MaleCNS v1.0

NeuroCraft Fly

Evan Sinclair Smith (@evnsnclr), Georgia Institute of Technology

MaleCNS グラフ全体（16万6,700ニューロン・2,558万2,938本の有向結合）でマインクラフト内のハエを動かすプロジェクト。プレイヤーの接近・周囲の mob・ブラッシング・攻撃・食べ物・光という宣言済みの 6 入力をモデルに流し、選んだ読み出しがスクリプト化された身体動作を選択する。リポジトリは現時点で紹介ページとロードマップのみで、録画デモは存在するが Fabric MOD と実装コードは未公開。README は「対応付けを可視化・検証可能にしたもので、ハエの生理を再現したものではない」と明言している。

DenisSergeevitch/desktop-fly README (MIT)

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。

DOOMFLY

nftechie (Alex Wormuth)

MaleCNS v1.0 のスパイキングシミュレーションを Doom のアリーナにつないだ実験。各フレームが視覚入力ニューロンを刺激し、166,700 ニューロンを信号が伝播して、運動出力を移動と射撃に変換する。README は「学習による生存はまだ実証していない」と明記している。

blendi-remade/fly-brain-minecraft README screenshot (MIT)

Fly Brain Minecraft

blendi-remade

Minecraft 1.21.1 向けの Fabric MOD。neuPrint の male-cns v1.0 コネクトーム（約17.6万ニューロン、シナプス5個以上の結合629万本）を LIF ニューロンとしてハエ Mob の中で丸ごと動かす（ハエ1匹につき1スレッド）。ゲーム内の視覚・嗅覚・味覚・接触刺激を感覚ニューロンに入力し、復号した運動出力で摂食・グルーミング・逃避ジャンプ・歩行・飛行を制御する。脳活動のライブ表示や発火率 HUD、56 本の JUnit テストを備え、コードは MIT、データは CC BY 4.0。

duth-x-stepmania

@abstractionthief

MaleCNS コネクトームの接近回避回路を 766 ニューロンのモデルとして書き出し、StepMania の 2 人目のプレイヤーに据えた。各矢印をいずれかの方向から迫る脅威に変え、下行ニューロンの固定の読み出しが押すキーを決める。付属譜面では易しい 3 譜面で 100%、152 ノートの譜面で 97% を取り、同じ回路を配線し直した 3 つの複製は 35〜47% にとどまった。README は「ハエがゲームを遊んでいるのではない」と明言する。矢印と脅威の対応は人の手で決めたもので、視覚は無く、モデル内の時間は生物の時間ではない。

Flappy Fly

@CROmartin

MaleCNS（16 万 6700 ニューロン・2558 万 2938 結合）を凍結して走らせ、その活動から読み出した判断でフラッピー風ゲームを操作する。接近と位置の細胞へは自作のチャンネルで入力し、下行ニューロン 1314 本のトレースを PCA とロジスティック回帰にかける。学習するのは読み出しだけ。価値は測定結果の側にある。未知の 30 シードで平均通過パイプ数はハエの読み出し 0.07、ランダム 0.23、台本どおりのオラクル 6.70。DAgger を 1 周回すと、ハエも入力 3 個のロジスティック対照もそろって 0.00 に落ちた。

fly-ears

@arpanguria68-ui

動画や曲を MaleCNS コネクトーム（16 万 6700 ニューロン・2560 万結合）へ 1 フレームずつ入力する。光は眼の各コラムに置かれた 6006 個の光受容器へ、音は 138 個の Johnston 器官ニューロンへ届き、受容器より先は一切学習しない。テスト映像では接近する円盤に対し looming の細胞が 1 秒あたり 2.92 スパイク／ニューロンまで上がり、静止時は 0.53 だった。音楽の判別課題は実行前に 4 つの問いを固定し、脳の応答を自身の耳の入力と、次数を保って配線を入れ替えた複製の両方と比べる。

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。

CNSKit

OpenUploading (@OpenUploading)

MaleCNS のグラフ上で課題ごとのモデルを学習し、自分のアプリケーションから呼べる形にするための Python のワークフロー。観測を指定した bodyId に束ね、読み出し層や入出力アダプタ、あるいは範囲を制限したニューロンごとのゲインとリークまでを学習し、取り置いたエピソードで評価し、pickle を使わないチェックポイントとして書き出す。書き出しにはグラフの指紋・チャネル順・出自が同梱される。条件を揃えたリカレント・辺なし・リッジの基準線も付属する。README は生物学的忠実さや MaleCNS の優位を主張せず、解剖学的な結合はあくまで実験的な事前分布だとし、次に必要なのは「いつ効くのか」を対照つきで示す研究だと書いている。

fly-brain (bike)

victory-c (@victory-c)

Shiu らの全脳 leaky integrate-and-fire モデルを MaleCNS v1.0 上に PyTorch で書き直し、同じランダムネットワークを Brian2 と自作エンジンの両方で組んでステップごとのスパイクが完全に一致することをテストで要求している。その上で論文の味覚・触角刺激のセットを 166,700 ニューロンで再演し、全細胞を記録し、さらに横風のなかでロードバイクに乗ることを学ぶ役をこのネットワークに任せる。シナプス強度はオスのより密な配線に合わせ、糖→MN9 の摂食実験を回し直して校正する。README は、公開された摂食のゲインに合わせると苦味入力で発散し、両立しないと報告している。

Fly-Car

Nobuhiro Kuroiwa (@hamling-ling)

