（139,248 ニューロン、15,090,883 の有向シナプス）走らせ、ViZDoom をプレイさせる。ゲーム画面は 32×32 の個眼配列に符号化されて光受容細胞と運動検出器に入り、1,303 個の下行ニューロンの左右非対称な発火が旋回・前進・発砲に復号される。他の DOOM 系と違うのは横に付いたブラウザのコンソールで、ドーパミン・オクトパミン・セロトニン・GABA・アセチルコリンのゲインに加えて、片側視葉、T4/T5 運動検出器、中心複合体、キノコ体、下行ニューロン全体を狙って損傷させられる。GABA を 0.2 倍未満にすると全脳が同期して発作状態になる。1 ステップは RTX 4080 で 2.53 ms。
fly-brainloss — How Much Brain Does a Fly Need?
zapret-digital
MaleCNS v1.0（165,122 ニューロン）のモデルから細胞を 0〜95% 無作為に取り除き、どの能力から先に壊れるかを測る。砂糖を食べる行動は約 17% の除去で半減、横から来る影からの旋回逃避は 55%、動く点の追従は 83% で半減するのに対し、影に対する離陸と頭部への接触応答は最後まで半減しない。この順序は FlyWire の雌脳でも同じだった。FlyWire で報告された「PVLP069 を 1〜2 個消せば影による摂食抑制が外れる」は再現せず、単独で試した 208 ニューロンのどれもそうならず、LC4/LPLC2 の主要な受け手 35 個の除去が必要だった。次数を保ったシャッフル配線では最初から能力が出ない。
Fly-Projects (Fly-Dar, Fly-Manager, By-The-Flys-Gaming)
Dtpk
FlyWire のコネクトームに画像以外の入力を与える 3 つの小さな Python プロジェクト。Fly-Dar は nmcli 経由で WiFi の電波強度を見て、その部屋の「平常」が何かをハエ自身に判断させ（基準を取る秒数はスライダー 1 本で調整）、人の動きを検知する。Fly-Manager は pygame のファイルブラウザで、ファイルの出現にハエが反応し、2 つ同時に入ってきたらディレクトリを空にできる。By-The-Flys-Gaming は X11 のキャプチャでゲーム画面のレーダーを読み、ゲームパッドをエミュレートする。各スクリプトは自前の仮想環境を作り、Codex の CSV が無いときは模擬グラフに落ちてタイトルバーにそう表示する。
FlyWire Coding Cortex
imrizwan
コーディングエージェントから FlyWire 由来のスパイキング回路を走らせ、集団発火率を implement・stop・reverse・steer・groom といった「駆動」として読み出すための pip パッケージと MCP サーバ。同梱のシードプロファイルは逃避・旋回の部分グラフ 668 ニューロン・符号付き約 19,000 エッジ。より大きいプロファイルは公開 Codex のダンプや 10.6 GB の Zenodo 版を取りに行く設計で、最大のものはエージェントが人間に断りなく取得してはいけないと README が指示している。配線と接触数は FlyWire のデータだが、膜のダイナミクス、タスクから電流への符号化、発火率から駆動への写像はすべて作者のモデルだと明記されている。
NeuroFly
NeuroFly (neuroflyapp)
Windows のデスクトップで動くハエ。行動はアニメーションではなく、測定された配線の上の leaky integrate-and-fire モデルから出てくる。逃避・旋回・温度・味覚・触角グルーミングに FlyWire FAFB v783 の 7,270 ニューロンと符号付き 784,219 結合、歩行に MaleCNS v1.0 の腹髄 1,045 ニューロンを使う。神経の刻みは 1 ms、感覚から身体へのループは 120 Hz で回り、どの行動にもそれを起こした因果の鎖が付く。細胞型単位の抑制・活性化ができ、文献由来の 10 プロトコルは乱数種から再現できる。検証ファイルには再現できなかったベンチマークと、著者が取り下げた主張の記録が載っている。
Computational Coupling
VIT-AP University (Ashok Raj Pasala, Snigdha Gorai)
「本物のコネクトームは配線し直したものより強い」という定番の主張が何に依存しているかを問い、配線以外の 4 つの選択に依存すると答える。帰無モデルの取り方・素子モデル・動作点・読み出しのどれを変えても、同じデータのまま差の符号がひっくり返る。ともに「次数保存ランダム化」と呼ばれる 2 種類の帰無モデルは 10 通り中 6 通りで符号が逆、3 通りで有意判定が逆になる。全結合の読み出しでは再帰行列を消しても成績が変わらない。対象には FlyWire v630 の中心複合体と触角葉が含まれる。旧版を自ら撤回し、取り下げた主張を全部並べている点も珍しい。
dotFly
kkokosa
MaleCNS v1.0 と FlyWire v630/v783 を漏れ積分発火ネットワークとして走らせる .NET 製の推論エンジン。Python も別プロセスも使わず純 C# で動き、Godot のゲームループの中に入る速度が出る。float64 の参照実装は Brian2 とスパイク単位で一致し、float32 の SIMD 実装はスレッド数を変えてもビット単位で同じ結果になる。狙いは「三層目」を見えるようにすること。部屋のデモは画面上の数値を測定値・較正値・固定値に分けて表示し、読み出しの横にデコーダの規則をそのまま出し、モデルがやらなかったこと（自前のナビゲーション回路が沈黙したこと）も記録している。
FlyWire Connectome Critic & Visualizer (drozophoto)
Kidpun
Telegram のボットに写真を送ると、ハエがそれにどう反応するかが返ってくる。画像は網膜を通り、FlyWire release 783 のコネクトーム（同定済み 138,639 ニューロン、15,091,983 シナプス結合）をスパイクの波が伝わる。データは疎な float32 行列として保持し、リリース付属の細胞型・半球・神経伝達物質の注釈をそのまま使う。運動側の応答は、コネクトームの投影を 60 fps で描くウェブキャンバスと、チャットの両方に流れる。FastAPI と aiogram で構成され、作者は MacBook Air M1 で動作を確認している。
Fly-Delity (FlyWire Connectome Music Rater)
Rahul-A-2111
MP3 か WAV を上げると、簡略化したショウジョウバエの聴覚回路が採点する。音声を注入電流に変換し、FlyWire のシナプス表と注釈表から組んだ疎な漏れ積分発火ネットワークに通す。3 つのモードで採点基準が変わり、既定の求愛モードはおよそ 140 BPM・180 Hz のピーク・倍音の多さ・パルス間隔の安定を好む。手抜きの場所も明記されている。重い解析は冒頭 30 秒まで、コネクトームのシミュレーションは 2 秒のクリップ 3 本しか見ず、P1 と pIP10 が対応づかないか発火しなければ、交尾スコアは単純な BPM 一致に落ちる。
Fly Lint
timbrinded