Arduino Uno Q のロボットカー用に、MaleCNS v1.0 から 2 つの回路を切り出すスクリプト群。1 つは巨大繊維の接近逃避回路で、入力側の LC4・LPLC2 と DNp01、運動側の TTMn・PSI・DLMn を合わせた 327 細胞。もう 1 つは左右 1 本ずつの DNa02 の走性ステア回路。どちらも伝達物質の符号と細胞体座標つきのニューロン表・辺表として書き出す。足りない部分の説明が丁寧で、逃避を実際に駆動する GF→TTMn・GF→PSI の結合は電気シナプスのためデータに無く、だから最初のシミュレーションの出力は DNp01 の発火にすると述べている。カメラとモーターを使わない机上の走行用ノートブックも入っている。

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。

Fly-Racer

supat-roong (@supat-roong)

Gymnasium の CarRacing-v3 を走る PPO の方策を、MaleCNS v1.0 から切り出した 3,350 ニューロン・164,773 結合の操舵サブグラフとして組む。辺はコネクトームにあるものだけで、各シナプス前ニューロンの伝達物質の符号を保ち、学習するのは強度・時定数・バイアスと視覚入力の投射のみ。同じパイプラインで対照も回す。次数を保った配線のシャッフル、配線は本物で興奮・抑制のラベルだけ入れ替えたもの、素の MLP の 3 つ。学習に使っていない 100 コースでは本物の配線が平均 903.2 で最低でも 796 を割らず、900 の「解けた」基準を越えたのはこれだけ。ただし中央値は 4 つとも近く、各条件 1 シードである。

Fly RL

hsilvosa (@hsilvosa)

手続き生成した部屋に仮想のハエを置き、注釈付き MaleCNS v1.0（167,184 ニューロン・25,583,622 本の有向辺）を、模擬センサーと飛行指令のあいだの固定リカレントモデルとして回す。PPO で学習する方策と、観測した地図から経路を探す明示的プランナーを比べる。README の多くは失敗の記録で、広い開口が 1 つなら学習方策が 64 回中 61 回到達するのに、狭い通路 5 つの 48×48 の部屋では 0/64 になり、そこで動くのは手書きのプランナーだけ（凍結版で 16 回中 13 回）。ナビゲーションの成功はハエの配線の優位を示すものではないと明記する。

Connectome ping pong

Warpfield (@castor639)

MaleCNS v1.0 のネットワークを 2 つ（通常の 5 シナプス閾値で 163,903 ニューロン・6,235,682 結合）、縮小したテニスコートの両端に立たせ、学習なしでボールを打ち合わせる。各ハエは小物体に応答するメドゥラ 4 細胞型の活動を、ボールを見ない双子のネットワークと比べてボールの方位を読み、その向きへ歩く。40 秒 1 試合の測定で、公開された配線のままなら 54 回返し、同じシナプスを無作為につなぎ替えると 10 回、中央に固定して動かないハエは 14 回。つまりシャッフル対照は動かないより悪い。ラケットの振りと返球位置はスクリプトで、コネクトームが決めるのは立ち位置だけ。

flydrive

ORI-Muchim (@ORI-Muchim)

まず文献どおりに組んだショウジョウバエの視覚経路を、1728 個の個眼だけを入力に車の運転へ学習させ、次に MaleCNS 全体（162,432 ニューロン・24,380,527 辺）をそのまま方策に差し替える。学習するのはニューロンごとの時定数・ゲインと入出力の対応だけ。学習前の T4・T5 は方向選択性 0.98 と 0.89 を配線だけから示す。74 万ステップで揃えると凍結したコネクトームは無衝突で走り、手組みの経路は走れない。一方で 6 倍の予算を与えると手組みが車線を 0.70 m で保ち、コネクトームは 1.6 m。脳の微調整は悪化し、1 ステップの計算量は 25 倍になる。

MaleCNS Nav-Lite

Vlet0 (@Vlet0)

MaleCNS v1.0 からナビゲーションに関わる部分だけを切り出すツール。先に嗅覚・味覚・生殖の細胞を除外し、視覚・中心複合体・下行・翅・脚・平均棍・頸のシード型から 3 ホップの双方向幅優先探索を回して、約 166,000 のうち 2 万 8 千ほどを残し、数秒で読み込めるファイルにする。ホップ数と「3 シナプス以上だけ辿る」閾値はどちらも理由つきで説明され、ホップ設定ごとに残る細胞数の表と、1 シナプスの結合を落とす根拠が書かれている。付属の CLI でダウンロード・構築・内容確認・型名での検索ができ、部分行列を取るためのグループ索引も持つ。

microfly

fogfish (@fogfish)

MaleCNS v1.0 から小さなスパイキング脳を切り出し、ブラウザの小さな世界で 1 匹ずつ Web Worker で走らせる。最小構成の 11 ニューロンから、約 3,400 ニューロン・20 万 5 千結合の採餌用の脳まで切り替えられる。世界が渡すのは左右の触角の匂いと、花の上に立ったときの味だけで、歩行・旋回・摂食はすべて出力ニューロンの発火率から決まる。世界側がハエを操縦することはない。重みは符号つきシナプス数を受け手の総入力で割った値で、空腹度が感覚入力のゲインを上げる。大きなサブグラフが全体で同期して発火する問題には、既定では切ってある 3 つの仕組みを用意する。変更はランダムウォークと同サイズのランダムグラフに勝ったときだけ残す。

ReproFly-AI

brvnw2d5tk-ctrl (@brvnw2d5tk-ctrl)

オスのショウジョウバエ中枢神経系コネクトームを対象に、自律的な研究エージェントが目的のニューロンを探し出せるかを、中身を覗けないオラクル越しに盲検で測るベンチマーク。評価対象のエージェントは GLM-5.3。公開物はベンチマーク本体と盲検・採点のライブラリ、論文水準の凍結済み結果、図のソース、そしてモデル API を一切呼ばないオフラインの再現スクリプト 4 本。隠している部分も明言しており、非公開状態のテスト群とメンバー単位の正解対応は管理下に置かれ、補足のラッパーは単体で完全に走る再構成ではないとしている。

Flomb

Felipe (@FelipeJackFox), LEIA

MaleCNS コネクトームから取った茸状体（ケニヨン細胞 4,064 個・出力ニューロン 97 本・PAM と PPL1 のドーパミン）が、機雷を踏んだときの「熱」と安全な升を踏んだときの「砂糖」という 2 信号だけでマインスイーパを覚える。未見の 2,000 盤面で 9x9・機雷 12 個の勝率 78.4%。ただし同じ盤面で手書きの「一点確定」ルールは 81.8% 勝つ、と報告がすぐ断っている。否定的な結果も 2 つ明記されている。脳が効くのはサンプル効率（脳なしの表より約 4 分の 1 の経験で済むが、経験が無制限なら表に並ばれる）であり、実際の配線を混ぜても結果は変わらない。効いているのは測定された結合ではなくアーキテクチャだという。

FLYBRAIN · NES

arpanguria68-ui

凍結した MaleCNS v1.0 の神経系（166,700 ニューロン・2,560 万結合）を NES エミュレータにつなぐ。毎秒 20 回、ゲーム画面がハエ自身の運動検出ニューロンと物体検出ニューロンに入り、下行ニューロンの出力がコントローラのボタンを押す。その上に小さな学習器が乗り、得点で報酬、残機を失うと罰を受ける。デモだけでなく対照実験まで同梱しているのが良い。スーパーマリオブラザーズで本物の配線と混ぜた配線を各 5 回走らせ、新規に進んだ距離は 3,214 ピクセル対 563 ピクセル。脳なしで右を押し続けた場合は 0。自作の追加要素 2 つ（ゲームイベントからの報酬と n ステップ学習器）は既定の単純な設定に勝てなかったとし、実験用に残している。ROM は同梱していない。

Fly VNC Walking Simulation

Sadiq Khan (@sadiqkhzn)

雄の腹部神経索だけで MuJoCo の NeuroMechFly の身体を動かす。neuPrint 経由で male-cns:v1.0 から 24,115 ニューロンと 177 万本のエッジを取り、伝達物質で興奮性 1,026,234 本・抑制性 693,369 本に分け、速い・遅いシナプス時定数を分けた漏れ積分発火モデルとして回す。学習するのは薄いコマンド層だけで、配線そのものには手を入れない。見どころは検証表で、うまくいかなかったことも載っている。後退歩行の指令で運動ニューロン群は 349 倍に上がるが、DNp09 による歩行停止は 16% の抑制にとどまり、三脚歩行の逆位相はまったく出ない。著者はこれをパラメータ調整で消さず、自己受容感覚のループが無いためだと書いている。

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。

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。

Drosophila Cadet

SEKY443 (@SEKY443)

ブラウザ内の偽の Windows XP デスクトップで WebAssembly として動く 3D ピンボール（Space Cadet）のフリッパーを、MaleCNS v1.0 から取った逼近逃避回路が叩く。LC4 と LPLC2 が 2 本の巨大繊維に入る 373 ニューロンで、シナプス数と符号は実データのまま、学習は一切していない。各逼近検出細胞がフリッパー沿いの自分の持ち場を見ていて、発火した巨大繊維がそのフリッパーを押す。未学習のこの回路は同じデータから学習させた 444 ニューロンの脳とほぼ同じ成績を出し、学習版と違って次数を保つ 6 通りのシャッフルに（各 96 ライフの対応比較で）勝つ。どちらも手書きの反射には少し届かない。

FlyAim

0Sakura721 (@0Sakura721)

MaleCNS v1.0（166,700 ニューロン / 25,582,938 エッジ）で閉ループの照準課題を駆動し、次数を保つシャッフル・上限としての PID・下限としての一様乱数と、同じ seed・同じフレーム予算で比べる。予注録した判定は「配線図に因果的寄与なし」で、実測はそれより強い。ネットワーク 2 本はどちらも平均靶距が乱数より有意に悪く、412.5 / 430.9 px に対し乱数は 251.7 px だった。連接組の重みを三因子則で可塑にした追試も、予注録した 3 つの関門すべてを通らなかった。README は、否定されたのは静的重みの LIF モデルであってハエではないと明記している。

FlyGateDemo

Robert Troska (@ProfTAlent)

MaleCNS v1.0 から取り出したハエの嗅覚回路を、実際に公開されているブログの門番に据える。C# / .NET 10 で、受容器 2,635・投射ニューロン 686・キノコ体の Kenyon 細胞 2,044・出力ニューロン 49 と APL を使い、HTTP リクエストを匂いに変換する。著者自身のサイトに来た 142,770 件を匿名化して同梱しており、ダウンロード無しで走る。正直な結論が先に書かれていて、このトラフィックではハエは素のコサイン類似度に勝てない（ハエ 23〜88% に対しコサインは 62〜98% の探索を捕らえる）。罰を 6 回与えると探索はほぼ止まるが読者も 3 分の 2 を弾いてしまい、報酬を 3 回与えると読者側は 1.3% に戻る。

spacefly

cknisaac (@cknisaac)

MaleCNS v1.0 から選んだ小さな回路（Kenyon 細胞 32 個が出力細胞 MBON05 に入り、解剖学的に選んだドーパミンニューロンが教師役）が、教示信号のあとで応答を変えるかを問い、失敗を凍結して報告している。意図しない位置で教えると x=0.20 で最初の動作が出て、教示と学習を切ってもそれが残り、狙った x=0.70 付近で教えると動作がまったく出なかった。宣言していた行動テストは不合格で、一方で解剖構造に依存する可塑機構そのものは動いた、という結果である。リポジトリはこれを「機構としては成功・行動の頑健性は未達」と呼び、位置符号化・ドーパミン刺激・可塑式・動作判定は自前の工学的仮定だと明記している。