TypeScript / JavaScript のプルリクエストをレビューする。計測は外部の言語モデルに任せ、判断は FlyWire の 1,000 ニューロン・実測 24,492 結合のローカルネットワークが行う。コンパイラが変更されたシンボル・呼び出し元・関連テストを取り出し、モデルが契約とリントの小問をまとめて答え、凍結したコネクトームが学習済みの出力層に入って 4 種類のリントパターンごとに重点チェックを選び採点する。学習するのは出力層だけで、結合は固定のまま。ブラウザでは変更箇所の間をハエが歩き、候補ごとの根拠が辿れる。実在のプルリクエストの記録が同梱されており、API キーなしで再生できる。
flybrain (@flybrain/brain)
acamilo
デモではなくライブラリ。コネクトームのデータ形式、漏れ積分発火カーネル、可塑性の規則、集団発火率の読み出し、活動マップの幾何を @flybrain/brain としてまとめてある。ゲームもエミュレータも報酬規則も中に持たず、それらは組み込む側の責任とされている。ブラウザ用のデータは FlyWire FAFB v783 由来で、公式 Codex のエクスポートから Python のビルダーで再生成できる。スカラー報酬は、範囲を限ったケニオン細胞→MBON のゲインだけを動かす。ビルド手順はなく、76 件のテストが約 7 秒で終わり、139,255 ニューロン全体を Game Boy 用読み出し付きでシングルスレッド実時間の約 0.9 倍で回せる。ゲームのデモと 24 時間配信はまだ計画段階。
OptiCompanion
vicvasper
作業を止めている間にプロジェクトを計測する Unreal Engine 5.8 用プラグイン。判断役に嗅覚回路を据えている。GPU のパス時間やレベルの統計が、実在する単一糸球体投射ニューロン型に対応する 51 本の入力に入り、FlyWire FAFB v783 の右萼から取った配線でケニオン細胞に広がる。3 シナプス以上の接触をすべて拾い、51 糸球体にまたがる 2,337 細胞になる。ドーパミンは予測誤差なので、分かりきった設定は試さなくなる。有意な短縮が出て、かつ見た目が変わらないときだけ「所見」として記録する。合成シーンでの比較では最良値の 83% を取り、トンプソン抽出は 78%、ランダムは 14% だった。投射ニューロンの順応を切るとトンプソン抽出に 71% 対 77% で負ける。
Virtual Fly Lab
williamrusya
ブラウザで動く学習実験。447 ニューロン・FlyWire v630 の有向 24,403 結合に縮約した味覚回路が、糖に触れたときの摂食を制御する。これとは別に FlyWire のキノコ体モチーフを 910 ニューロンのレートモデルにしたものがあり、ケニオン細胞→MBON の伝達効率がドーパミン調節で変化する。0.6 版では A/B 2 つの給餌器、手がかりごとの記憶バー、電撃と可塑性を切ったテスト相が加わり、給餌器の左右を入れ替えることで「手がかりの正体」と「場所」を分離できる。歩行・誘引・ストレス・体力は説明用の規則にとどまり、表示される数値はモデルの記述であって実測のハエの行動ではない。Python 側には NeuroMechFly と MuJoCo を使うローカルの歩行実験が別に入っている。
数字果蝇 / digital-fly-brain
chenmzh (@chenmzh)
Shiu ら 2024 の全脳モデルを独立に再現し、そのうえで馴化の機構を調べた中国語のプロジェクト。固定した FlyWire v630（127,400 ニューロン・14,687,178 本の有向結合）で、条件ごとに 1 秒 × 3 回。吻の運動ニューロンの発火率は無入力で 0 Hz、糖刺激で平均 67.67 Hz、糖に苦味を足すと 6.67 Hz。同じシードでの再実行はスパイク記録のハッシュまで一致する。著者はこれを小規模な定性的再現であって論文全体の再現ではないと断り、固定結合のままでは反復刺激で減弱が出ず、局所的な短期シナプス抑制を入れて初めて生じたと報告している。
זבוב משחק מלך הפלאפל (Fly Brain Falafel)
Eli-HarShefer (@Eli-HarShefer)
FlyWire の実ニューロン 4,798 個・実シナプス 116,960 本を LIF として動かし、ブラウザの中でファラフェル屋台を切り盛りさせるヘブライ語のゲーム。UI が動作ごとに「実コネクトーム」か「ゲームロジック」かを表示して切り分ける。較正の結果、標的が中央にあるとき最も強く発火して旋回を抑える経路と、周辺で発火して旋回を駆動する経路という本物の押し引きの対が見つかった。エッジ単位の神経伝達物質予測には逃避反射を打ち消してしまう誤りがあったが、デールの法則（1 ニューロン 1 伝達物質）を課すと正しくなる。中心複合体は発火しているがこの課題には寄与しないと測定され、それを結果として書いている。
fly-voca
Injae Yun (@Injae-Yun)
FlyWire FAFB v783 と BANC v888 の配線から、空腹・渇き・覚醒・求愛・防御・味覚・操舵などの 8 軸でハエの内部状態を読もうとし、その状態がなぜシミュレーションの中で持続しないかを記録した韓国語のリポジトリ。状態細胞は刺激終了後 250 ms で基底に戻るが、これは欠陥ではなく観測と一致する。持続を担うのは下流であり、ループ利得・全脳スキャン・身体ループの 3 方向とも、一様 LIF と単一の遅い層というこのモデル族では同じ数字が出ないと述べる。条件間でシードを揃え、反証も結果として残す方針を明記している。
FlyBrain (TouchDesigner)
alicwyz (@alicwyz)
FlyWire のコネクトームを Codex から読み込み、TouchDesigner の POP ネットワークとして GPU 上で回すコンポーネント。Python 側のパイプラインが Codex の API トークンで公開データを取得し、super_class や脳領域、件数の上限で絞り、各ニューロンが覚えておく入力結合の本数を制限し、予測された神経伝達物質を符号付きの強度に変換して 1 枚の CSV に書き出す。点群を眺めてもよいし、ある細胞群に信号を入れて別の細胞群から読み出す「ブラックボックス」としても使える。映像制作の素材として配線を扱える点が他に無い。
flyconnectome-nulls
G. Park (@gyujeongion)
FlyWire v783 を圧縮した配線で採餌エージェントを進化させ、ランダム化した配線の集団と並べて比べる。どの帰無モデルを選ぶかで結論が変わる、というのが要点。列シャッフルや次数保存のスワップは第 600 世代までに 10/10 のシードでコネクトームを追い抜くが、それらは実配線がほぼ持たない嗅覚から運動への直結（0.012% に対し 10.6〜10.7%）を作ってしまう。内部だけをランダム化する対照では差が消え、その近道をコネクトームに移植すると適応度が 0.44 上がる。5 本の事前登録プロトコルを実行前に凍結し、事後の修正 1 件も明記している。
flydoom (mikeluvnugs)
mikeluvnugs (@mikeluvnugs-gif)
実測の配線に LIF を載せて ViZDoom のシナリオを遊ばせ、「うまく遊べない」ことを結果として出している。20 シードで FlyWire 全脳は 1 エピソードあたり 1.25 キル、hemibrain 版は 1.15、ランダム行動は 1.45、何もしないと 0.00。どちらもランダムに勝てず、2 つのコネクトームの差も見分けられない。生物学ではない部分（ルーミング検出細胞の受容野を配列の添字で割り当てたこと、定数を大きいグラフ用に調整し直していないこと）を列挙し、5 シードで良く見えた設定が 20 シードで元に戻った件など過去の否定的結果も残している。
NeuroWing Atlas
Ajafarnezhad (@Ajafarnezhad)
ローカルに置いた FlyWire/FAFB データセットを対象にした、英語とペルシャ語の二言語ワークベンチ。初回起動時にデータ全体をブラウザに載せず、コンパクトなローカル索引を作ってから、ニューロン・経路・シナプスの閲覧、SWC 形態の表示、中断と再開ができる全脳アトラス生成を提供する。光・食物・匂い・風・熱・接触・スラローム・手書き経路など 18 の実験を内蔵し、自作タスクも保存できる。ニューロン ID やシナプス数はデータ由来、発火動態や感覚運動の対応づけと学習は実験的モデルである、と範囲を明記している。
BeeBrain
Blamp26
Minecraft のミツバチ 1 匹ごとに、固定した 139,255 ニューロン・2,698,236 接続の flybrain シミュレーションの状態を持たせる Fabric MOD。トポロジは不変の 1 つを 100 匹で共有し、合計で毎秒約 1,005 回の神経更新を回す。他の Minecraft 移植と違うのは検証の徹底ぶりで、上流の参照実装をコミット単位で固定し、圧縮したコネクトーム成果物を SHA-256 で固定し、上流のフィクスチャに対して結果が厳密に一致するかを確認している。README はコネクトーム由来の部分と自作の層をはっきり分け、「ハエの脳が Minecraft を理解している」とも「この対応づけが生物学的な行動だ」とも主張しないと明言している。
BioBrain
jovid1242
FlyWire の 139,255 ニューロン分の配線が、公正なベースラインよりはるかに少ないシナプス演算で動く疎・イベント駆動・学習可能なスパイキングネットワークの出発点になり得るかを問う。答えが「はい」だとは仮定しない、と最初に断っている。完了したマイルストーンの成果は主に否定的なものだ。CPU 上の Python と NumPy では、イベント駆動が時間刻み方式に勝つのは活動が極端に疎なときだけで、100 ニューロンで最大 6.6 倍、1 万で 1.2 倍、5 万では一度も勝たない。Numba でビット単位同一にコンパイルするとイベント駆動は 5〜53 倍速くなり、全コネクトームを模擬 1 秒あたり 0.23〜1.3 秒で回せたが、現実的な活動量ではなおコンパイル済み時間刻み方式より約 2 倍遅い。支配的なコストはシナプスイベントの配送だという。
drosophila-brain-docker
Seriouskosk
既発表の全脳 leaky integrate-and-fire モデルを、5 つの Python バージョン向けの自己完結したコンテナイメージに固めたもの。12.7 万ニューロンのモデルが 1 コマンドで CPU 上で走り、検証スクリプトは約 25 秒で合格を表示する。価値の中心は、実際に踏む非互換を特定して固定してある点にある。元のモデルはライブラリのバージョン下限が緩く、現代の環境では import 時に落ちる版が選ばれてしまう。numpy のメジャー更新で削除された配列メソッドを呼ぶためで、2 つの制約が両立せず、新しい環境が静かに壊れる。英語とロシア語。
The Drosophila Critic
Synthetic Humanities Lab
ハエに詩を聴かせる装置。詩を固定の合成音声で読み上げ、その音声を音量の包絡線に落とし、凍結した全脳コネクトームの触角の聴覚入力に流し込み、記録されたスパイクを「応答」とする。解釈役はその測定値だけを読み、詩の本文には一切触れない。つまりハエは言葉の意味表現を受け取らない。公開版はウィリアム・ブレイクの詩「The Fly」（1794 年）を、実際に記録した神経応答つきで再生する。新しい詩を受け付ける版も配布されており、スピーカーに向き合う 3D のハエの体と、触角の活動、神経のトレースが同期して再生される。
firefly-brain
kris072008
139,248 ニューロンと約 270 万本のシナプス接続をスパイキングネットワークとして走らせ、その操舵ニューロンの出力でアリーナ内のハエを砂糖に向かわせる実装。ゲーム側のロジックには「餌に向かえ」という記述が無く、振る舞いが出るなら配線から出る。400 ニューロン分の発火をシェーダーにして Ghostty ターミナルの背景で走らせられ、ブラウザでは同じネットワークと 3D チェスを指せる。積分器は信用せず解析解と突き合わせて検証しており、公開パラメータではシナプス 1 本が約 0.043mV、閾値到達には約 160 本の同時入力が要る、と数字で示している。
First movement
augmentedthinker
既発表の全脳モデルを検証付きで実行して得た運動ニューロンのスパイク記録を、標準的なハエの身体モデルに追加した口の関節へトルクとして加え、動きは物理シミュレータに計算させ、その結果をブラウザで再生する作品。砂糖、砂糖＋苦味、脳からの伝達を切った場合、アクチュエータを止めた場合、関節を固くした場合の 5 条件を並べて比べられる。境界線も明示されている。身体の形状・質量・関節位置は既発表のモデル由来だが、スパイクからトルクへの変換、ばね、減衰、1 ヒンジへの単純化は著者の工学的な選択であり、摂食の検証済みモデルではない。
Fly Brain Collector
bth0mp
出品情報に文字だけのスコアを付け、そのスコアで糖を感じる感覚ニューロンへの刺激の強さを決める。Shiu らの FlyWire モデルの約 127,000 ニューロンを模擬 1 秒ぶん走らせ、口吻を伸ばす運動ニューロン MN9 の発火率が「どれだけ欲しいか」になる。判定のたびに、品物用の予算・機材用の予算・上限なしの夢リストの 3 本立てで組み合わせが解き直される。購入も入札も一切しない。誠実なのは「正直なところ」と題された節で、ハエは収集品が何かを理解していないこと、判定の中身はすべて人間が書いたスコア規則にあること、ここでのコネクトームは単純な伝達関数として働いていることを、そのまま書いている。
fly-ftl-extract
andrew000
翻訳キー抽出ツールの差し替え実装。コマンドもオプションも同じで出力もバイト単位で同一だが、「この文字列は翻訳キーか」の判断をパーサーではなくキノコ体のシミュレーションが下す。FlyWire の右半球から取った投射ニューロン 124 個、Kenyon 細胞 2,597 個、抑制性のフィードバック細胞 1 個、出力ニューロン 48 個で構成し、読み出しはデルタ則で学習する。トークナイザは候補を挙げて文脈を「匂い」に符号化するだけ。ホットパスが構文木を一切読み込まないことをテストで固定しているので、ハエを切るとキーは 1 つも見つからない。冗談だが文字通り本当、と README にある。
FlyLite
aikian
ハエ脳モデルはどこまで疎にすると壊れるのかを測る研究コード。検証済み全脳モデルの 127,400 ニューロン・1,470 万本の重み付きエッジから出発し、同じエッジ本数の予算のもとで 6 種類の削り方（重みの大きさを残す／配線位置を残す／どちらも壊す／課題依存で選ぶ）を適用し、実験で裏づけのある 3 つの回路を、無音の状態と自発活動のある状態の両方で走らせて元のモデルと比べる。仮説は最初のフェーズの前に固定して公開されている。全部ノート PC の CPU か無料のクラウド実行環境で回り、脳内 1 秒あたり約 1〜3 分。
flywire-gnn
omkar-dhakane