Fly Brain Dungeon

jasonfye2015 (@jasonfye2015)

レトロなダンジョン探索ゲームで、追ってくるモンスターに台本の AI は無い。判断はすべて MaleCNS v1.0 コネクトームから取り出したキノコ体の実ニューロン 4,501 個から出て、狩りの最中にドーパミンで学習する。毎ターン、四方向への移動・攻撃・待機という各選択肢について、行き先のマスのにおい（プレイヤーの匂い、鍵・扉・戦利品、自分の足跡）と見通し、自分の体力を読む。感覚はランダムな「爪」を通してケニオン細胞 4,064 個を興奮させ、上位 5% だけが発火する。発火した細胞が実コネクトームのシナプスを通して MBON 97 本を駆動し、各 MBON が接近か回避に投票する。README はこの向きがプログラムされたものではなく配線から出てくるものだと明記する。ドーパミンは減衰する適格性タグで最近活動したシナプスだけを更新する。

fly-muaythai

klasinlapaprechar (@klasinlapaprechar)

リング上で 2 匹のハエが組み手をする。闘う側の脳は neuPrint 経由でオスの中枢神経系コネクトームから切り出した 6,170 ニューロンの回路で、相手の追跡に LC10、迫る打撃に LPLC2 と LC4、剛毛と脚の触覚、ジョンストン器官の平衡、攻撃性の pC1 クラスタ、報酬の PAM ニューロン、下行ニューロン 1,314 本すべてが入る。配線は固定で、学習するのは細胞型ごとのゲインと下行ニューロンの読み出しという 14,910 パラメータだけ。身体は MuJoCo 上の flybody のハエ。更新 2,000 回時点で混合段階の 48 試合平均 +9.1 点、打撃命中率 65%。更新 1,000 回と 1,500 回では台本ありの熟練相手に負けていた。実データとモデル部分を表で分け、学習中に見つけた報酬設計の不具合 7 件も公開している。

flybrain-play

victory-c (@victory-c)

全中枢神経系のスパイキングシミュレータ Fly Bar（sstamou03/fly_brain を無改変のままこのリポジトリの最初のコミットに取り込み、その旨を明記）に、ロードバイクを走らせる。自転車の状態を実在の平衡・風・オプティックフロー・脚の感覚ニューロンの発火に変え、下行ニューロンの発火を操舵トルク・ペダリング・ブレーキにデコードする。面白いのは上手くいかなかった部分だ。文献にある歩行の指令ニューロンは車体の傾きを追わず、MDN は傾きに関係なく 5〜19 Hz で発火した。そこで操舵は飛行安定化の下行ニューロン（DNp20・DNg46・DNp22）から取ることになった。PD 制御の教師に R² 0.75 で当てはめた 71 パラメータのデコーダで、16 人の走者が 15 秒中平均 14.1 秒倒れず、9 人は一度も倒れない。コネクトームは変更しない。

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。

maleCNS fly brain → human body

neomorrison (@neomorrison)

オスのハエの中枢神経系に身長 1.74 m・体重 72 kg のヒト型の体を操らせる。maleCNS の脳ニューロン 141,615 個（シナプス 8,600 万）を漏れ積分発火で回し、曲がる向き・跳ぶ時・食べる時を決めさせる。歩行自体は 23 関節への PPO の方策で、ハエの運動ニューロンでは動かせない体だからと切り分ける。感覚は同定済みのニューロン（LC10、LPLC2・LC4、LB3 の糖受容ニューロン）に入り、出力は名前の付いた下行ニューロンから固定デコーダで読む。空腹は配線に無い神経修飾なので手で足したと明記。否定的な結果もある。食物臭からは安定した旋回・歩行指令が出ず、餌は匂いでなく視覚で見つける。暴走を止めるためケニオン細胞間などのループを削り、腹部神経索は再現しない。README の状態欄では走りと跳躍は学習中とある。

Drosophila Whole-Connectome Cognitive Tasks

Joonghui Cho, Minchan Kang, Daeshik Kim (@joonghui0926)

MaleCNS v1.0 の有向エッジ集合を固定し、残したエッジ 1 本につき学習可能なスカラーを 1 つだけ与えた再帰グラフを、上限付きの加算と、関係を表す統制言語の 2 課題で学習させた論文のコード。前処理後のグラフは 166,700 ノード・25,582,938 本の有向エッジで、エッジのしきい値は設けない。再現スクリプトが論文の対の数値を実行記録から復元する: 加算 92.77% 対 67.93%、言語 61.59% 対 44.17%、固定したグラフ帰無条件で 71.35%、感覚入力シャッフルで 60.94% 対 19.27%。対照は次数保存の再配線。MaleCNS のファイルはチェックサムを照合して取得し、再配布しない。

Fly Mind

jasonfye2015 (@jasonfye2015)

MaleCNS v1.0 から取った 5,191 ニューロン（うち投射ニューロン 686 本）のキノコ体を、ローカルの言語モデルの「情動の層」として下に置く。入力した文や見せた画像は埋め込みに変換して投射ニューロンを駆動し、実際の投射ニューロン→ケニヨン細胞の配線がスパース符号を作る。ドーパミンがその区画のケニヨン細胞→出力ニューロンのシナプスを弱め、そこから出る快不快と覚醒度が言語モデルの語り口になる。人格設定は与えず、自分の脳の事実説明だけを渡す。記憶は脳が顕著性を報告したときに残り、決めた就寝時刻に蒸留され、いまのケニヨン細胞の活動が一致したときに回路へ再生される。