校正済みのメス全脳コネクトームを、そのまま学習に使えるグラフデータセットとして整えたパッケージ。ニューロン 139,255 個、シナプス 5 本以上の有向ペア 2,700,513 本、ノードごとに次数・79 領域の神経網別プロファイル・神経伝達物質プロファイルから作った 174 次元の特徴量、エッジ属性 7 次元、全ノードを覆う 9 クラスのラベルを持つ。クラス 1 つでダウンロードとキャッシュが済み、決定論的な層化分割と再現可能なベースライン 3 本が付く。課題は「配線の構造だけからニューロンの種別を当てる」こと。
HouseFly
Vortitron
Home Assistant のダッシュボードに住むハエ。同定済みニューロン 4,724 個を実測のシナプス接続 126,108 本でつないだレートモデルが動き、家の各センサーは「その種類の情報を実際に運んでいるニューロン」に入力される。コネクトームは約 450KB、1 ティックあたり数ミリ秒の numpy だけで GPU は要らない。唯一のルールは「すべての挙動は実測の配線から出るか、さもなければコントローラだと明示する」こと。うまくいかなかった点も検査として記録されている（方位の細胞は旋回に反応するが積分しない、逃避経路に実質的な閾値が無かった、半球分のデータでは方向を持つ逃避が作れない）。
Flylab: digital fly and Pong
jingsong-wang
Shiu らの FlyWire 630 モデルから、127,400 ニューロンと 14,687,178 行の重み付き接続をすべて使い、ブラウザの Web Worker で 0.1ms 刻みの摂食アリーナを回す。静止電位・閾値・時定数・遅延・不応期はいずれも数値が明記されている。餌に触れると 21 個の糖感覚ニューロンが独立した 100Hz のポアソン入力で駆動され、MN9 の出力が口吻の伸展を制御する。丁寧なのは言葉の選び方で、行数はシナプス数ではないこと、歩行と発火率から摂取量への変換は自作であること、ブラウザ上の動力学は移植であって著者らの Brian2 実装と同一とは保証されないこと、4 条件での MN9 発火数は生物学的正確さではなくモデルの健全性チェックであることを、それぞれ断っている。
Leadsfly
ul1dev
メッセージを送ると、3D のオフィスにいるハエが新聞を置き、パソコンまで歩いて座り、タイプしてチャットに返信する。会話が続く間は机に留まり、間が空くと椅子へ戻っていく。この振る舞いを動かすのは、Shiu らのモデル向けに整えられた FlyWire v783 由来の 138,639 ニューロンと約 1,500 万本の有向結合で、活動を見ながらニューロンをクリックして接続を調べられる表示も付く。README は誇張しない。公開版ではどんなメッセージにも固定の挨拶が 1 つ返るだけで、文面はハエの脳が生成したものではなく、神経モデルが担うのは動作と送信のタイミングだけだと明記している。
neurafly
emiliano-go
いま再生中の音を、FlyWire 全脳コネクトーム v783（成体メス脳）の校正済みニューロン 138,333 個・重み付きシナプス 2,052,622 本に通し、その結果を点字文字の「生きた円盤」としてターミナルに描くビジュアライザ。色は端末自身のパレットを使う。システム音声を取り込むので、どのアプリで鳴らしていても反応し、音が止まると円盤は一点に縮んで静まる。前処理済みのネットワークファイル（18MB）がリポジトリに入っているので clone だけで動き、元のリリースから再生成するスクリプトと、ネットワーク結合の不変条件を確かめるセルフテストも付いている。Rust 製。
pyfly-lightning
NewJerseyStyle
コネクトーム由来のスパイキング基盤で実験を回すための、pip で入るライブラリ。コネクトミクスの専門家にならなくても使えるように、課題を指定すれば基盤の切り出し・入力の経路探索・読み出しの学習までを行い、その結果がどの帰無モデルを上回ったかまで報告する。裏側は MaleCNS v1.0（Traced ニューロン 165,122・有向エッジ 2,560 万）と FlyWire 783 で、いずれも API トークン不要の公開 HTTPS から sha256 を固定して取得する。他のコネクトームもエッジリストとして差し替えられる。plan コマンドは選んだ設定すべてについて理由を出力するので、基盤側の制約が既定値の陰に隠れず読み取れる。
FruitFlyBrain (datasets and projects)
ROHITCRAFTSYT
ログイン不要で手に入る 2 つのコネクトームの上に、実際に動く 8 つのプロジェクトを並べた作業場。hemibrain v1.2 が 21,739 ニューロン・355 万接続・1,430 万シナプス、FlyWire FAFB の注釈が 139,248 ニューロン・8,840 細胞型。中身はグラフ解析、神経伝達物質と細胞型の集計、最短経路による回路追跡、コネクトームで配線したネットワークのシミュレーション、NAVis による 3D 描画、細胞型分類器、ニューロン埋め込み、シナプスのリンク予測で、それぞれが自分の図と CSV を書き出す。いくつかは既知のハエ神経科学と突き合わせる健全性チェックを持ち、出典・ライセンス・チェックサム・引用は datasets フォルダにまとまっている。
fly（コネクトームを触る環境）
seeton
3 つのコネクトームを並べて触るための日本語の作業環境。各データセットが何を含むかの比較表から始まり、脳・視葉・腹神経索がひと続きになっているオスの中枢神経系を主力に、ツールが全対応していて軽いメス脳中心部を練習用に、メス全脳をオスとの比較対照に、と役割を分けている。形態解析・問い合わせ・テンプレート脳の標準ライブラリ一式に加えて、物理エンジン上のハエの体とローカルの Web アプリまで最初から入っており、データ取得スクリプトは既定で 78MB、指定すれば 7.7GB 全部を落とす。
FlyScale (VybFly)
rickenator
全脳の配線図を大きくしても脳らしく振る舞うか、を問う研究。FlyWire のグラフに対して「近いほど繋がりやすい」隠れ幾何を学習し、新しいニューロンをその座標の近くに置いて学習した規則で配線することで、139,255 ニューロン・2,700,513 接続を 1,392,550・27,842,102 まで育てる。疎さは保たれ、接続数はニューロン数の 1.02 乗で増え、平均の接続相手は約 19 のまま、10 倍の脳を同じ手順で縮めると元の接続数がそのまま戻る。著者が強調するのはむしろ限界のほうで、どの規模でも遅延や順序を要する課題は解けず、匂いと報酬の連合を学ぶキノコ体モデルは、統計を揃えてシャッフルしたグラフでもまったく同じだけ学習してしまう。
cocoa
flyconnectome
FlyWire、hemibrain、MANC、MaleCNSなどのコネクトームをまたいでニューロンを比較し、共同クラスタリングを行うPythonライブラリ。異なる再構成の細胞型対応を調べるための基盤。READMEのFANC・BANC対応はTODOであり、利用可能な機能には含めていない。
Connectome OS
ruvnet
配線由来のネットワークに刺激や切断を加え、挙動を調べるRustのアルファ版実験環境。FlyWireと合成ネットワークのデモを備える。READMEでは動作するデモと将来の構成要素を区別しており、MuJoCoの身体結合などの計画を、身体を持つハエの行動実証とは扱わない。
Music on the Fly
Koya Matsuo
松尾公也氏によるブラウザ音楽作品。FlyWire v783の配線を人工的なダイナミクスと人が設計した音楽規則に結び、MIDIや映像を書き出せる。表示位置は解剖座標ではなくレイアウト。コネクトームを用いた生成作品であり、生きたハエが作曲した音楽の記録ではない。