Fly x Jev (arena and Memory Lab)

aryap1804 (@aryap1804)

MaleCNS v1.0 の配線で動くブラウザ上のロボットが道を歩く。実在する 1,771 本の眼のコラムが実シナプスを通って 4,664 個の LC/LPLC ニューロンに入り、においごとに 203 個のケニヨン細胞が 4 種の出力ニューロンを駆動し、外部の決定モデルが下行ニューロンを選ぶ。価値があるのは別ページの Memory Lab で、同じキノコ体モデル上で古典的なハエの記憶実験 7 本を API キーなしで回す: 条件づけ、非対提示の対照、忘却曲線、逆転学習、PPL1 または PAM の抑制、出力を遮断したままの記憶テスト。いずれも出典論文つき。ここでの「抑制」は信号を与えないだけだと注記し、このモデルでは出せない現象も列挙する。

flypoker

0909-BoB (@0909-BoB)

neuPrint から取り出した MaleCNS v1.0 の部分グラフ（6,194 ニューロン）を固定のスパイキングネットワークとして回し、その上に小さなソフトマックス読み出しを載せてノーリミット・テキサスホールデムを打つ。ブラウザのテーブルは人間 1 人対ハエ 3 体。README は感覚入力の対応づけが作り物であり、フォールドやブラフは学習層の産物で配線由来ではないとはっきり書く。調整メモには再現した 2 つの失敗が残る: 報酬の基準値を全体で 1 つにすると A ペアを 99.9% フォールドする方針に収束し、学習を延ばすとソフトマックスが飽和して手札に関係なく同じ行動を選ぶ。同梱の読み出しは行動模倣のみ。自己対戦 6,000 ハンドが良い初期値を必ず壊したため。

NeuroLab

NeuroLab contributors (@Echrem)

male-cns v1.0 のグラフ（176,422 ニューロン、絞り込み後 6,287,749 結合）を疎な漏れ積分発火モデルとして 0.5 ms 刻み・50 ms 単位で進め、自前のハエ Mob に、あるいはコマンドでヒツジ・村人・クモに取り付ける Minecraft Forge の MOD。取り付けると対象の通常 AI は止まる。クライアント側のダッシュボードが 16 系列をプロットし、テレメトリはワールド内に JSONL で書き出される。神経側の運動チャンネルが沈黙しうるため、別ラベルの手書きフォールバックが移動を補い、ダッシュボードとログの両方にそれが働いていることを示す。制限事項には、時定数も読み出しも生物に合わせて当てはめていないと書かれている。

fly-cartpole

Curt Park (@Curt-Park)

MaleCNS v1.0 から配線したキノコ体を左右の押し方向ごとに 1 つずつ置き、ドーパミンの予測誤差で CartPole の倒立を学ばせる。評価用 20 シードの最終 100 エピソード平均で 392.5 ステップ、可塑性を切ると 18.7、ランダムな押しは 22.8 で、46% のエピソードが上限の 500 ステップに達する。配線をシャッフルしても 390.3 で、置換検定で p = 0.48。効いているのはシナプスの地図そのものでなく配置だということになる。試した 19 仮説の記録こそが本体で、拑抗だけの可塑性はシナプスを使い切る、キノコ体 1 つでは行動符号が棒の状態を隠す、境界のあるシナプスが表せる範囲を超えた報酬は一部の場合を片側に固定してしまう、と報告されている。

fly-chess (backprop vs dopamine)

S1MS4 (@S1MS4)

MaleCNS の配線にチェスを指させる 2 つのやり方を、比較できる形で並べる。一方は各結合の位置と符号を保ったまま強さを Lichess の局面で誤差逆伝播学習し、他方は測定された脳を凍結してキノコ体だけをドーパミンで変える。盤面は視細胞を目の 8×8 グリッドにまとめて入れ、12 ステップ伝わって下行ニューロンから手として読み出される。自作の分割スパース勾配で、1,000 万結合の逆伝播を 8 GB 内に収めている。シャッフル配線と領域別損傷の対照はフラグとして組まれているが、測定された棋力はまだ無い。README は見積りだと明記し、ハエのコネクトームでの測定値は誰も公表していないと書いている。

fly-connectome-wiring

Guan et al. (HKUST)

成体ハエの脚運動系を MaleCNS v1.0 と MANC v1.0 の 2 つのコネクトームから固定重みのレートモデルとして組み、実行前に決めた基準で 6 系統の再配線ネットワークと比較する。付随する原稿の、運動入力の付け替え・救済・上限付き付け替え・符号摍乱の実験も回す。原稿のビルドは掲載する数値をすべてデータから再計算し、1 つでも合わなければ失敗する。ノイズ列は種を固定してあり、確認実行は保存済みの記録を 1e-16 以内で再現する。コネクトーム自体は再配布せず、公開フラットファイルは利用者が用意する。

fly-cx-navigation-servo

miwamasa (@miwamasa)

MaleCNS v1.0 から取り出したハエ中心複合体のレートモデル。2,308 ニューロンと符号付き 187,137 結合を 1 MB の量子化ファイルに入れ、その上に 2 本の論考を置く。前半は接続だけから方位のリングを取り戻し、結合カーネルの中にリングアトラクタのモティーフとシフトした比較器を見つける。重みの量子化は枝刈りに相当し、166 ニューロン・932 シナプスの回路でも閉ループで操舵できる。後半は同じ回路を制御理論として読み、素の配線は進行方向のサーボでなく方位のサーボだと論じ、足りない 2 つの乗算を明示の回路として追加して試す。シナプス数を越える部分はすべてモデルの仮定と明記されている。

Fly Gets a Software Job

nevchr (@nevchr)