train-your-fly
eudald-seeslab
FlyWire v783の配線と複眼入力モデルを組み合わせ、PyTorch Geometricで画像分類を学習するワークフロー。接続の有無を固定しながら、シナプスの係数、任意の閾値、読み出しを学習できる。生体の脳をそのまま動かすものでも、出力層だけを訓練する実験でもない。
404 Media: A Digital Fly Brain Has Taken Over the Internet
404 Media
ブームをタイムラインからではなく取材から書いた Becky Ferreira の記事（2026-09-15）。発端となった大学院生の Minecraft のハエが 1 日で数百万回再生に達した経緯をたどり、Doom や Beat Saber、ビットコイン取引といった遊びの並びに、同じ公開データでより硬い問い（学習に関わる回路の特定）に取り組む研究者を置く。そのうえで、生化学を含まない構造の地図は意識の候補にはならないと明言する。2024 年のメス脳に対するオス版であり、細胞レベルで両者を比較できる最初の機会だという科学的文脈も示している。
Awesome Fly Brain Agents
PerturbationAI
2026 年 9 月のブームを対象にした 2 本目のキュレーションリスト。大規模なハエコネクトームを「実際に閉じたループの中で動かしている」プロジェクトに絞り、ゲーム、ロボットと身体、市場、デスクトップエージェントなどに分類している。各行に、使用コネクトームとプロジェクト自身が主張する規模、動かしている環境、ループが本当に閉じているか（部分的か）、そして「何が確認できていないか」の注記が並ぶ。旋回が学習ではなく指示なのか、運動制御がまだ空試験なのか、といった注記が実用的。
flybench (opifor)
opifor
Shiu らの leaky integrate-and-fire モデルを独立に再実装し、オスとメスの脳を同じシミュレータ・同じ環境に載せるための実験台。MaleCNS のオス、FlyWire FAFB のメス、BANC のメスを公開リリースから読み込む（データは同梱しない）。既発表のメス脳のベンチマークを再現したうえで、全実験を事前登録し、登録文をハッシュ化して記録に埋め込み、成立しなかった結果も同じ形で報告する。成立：オスの歌の指令系列、交尾済み状態による pC1・vpoDN の抑制。不成立：メスの聴覚に入れた求愛歌が vpoDN に届かない。
FlyBrain Learning Lab
alipyth
手元に置いた FlyWire/FAFB データセットを対象に、ローカルで動かす Web の探索環境。初回起動時にデータの横にコンパクトな DuckDB インデックスを作り、画面が必要とする分だけを返すので、巨大なリリース全体をブラウザに読み込まない。ニューロン・シナプス・神経網・経路をたどり、実際の SWC 形態を描画し、全脳アトラスをバックグラウンド生成でき、光・餌・匂い・風・熱・接触・スラローム・手描き経路など 15 の実験と、試験的な模倣学習コントローラを備える。UI と README はペルシャ語版も用意されている。
fly_p1_sign
martialsystems
親プロジェクトの結論ひとつを検証し、「否」と答えるだけのリポジトリ。親では手で置いた P1 の重み行を、MaleCNS の 1 ホップ符号付き接触数（pC1 共発現 88 細胞分）に差し替えると、「HD あり・cVA なし」が求愛歌のゲートに必要十分だという結果が消える。抽出した重みが理由を示す：LC10a が +606 で支配的、cVA 経路は +62、HD 経路は −3、ppk23 は 1 ホップでは P1 に接触しない。P1 が符号を変えるのは地図が与える値よりはるかに低い重みのときだけで、3 シードすべてで全条件が歌ってしまう。
Immortal Fruit Fly
MidTermDev
シミュレーションだと普通は失われる部分をチェーンに載せた試み。BNB Smart Chain 上の ERC-721「FlyRegistry」が、ハエ 1 匹ごとに、実行しているコネクトームのハッシュ、モデルのバージョン、脳の全状態のハッシュと IPFS 上の所在、記憶のルート、エネルギー、世代、死亡回数、親、いま動かしている「体」を保持する（上限 1 万トークン）。「体」はレジストリのプロトコルを話す別プログラムなので、あるゲームで死んだハエを別の環境で復元できる。脳自体は FlyWire 全脳のシミュレーションで、アリーナモードと Doom モードを持つ。
情報提供のみ。推奨・紹介リンクはありません。
fruit-fly (desktop)
rembish
Linux・macOS・Windows のデスクトップを飛び回るハエ。動きはすべて FlyWire 全脳（139,255 ニューロン・約 3,400 万シナプス）の実時間シミュレーションから出る。画面は網膜位置対応の目（左右 785 と 796 のカラム、対応づけた光受容器 6,670 個とラミナ細胞 4,541 個）に入力され、カーソルは遠近をつけて描かれるので近づくと「迫って」見える。カーソルを避けるのは接近検出ニューロンから巨大繊維への経路、進む向きは下行ニューロンの左右差、離陸や着地は 1,305 個の下行ニューロン群からで、ランダムウォークやスクリプトは使っていない。
Virtual Fly (Project Genesis)
ritwikj2
誰も見ていなくても 3D の瓶の中で生き続ける生き物。脳は BANC コネクトームの 143,921 ニューロン・1,230 万シナプスをスパイキングニューロンとして走らせたもの。入力は 12×6 ピクセルの画像、触角 2 本の匂い濃度、脚ごとの接触、関節角、熱、空腹、痛みだけで、言語モデルも「空腹なら餌へ」のようなルールも一切ない。状態は 2 分ごとにディスクへ保存され、再起動しても続きから動く。記録では 19 回の生涯・55 時間分を生き、体は 18 回死んで脳だけが引き継がれ、危険への接近を避ける割合が約 5 割から約 8 割に上がったとされる。
Fly Chess Lab
tolatolatop
FlyWire v783 の全ネットワーク（138,639 ニューロン・15,091,983 本の有向結合・54,492,922 シナプス、閾値で間引かない）を Rust→WebAssembly の LIF としてブラウザの Web Worker 内で回す。1 手あたり約 0.41 秒、メモリ約 180MiB。盤面は 64 マス × 12 チャンネルのポアソン入力として固定の視覚ニューロンに書き込み、指し手は下行ニューロンの活動を学習なしの ±1 で射影して決める。エンジンは無い。README 自身の 120 ms テストでは下行ニューロンは 1 つも発火せず、指し手は閾値下の信号から読む。その信号が 0 のとき（シナプスを切った対照ではそうなる）はページが着手を拒む。数値は 4 ニューロン回路で Brian2 と 2.6e-13 mV まで一致する。README は棋力を「とても弱い」と書く。コードは GPL-2.0。
flywire-fly-lab
suifei (@suifei)