1 匹のショウジョウバエが永遠にソフトウェア職に応募し続け、訪問者全員が同じキャリアを見る。応募・面接・不揁用・まれな内定もすべて共有される。バックエンドは 166,700 ニューロンと処理済み 25,582,938 辺の MaleCNS v1.0 ランタイムを読み込み、キャリアの状態を感覚入力に符号化して下行ニューロンから次の行動を読み出す。テスト用に種を固定したモックも残してあり、どちらが稼働中かを画面が常に示す。解剖ビューアは 125,020 点の細胞体位置と 7 本の追跡済み骨格を描くが、染みが枝を伝う演出は記録でも予測でもない例示アニメーションだと README に断ってある。

Connectome-Powered Navigation Agent

@manas-dange

MaleCNS v1.0 の中心複合体から取った 1,243 ニューロンの部分グラフを、PPO で学習するナビゲーション エージェントの凍結された再帰層として使い、単独で見せるのではなく 3 つの対照と比較する。コネクトーム版は報酬の 90% に 1,200 エピソードで到達し、制約なしの MLP は 1,450 エピソード。配線は保ったままシナプス値を乱数化すると約 7% 低下し、弱いシナプスを半分刈り込んでも約 3.5% しか落ちない。Three.js のページで部分グラフを描き、エージェントを並べて走らせられる。なお neuPrint のトークンが無い場合は合成の中心複合体に切り替わる点に注意。

The Fly's Escape Switch

Ewan Wu (@EwanWu06)

多くのハエ脳デモが省く対照実験を実際に行った、中英二言語の対話型解説。MaleCNS v1.0 から 364 ニューロンの巨大繊維逃避回路を再構成し、合否の基準をタイムスタンプ付きのコミットで事前登録したうえで、公開済みの電気生理実験 4 件と照合し、再現できたのは 1 件だけだと報告する（迫る円盤の視角が 34〜37 度で発火）。次数を保ったまま配線を入れ替え、元のまま残るのが 40.6% になっても、この閾値は 0.11 度しか動かない。つまりこのモデルでは接続先が誰かはほとんど効かない。さらに、応答が無いと判定が自明に通ってしまう自前の基準コードの不具合も自ら記載している。

Fly Gym

@louiscreatesai

多くのデモが曖昧にする区別を明示したブラウザ作品で、実時間のシミュレーションは行っていない。MaleCNS v1.0 の LIF モデルで特定の感覚ニューロンや下行ニューロンを 1 秒間オフラインで駆動し、全スパイクを保存してある。脳パネルはその 1 試行を 0.35 倍速で再生し、どのニューロンを刺激したかを明記する。白眉はブラックジャックの場面で、「摂食運動ニューロン MN9 が糖だけの時の半分以上の頻度で発火し続けるならヒット」という規則を試行前に固定しており、結果としてハエは 4 のときだけヒットする。ジムの数字は冗談であり、これは心ではなく配線のモデルだと明言している。

fly-mania

@Shirtep

ハエが 4 キーの音ゲー osu!mania を遊ぶ企画だが、何が学習するのかの会計が明快である。MaleCNS から取った 3,418 ニューロン・242,111 シナプスの部分グラフは固定され一切変更されず、学習するのは GRU 4 本・352,971 パラメータの小さなコントローラだけ。知覚は因果的で、4 レーン×128 行の網膜と過去 40 ms の音声のみ。譜面もノーツの時刻も与えられない。学習は DAgger による模倣で、教師は学習時にしか存在せず、報酬は無い。キー入力は NeuroMechFly の身体を介し、16 ms の遅延とばらつきを持つアクチュエータを通す。評価と描画にも同じアクチュエータを使う。

Fly x Jev

@pasangimhana

2 つの要素の切り分け方が見どころの混成デモ。感覚と記憶は測定された MaleCNS の配線が担う。実在する 1,771 本の視柱に沿って並べた複眼が 4,664 個の LC/LPLC 投射ニューロンへ入り、匂いは投射ニューロン→ケニヨン細胞→MBON という実際の経路を通り、ドーパミンが KC→MBON シナプスを弱めて連合記憶を作る。外部の言語モデルは、数本の下行ニューロンのうち次にどれを発火させるかを選ぶだけ。デモでは有害物と蜜でロボットを条件づけ、その後に回避と接近を示す。API キーが無くてもページは開き、ロボットは直前の行動を保つ。

FlyBrain (provenance-aware platform)

@nazkari86-lab

疎なコネクトームのための研究基盤で、その適用範囲の宣言こそが読みどころ。データ契約の検証、有向疎グラフの取り込み、決定的な LIF 動態、細胞型を対にした損傷実験、チェックポイントの復元、実験一式の書き出しを行うと述べ、そのうえで「まだ身体を持ったハエではない」と明言する。自律行動のデモもそのように位置づけられており、反射・ポテンシャル場制御・表形式 Q 学習の残差を FlyGym 本来の歩行コントローラと組み合わせたもの。シード 7 の実行では 12 個の未知のアリーナすべてで餌に到達し、脅威への接触は 0 だった。README はこれを工学的な実証であって、コネクトームが学習した証拠ではないとする。

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。

Flytown

@KapilSareen

ブラウザ上の町で、人型の住民ひとりひとりが MaleCNS v1.0 を刈り込んだ回路をスパイキングネットワークとして実時間で走らせる。163,903 ニューロンのグラフから切り出した 8,000 ニューロン・234,363 結合が住民 1 人分の脳で、学習は一切していない。摂食・逃避・求愛・攻撃・身繕い・睡眠は配線から出てくるが、それらの駆動を「カフェに行く」「喧嘩する」といった行動に変える目標層は自作だと明示している。女性住民は雄の配線から雄特異的な細胞を抑止したものだ、という点も README にそのまま書かれている。住民を選ぶと 8,000 ニューロンのラスターが開く。

TypeSafe Jev vs a Fruit Fly Brain in a Roblox Maze

@SolidifiedPlayDoh

単独のデモではなく一対一の競走。MaleCNS v1.0 の脳と言語モデルが同じ Roblox の迷路を同じリンゴに向かって走り、2 つの探索戦略を並べて観察できる。コネクトームは凍結したまま使う。Roblox のレイキャストがハエ自身の特徴検出細胞を駆動し、小さな読み出し層がスパイクを歩行と旋回に変換する。DNg100 が歩き、DNa02 が舵を取り、MDN が後退し、DNp01 が跳ぶ。言語モデルは画面を見ず、距離の環とリンゴの匂い、自分が歩いた跡だけを受け取る。重みはこのリポジトリでは再配布されず、初回起動時に本来のライセンスのもとで取得される。

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。

FlyBG3

WerG0D

市販ゲーム Baldur's Gate 3 の随伴 NPC の判断を、凍結した MaleCNS v1.0 のネットワーク（166,700 ニューロン、集約 25,582,938 結合、下行ニューロン 1,314 本）から出す。Script Extender が観測ファイルを書き、Python のブリッジが抽象的な感覚刺激に符号化し、下行ニューロンの発火を 5 種類の行動に復号する。状態表は実セーブで動かせた部分とそうでない部分を分けて書き、合成アリーナの学習は外側の読み出しだけで、ゲーム内の戦闘を学習した証拠ではないと明言している。

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。

flybrain (MaleCNS pong-catch)

treewalkr

感覚から下行ニューロンへ 1 ホップで届く MaleCNS の 4,706 ニューロン（306k エッジ、符号は合意神経伝達物質から）でパドルを動かし、落ちてくるボールを捕る。シナプスはすべて実測の配線のまま凍結し、下行ニューロン発火率の線形読み出しだけを交差エントロピー法で学習する。偶然は 33%、コネクトームの読み出しだけで 54%、チャンピオン再開の refine で保留シード 84.4%。効かなかった手（ドーパミン/RPE 可塑性、エリート CEM、シード間の重み平均、約 3k 未満への回路縮小）も README に列挙されている。

flygo (果蝇围棋)

icybb0903-sketch

ブラウザでハエと 9 路盤の囲碁を打つ。盤面を 415 次元に符号化し、MaleCNS 由来の固定グラフ（位置と分類を持つ 139,662 ノード、絞り込み後 5,536,347 有向結合）を通して、学習済みの出力層が合法手を選ぶ。右側の神経活動は装飾的な発火ではなく同じ決定の記録を再生し、チェックポイントが欠けたり検証に失敗したりしたときは黙って専門家方策に切り替えずエラーにする。README は限界も率直で、棋力・終局処理・死活判定は未完成、本物なのは連接構造だけだと書いている。

FlyKart

ZENinjaneer

MaleCNS の 165,122 ニューロンを GPU で走らせてゴーカートを操舵する。「この回路がこれを動かす」という主張はすべて、入力を刺激して出力を測って確認してある。追尾は LC10a から同側 DNa02 へ 130〜185 spikes/s、逃避ジャンプは LC4・LPLC2 から巨大繊維へ約 10 ms 以内に 250〜400 spikes/s、摂食は味覚ニューロンから MN9。学習させていないので、旋回はカクカクし、曲がるときに減速する。留保も書かれている。興奮性・抑制性を粗い規則で決めているため光受容器が興奮性のままで、目は暗さで駆動される。

FlyPet (果蝇桌宠)

BakonZHOU

16,711 ニューロン・符号つき 2,075,126 結合（全体の約 1/10）の MaleCNS 部分回路を 1 ms 刻みの簡略 LIF で回す Windows の桌宠（デスクトップペット）。他のデスクトップペットと違うのは、疑うための道具を同梱している点。検証スクリプトが公式配布ファイルの SHA-256 を計算し直し、全 bodyId と全結合をコンパイル済み行列と突き合わせる。同じ乱数種・同じ刺激でシナプスを切ったアブレーション対照も用意されている。空腹・体力・復活・画面端の衝突は普通のプログラム規則だと README に明記されている。

Vibe Fly Brain

zogxray

測定済みの神経系を複製対象ではなく設計図として扱うコンストラクタ。MaleCNS の約 14 万 2 千個の細胞体と間引いた突起の点群を編集可能なレシピとして取り込み、3D シェル上で伸ばす・削る・変異させる。成功条件は「レシピを変えると別の、それでも動く神経系になること」と明記されている。README は「ハエのデジタルツインではない」「数千万シナプスの端から端までの学習でもない」と、やらないことを先に言う。生データと派生点群は git に入れず、上流のライセンスのままにしている。

Death Star v2: Drosophila SNN Flight Control

bilalefekilic34 (@bilalefekilic34)

MaleCNS v1.0 から名前の付いた回路を取り出して組んだスパイキングネットワークが操縦する、3D の塹壕飛行デモ。小さな標的の追跡に LC10a、羽ばたきと飛行の操舵に DNp01、報酬にドーパミン作動性の PAM 細胞、そして標的固定と発射のフィードバック経路を使う。視覚は片側 375 個ずつ計 750 個の個眼からなる複眼モデルで、3 次元の視線ベクトルと網膜位置に沿った光学流の検出を行う。ニューロンは積分発火型の膜動態とシナプス遅延を持つ。Python の神経エンジンと Three.js の画面のあいだを WebSocket が双方向につなぎ、ニューロンのホログラム表示も備える。説明は英語とトルコ語の併記。

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。

FDDD (Fly-Driven Drug Development)

AwesomeZun (@AwesomeZun)