FlyWire 全脳（138,639 ニューロン・15,091,983 本の重み付きシナプス）の Shiu らの LIF モデルを 16GB の M1 Pro ノートで走らせ（脳内時間 1 秒あたり約 2.5 秒）、3 つの感覚反射について 17,628 回の仮想ノックアウトを 9.88 時間かけて回した記録。既発表の行動との一致は経路ごとに Cohen の κ で報告され、砂糖 0.59、水 0.87、グルーミング 0.91（ただし 1 例のみ）。ブラウザのゲームでは 4,599 ニューロンの部分回路が実時間で発火する。約 6.5 万字の中国語レポートには、作者が自分で見つけた 28 件の誤りの帳簿と、できないことの一覧（学習なし、PAM ドーパミンニューロン 307 個は全て 0 Hz）が載っている。コードは GPL-3.0+、派生データは CC BY-NC。
BrainLab
@Pronexsteam
実行のたびに外部の基準（既発表モデルか独立した実験）と突き合わせて合否を付けてから結果として扱う、単一 GPU の LIF シミュレータ。面白いのは否定的な結果のほう。Shiu et al. 2024 の砂糖→MN9 味覚実験を 3 つの成虫コネクトームで走らせると、FAFB v783 で 76.7 Hz、MaleCNS v0.9 で 68.9 Hz、BANC v888 で 17.8 Hz と大きくばらつく。エッジ閾値のせいではないことは対照で潰してあり（FAFB は閾値 1 でも 70.0 Hz）、原因は元データのシナプス数に帰している。つまりこの差はハエではなく 3 つのデータセットについての結果。自前の FAFB の値 111 Hz が、公表値 93.27 Hz と手元の Brian2 実行 82.67 Hz より高いことも自ら書いている。
drosophila-1c
Reaper404-wag
大学の 1C:Предприятие 実習課題を、PDF の課題要項を解析し設定 XML を生成して実データベースに伝票を計上するところまで片づけるエージェント。ループの中には FlyWire の LIF シミュレーションが入っているが、README 自身がその前提を崩す監査表を載せている。113 項目の合格数で、正統な下行ニューロン経路は 102.2、270 万結合をすべてゼロにしても同じ 102.2、行動を無作為に選ぶと最高の 103.4。唯一効くのは配線を組み替えた条件で、93.0 と悪化する。壊れた脳は害になるが、無い脳は無害というわけだ。配線自体はルーミング刺激が同側 DNp01 を 6 スパイク対 0 で駆動する定番テストに通っている。
drosophila-brain-mlx
Kisame76 (@Kisame76)
公開されている Shiu らの leaky integrate-and-fire 全脳モデルを、MLX と自作 Metal カーネルで書き直したもの。掃引や対話的な実験を現実的にするのが狙いで、M4 Pro での実測として FlyWire v630（127,400 ニューロン・14,687,178 エッジ）を生物時間 1 秒あたり 0.29 秒、同じ機体の Brian2 参照実装は 62.6 秒と報告し、ベンチ JSON をリポジトリに同梱している。Shiu の run_exp の引数と parquet がそのまま通り、MaleCNS v1.0 も同じエンジンで動く。4 つの計算レーンはスパイク数の SHA-256 で一致を固定し、次数を保ったまま接続先を無作為化した対照コネクトームでは MN9 が一切発火しないという結果も示す。ただし定数は FlyWire に合わせられているため、2 つのデータセットのスパイク数は比較できないと作者は断っている。
Chess vs The Fly Brain
shuka0158
指し手ごとに、その結果の盤面に対してハエのドーパミン細胞がどう反応するかで評価する Hugging Face の Space。盤面のマスを固定の感覚ニューロン群に符号化し、93MB の weights.npz から読み込んだ FlyWire の結合を LIF で 12 ステップ回し、実在する 331 個のドーパミン細胞について PAM の平均発火率から PPL の平均発火率を引いた値で手を選ぶ（駒得と千日手回避の項が別に足される）。README は、64 マスとニューロンの対応は任意であって網膜部位対応ではないこと、ハエの報酬回路は連合学習のためのものでチェスのためではないことを自分で書いている。規模は 139,255 ニューロン・約 1,500 万の集約済みシナプス重みと記載。Space は現在停止中。
FlyBrain-HarmonyOS
zhuhaozoo (@zhuhaozoo)
FlyWire のグラフを端末内に置いた HarmonyOS ネイティブアプリ（ArkTS + ArkGraphics 3D）。12MB のエッジデータと FAFB v783 の座標をリポジトリに同梱し、139,255 個のニューロンを色分けした点群として描画、ワーカーが 10Hz で leaky integrate-and-fire を進める。README は LIF と挙動の意味づけを当サイト掲載の snedea/flybrain（MIT）からの移植だと明記しており、定数もそのまま引き継ぐ。新しいのはプラットフォーム、端末内へのデータ格納、3D 描画のほう。実機で 1 tick あたり 61〜78ms、運動系グループはほとんど発火せず、画面上のハエは主に手書きの欲求・状態機械が動かしているとも書いている。
Fly Worker
hwkim3330
FlyWire v783 の 138,639 ニューロンを LIF として毎秒約 1,321 ステップ動かし、レイキャストのゲーム映像を LA→ME に入力して下行ニューロンの出力でそのまま操舵する、ブラウザ上の QA ファザー。操舵を人手で補正する仕組みは入れておらず、操舵に使う 40 チャンネルを切ると分離度が 0.95 から 0.00 に落ちる（視覚前段のゲインは手調整）。シードから完全に再現できる。読みどころは LIMITATIONS で、目的地へ向かう航行は失敗し、操舵と光方向の相関は 4 種類のデコーダのいずれでもほぼ 0。グラフは 5 シナプス未満を落として 1,509 万対から 270 万対に間引いてあり、バグ検出数も README と LIMITATIONS で食い違う。ランダム操作との比較対照は無い。
Ripe or Rotting
Charbel Kassab
バナナの化学組成から始まり、ハエが着地して食べるかを決めるところで終わる 6 段構えの順方向シミュレーション。14 日間の追熟と酵母発酵、揮発性物質の放出、乱流フィラメントによる匂いプルーム、59 種の受容体を 52 の嗅覚ニューロンタイプと味覚クラスへ写す段、165,122 ニューロンの MaleCNS v1.0 をスパイキングネットワークとして 4 つの空腹状態で走らせる段、風上へのサージとキャスティング飛行までをつなぐ。誠実なのは検証表で、9 項目のうち 4 つが合格、3 つは明確に不合格（108 種の匂い物質への誘引予測は r = 0.06）。各パラメータには出典があり、飛行と摂食の規則は脳ではなく行動データ由来だと明示している。
重みは学習するのか、測るのか。ハエの脳が問い直す AI のつくり方
村本 (@1amageek)
「重みは学習するのか、測るのか」という問いから、コネクトーム由来モデルの何が新しいのかを整理した技術記事。規模ではなく出どころが論点で、約 1,500 万の重みはデータから学習したものではなく電子顕微鏡でシナプスを数えて得たもの、人が決めた定数は 0.275mV のスケール一つだけ、という点を軸に据える。よく引かれる 91% は回路応答の予測精度であって行動の再現ではない、と釘を刺し、Lappalainen ら（Nature 2024）と Beiran & Litwin-Kumar（Nat Neurosci 2025）を引いて「配線は機構を制約するが決定はしない」と論じる。電気シナプス・神経修飾・内部状態・可塑性則が欠けていること、DOOMFLY や Fly64 は設計された入出力対応であって自律行動ではないことも明記している。
flybrain (annel0)
annel0
ショウジョウバエ中枢神経系の、コネクトームに束縛されたスパイキングモデルを回す高速な GPU シミュレータ。同時に「確かめられなかったこと」の記録でもある。出発点はバイラルの波が飛ばした問い——みんな脳を読むばかりで、誰も書き換えない。ニューロンを足したらどうなるのか——で、最後にはその問いに今は誠実に答えられない理由が計測に基づいて並ぶ。MaleCNS v1.0 を CSR グラフとして取り込み、他人の公開済み予測を再現するために FlyWire 783 をそのまま読み込んだ結果、13 ニューロンで中央値比 1.01・相関 0.970 の一致を得ている。README は英語とロシア語。
FLYBRAIN · Bad Apple × DOOM
fazchile17
FlyWire FAFB v783 のコネクトーム（139,255 ニューロン・15,091,983 の有向ペア・54,492,922 の接触）をローカルで見る 3D ビューア。同じ地図の上で Bad Apple!! を再生することも、DOOM のシェアウェア版を遊ぶこともでき、描画はすべてニューロンだけで行う。約 3GB のデータ準備を一度済ませればビューア本体は完全にオフラインで動き、ネットが要るのは Virtual Fly Brain と FlyWire へのリンクだけ。ドキュメントはスペイン語。同じ週に出た独立した Bad Apple 事例のひとつ。
FlyBrain-HalfLife
Yusuftmle
Valve の Half-Life（GoldSrc）を自律プレイするエージェント。深層ネットワークも方策も強化学習も挟まず、MaleCNS v1.0 と FlyWire から起こした生物物理的な leaky integrate-and-fire 回路を疎テンソルで回して、旋回・ジャンプ・回避を生成する。画面は 60×60 の複眼網膜に投影され、被ダメージは巨大線維の逃避反応を引く。見出しに出る 166,700 という数字は元データセットの規模で、デモが実際に回しているのは 12,260 ニューロンの部分グラフ。ゲーム画面の横にカルシウム風の活動と下行ニューロンのメーターが並ぶ。
Buzzback Brain
Buzzback (zormy111)
トークンプロジェクトの神経科学部分にあたるリポジトリ。FlyWire のメス個体の全脳（13万8,639ニューロン・1,509万1,983シナプス行）を leaky integrate-and-fire ネットワークとしてシミュレートし、糖を感じる味覚受容ニューロンを刺激して、口吻伸展の運動ニューロン MN9 の発火を読み出す。本番ではその発火がオンチェーンの買い戻しを起こす。モデル、校正、デモ動画が公開されている。ここで扱うのはコードであってトークンではない。
情報提供のみ。推奨・紹介リンクはありません。
connectome_interpreter
Yijie Yin, University of Cambridge
配線図を回路機能についての検証可能な仮説に変える Python ライブラリ。約 14 万ニューロンの全脳解析でもノート PC や Colab で動く。ニューロン群どうしの多シナプス的な実効結合を符号ありなしで計算し、始点と終点のあいだの実際の部分回路を取り出して描画し、微分可能なコネクトームモデルも提供する。PyPI から導入でき、プレプリントと Colab ノートブックが付属する。
FastFly
eonfathom (Michael)
FlyWire の全脳（13万9,255ニューロン・5,450万シナプス）をコンシューマ向け NVIDIA GPU 1 枚で実時間以上の速度で走らせることを狙った GPU シミュレータ。要点は実装側にあり、leaky integrate-and-fire ニューロン、FP16 重みの CSR 疎行列、実際に発火したニューロンのシナプスだけを処理するプッシュ型伝播、ビットパックしたフラグに対する warp ballot 命令でのスパイク検出、スパイク単位の warp 負荷分散を用いる。結合データは Shiu らの v783 リリース、アノテーションは flywire_annotations に由来する。
FlyBrain Engine
Mehran (@mehrantsi)
公開済みの FlyWire 版 leaky integrate-and-fire モデルを Rust と Metal でネイティブ実装したエンジン。Python は独立検証用の Brian2／NumPy ラインと、オフラインの Parquet→CSR コンパイラとして残されている。さらに Rust の身体層も備え、MuJoCo が書き出し済みの NeuroMechFly の身体を動かし、固定レートのブリッジが感覚入力を流し、ネイティブビューアが 3D 世界を表示する。別途 MaleCNS v1.0（腹側神経索を含む 16万6,700ニューロン・2,446万9,412本の符号付き結合）を接続する実験的統合があり、個体をまたぐ配線の追加は行っていない。ニューロンを動かしたまま運動読み出しだけを切断する対照実験も用意されている。
The Fly Wheel (blackjack dealer)
flywheel-sol
手札が 12〜20 のときのヒット／スタンドを、FlyWire v783 の leaky integrate-and-fire シミュレーション（13万8,639ニューロン・1,509万シナプス、Shiu ら 2024 のパラメータ）を 1 回刺激し、口吻の運動ニューロン MN9 の読み出しで決めるブラックジャックのディーラー。リポジトリにはモデル、計測した校正値、ネガティブコントロール、サイト上でプレイされた任意のハンドを再生して「どのコードが決めたか」を検証できるスクリプトが含まれる。掲載理由はこの検証可能な仕組みであって、トークンではない。
情報提供のみ。推奨・紹介リンクはありません。
Infinite Sugar
William Kelly (@cnqso)
ゲームではなくブラウザ上の作品。FlyWire の 13万9,255ニューロンがテラリウム内のハエの身体を動かし、甘味を感じるニューロンに刺激が絶えず入り続けるため、ハエは永遠に食べ続ける。摂食・頭部・触角の動きは神経活動に従い、翅の動きや足の小さな踏み替えは用意されたパターンを使う。隅のマップでは発火に応じて FlyWire の座標が光る。作者は Harris Rosenblum の Infinite Pain（2025）を着想源として挙げ、身体とモデルの参照元に flybody・MuJoCo・Shiu らの研究を明記している。
webgpu-fly
Ahmet Barış Günaydın (@abgnydn)
FlyWire コネクトーム上の実在する下行ニューロンを発火させると、スパイクのカスケードが配線を伝わって MANC の腹側神経索データに入り、出てくるのは歩行の強さと旋回バイアスの 2 値。それが手書きのトライポッド歩容を変調する。インストール不要で WebGPU により完全にブラウザ内で動作し、別途 science ビューも用意されている。運動系の対応付けは明示的な近似だと README に記載があり、プロジェクト自体は 2026 年 9 月のブームの数か月前から存在する。
coconatfly
Gregory Jefferis (natverse)
主要なハエのコネクトームを共通のインターフェースで扱えるようにする R パッケージ。hemibrain・FlyWire・MANC・FANC・BANC・male CNS・male optic lobe に対して、同じ書き方で結合相手の検索や細胞タイプの比較ができる。Jefferis 氏が開発しており、ライフサイクルは実験段階で API が変わる可能性はあるものの、hemibrain と FlyWire の比較では既に実用されている。
connectome_data_prep
Yijie Yin, University of Cambridge
ケンブリッジ大学の Yijie Yin 氏による、公開コネクトームを解析しやすい疎結合行列とメタデータ表に整形するためのノートブック・スクリプト集。flow centrality に基づく軸索・樹状突起の分割処理も含む。対象は成虫の male CNS・BANC・FlyWire/FAFB・hemibrain・MANC に加えて幼虫コネクトームで、Connectome Interpreter で使う経路探索・実効結合解析のベンチマークコードも同梱されている。ライセンスファイルは未設定。
fly-brain (Rojas)
Enrique Rojas Aliaga, Universidad de San Martín de Porres
ペルー・リマの Universidad de San Martín de Porres に所属する Enrique Rojas Aliaga 氏による個人プロジェクト。FlyWire v783 の 138,639 ニューロン・1,510 万シナプスのスパイキングネットワークを、複眼・脚・翅を持つ NeuroMechFly v2 の身体（MuJoCo）に接続している。視覚による動き検出、嗅覚走化性、味覚応答、歩行・飛行・逃避の創発を報告し、コネクトームと身体経験から個体差が生じる過程を主題としている。2026 年のプレプリントが Zenodo に登録済み。
Fly Connectome Data Tutorial (SJCABS)
SJCABS winter school (Sven Dorkenwald & Alexander Bates)
サンフアン冬季スクール（Connectomics and Brain Simulation）向けに Sven Dorkenwald と Alexander Bates が作成した教材。データ読み込みから形態解析、直接・間接結合の解析まで、Python と R の両方で段階的に学べる。BANC・FAFB・male CNS・MANC・hemibrain のメタデータを共通スキーマに揃え、公開クラウドバケットで配布しているため、同じノートブックを 5 つのデータセットで使い回せる点が特徴。
FlyWire Codex
Princeton Neuroscience Institute
Princeton Neuroscience Institute が開発した Web ベースのコネクトーム閲覧ツール。ソフトのインストールも生データのダウンロードも不要で、ブラウザだけで検索・絞り込み・可視化ができる。FlyWire の FAFB v783（139,255 ニューロン）に加え、BANC v888、Janelia の MANC v1.2.1、オス視葉 MAOL v1.1、male CNS v1.0 も閲覧でき、2026 年初頭時点で登録ユーザーは 6 万人を超えた。コードは murthylab/codex として Apache-2.0 で公開されている。
malecns (R)
natverse / Jefferis lab with Janelia FlyEM
Janelia FlyEM のオス全中枢神経系コネクトーム（neuPrint 上の公開スナップショット male-cns:v1.0）を natverse から手軽に扱うための R パッケージ。ニューロンのメッシュ取得、FlyWire や MANC の細胞タイプと対応づけたアノテーション列、データセット間の座標変換などを提供する。Janelia FlyEM とケンブリッジの Drosophila Connectomics Group の共同プロジェクトから生まれ、2021 年末から開発が続いている。
natverse / nat
Jefferis lab, MRC LMB
3D 神経解剖データの読み込み・可視化・解析・書き出しを行う、相互運用可能な R パッケージ群。tidyverse をモデルにしており、中核の nat（NeuroAnatomy Toolbox）は Jefferis 研が 2014 年から GitHub で保守している。neuprintr や fafbseg といった周辺パッケージにより hemibrain や FlyWire/FAFB に R からアクセスできる。2020 年に eLife で論文化された。
Drosophila_brain_model (Shiu et al.)
Philip K. Shiu et al.
Shiu らの論文「A Drosophila computational brain model reveals sensorimotor processing」（Nature、2024 年 10 月）のリファレンス実装。FlyWire 全脳を対象にした漏れ積分発火モデルを Brian 2 上に構築している。FlyWire ID を指定してポアソン入力で活性化したり、抑制して光遺伝学的操作を模したりでき、スパイク時刻と発火率を出力する。コネクトームは v630 と v783 の両方に対応し、Jupyter のチュートリアルも付属。Eon Systems の fly-brain など後続プロジェクトがこのモデルを直接の土台にしている。
flybrain (snedea)
snedea (GitHub user)
FlyWire FAFB v783 の全 139,255 ニューロンと 270 万結合を漏れ積分発火モデルとして Web Worker 内で動かす、ブラウザで遊べる個人開発のシミュレータ。餌・接触・風・光・温度といった刺激を与えると、台本なしに配線から行動が立ち上がる様子を観察できる。2026 年 3 月に、302 ニューロンの線虫を扱う heyseth 氏の worm-sim をハエへ拡張する形で始まり、flybrain.app で公開されている。
Virtual Fly Brain
Virtual Fly Brain consortium (UK institutions incl. MRC HGU)
ニューロン画像・遺伝子発現パターン・コネクトームを標準脳テンプレート上に統合し、解剖学オントロジーで結びつけて横断検索できる Web アトラス。英国の研究資金で 2009 年から運営され、現在は 60 万件超の 3D 画像と約 49 万個の結合情報付きニューロンを収載し、hemibrain・FlyWire・FANC・幼虫 L1EM などをカバーする。v2 フロントエンド（geppetto-vfb）は Geppetto を MIT ライセンスでカスタマイズしたもの。
Wikipedia: Drosophila connectome
Wikipedia (Wikimedia Foundation)
ショウジョウバエのコネクトミクスを一望できるWikipediaの記事。なぜショウジョウバエがモデル生物に選ばれるのかから始まり、3,016ニューロンの幼虫脳、成体のhemibrain、FlyWire、FANC・MANCの神経索、2025年のBANCやオス中枢神経系の全体再構成まで主要データセットを順に解説し、配線構造と行動の関係にも触れている。本文はCC BY-SA 4.0、最終更新は2026年8月11日。