タンパク質と低分子のあいだを最大 20 匹の独立した MaleCNS モデルのハエが飛び回り、あらかじめ計算しておいた AutoDock Vina のドッキングスコアから候補ごとの選好を学ぶ、ブラウザ上の研究デモ。1 匹ごとに選択した 167,122 ニューロン・6,241,236 本の有向結合（シナプス 5 個以上の結合のみ）を訪問者のブラウザ内で計算し、活動は実測された細胞体位置 28,195 点の上に描かれる。報酬は味覚として注釈された 1,428 ニューロンに入力される。実行済みの組み合わせはタンパク質 3 種・分子 6 種から 8 通り。ドッキングスコアは実験で測った結合親和性でも薬効でもなく、ネットワークが結合力を自力で見つけたわけでもないと明記している。

flybrain

hrodrigobaigorria (@hrodrigobaigorria)

著者の stonkfly から相場・取引に関する要素をすべて取り除き、汎用の判断エンジンとして切り出したもの。180x320 の RGB フレームと、任意の報酬・嫌悪パルスを渡すと、保持された MaleCNS v1.0 のグラフ（166,700 ニューロン・2,560 万結合）が DNp20 の左右操舵集団から left / right / straight の読み出しと記憶の状態を返す。付属の条件づけ課題は、シナプスが動いたことではなく記憶が本当に連合的かを 2x2 の反転対照で確かめる。限界も明記されている。再構成された視覚経路はキノコ体にほとんど届かず（白一色のフレームで発火するのは 4,064 個の Kenyon 細胞のうち約 14 個）、報酬側の効果が嫌悪側の約 2 倍になるのは回路が報酬細胞 15 個に対し嫌悪細胞 2 個しか持たないためだという。

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。

Fruit-fly-vision-bridge

DylanZhangzzz (@DylanZhangzzz)

ふつうのウェブカメラ、あるいは深度と IMU を持つ Intel RealSense D435i の映像を、公開されている左右それぞれの L2 方向で RGB を標本化することで MaleCNS 全脳シミュレーションに流し込む。対応表で解決できたのは左眼 886 個中 847 個、右眼 893 個中 847 個の L2 ID で、保存済みフレームでの全モデル再生では左 229・右 217 の入力が駆動された。README は線引きを明示する。明るさから神経入力への変換則は工学的な近似であって検証済みの応答モデルではなく、視野角も校正ではなく仮定である。両眼での新規撮影は未了と記す。右眼での実機走行は無入力・結合切断・利得半減の対照を通している。

MaleCNS Bee

Pacsy1 (@Pacsy1)

jar の中に FlyEM MaleCNS v1.0 のコネクトーム（校正済み 165,733 ニューロン・6,239,854 結合）を同梱し、それをスパイキングネットワークとして専用スレッドで回して Minecraft のミツバチを飛ばす Paper プラグイン。ハチが見た・匂った・味わった・聞いた・触れたものが感覚ニューロンに入り、下行ニューロンが操縦する。コマンドでプレイヤー自身が匂い源になったり、頭部の剛毛ニューロン 745 本を刺激したり、求愛歌を聞かせたり、11,751 の細胞型のどれでも駆動・沈黙させられる。定型実験は測定値を印字する。回転縞を見せると左右の HS 細胞の活動が入れ替わり（145.5 Hz 対 19.3 Hz）、視覚を遮ると中枢神経系全体の活動が半分になる。

Lincoln traffic control experiment

salsayid (@salsayid)

MaleCNS v1.0 から切り出した 196 ニューロン・2,966 エッジ（シナプス接触の合計 21,984、細胞型 10 種）の視覚葉部分回路が、米ネブラスカ州リンカーンの試合後の待ち行列モデル（交差点 3 つ）で信号の現示を選べるかを問う。結論は「選べる、ただし待ち行列ヒューリスティックの教師あり模倣によって」。そして配線については否定的な結果になっている。実測配線の回路（到着 1 台あたり待ち 93.20 秒）、繋ぎ替えた対照（92.84）、ふつうのネットワーク（92.82）、ヒューリスティック自身（93.26）が横並びで、差がない。著者は、この検証が生物的な配線の利点を示すものではなく、信頼区間も現実の交通ではなくシミュレーションの乱数種のばらつきを表すと明記している。

Faithful Fly (mukha)

TryDotAtwo (@TryDotAtwo)

全中枢神経系モデルを Rust に C++ と CUDA のカーネルを添えて書き直した、検証を先に置いた実装。公開済みの元モデルと決定的な Brian2 の参照データを固定したうえで、どこがまだ通っていないかを報告する。倍精度のネイティブ積分は糖刺激の試走で Brian2 のスパイク 9,440 件すべてと一致した。単精度では閾値近傍の最初のスパイクが 436.4 ms で 1 ティックずれ、これは精度比較で説明されている。MaleCNS の取り込みは出所を固定し、ファイルのハッシュ・添字の範囲・行の順序・接触数の合計を元の書き出しと突き合わせ直す。README は、生物学的な実験の再現は済んでおらず、視覚のゲートは依然として不合格で、身体の診断はまだ神経系に駆動されていないと明記する。

PoopFly

Chawakorn111 (@Chawakorn111)

MaleCNS 全体のスパイキングモデルが、自分で排泄のタイミングを決めるシミュレーション。食べて腸内の圧が高まり、それを内受容ニューロンが感じ取り、行動は閾値との比較ではなく運動集団の発火率の読み出しとして決まる。排泄すると圧が下がり、ドーパミンに相当する恒常性の報酬が生じて 3 因子シナプス可塑性を動かす。その結果、試行を重ねるほど満腹時の排泄が速くなり、背景に流す曲の好みも決まっていく。README に載っている実行例は 10 万ニューロン・19,716,276 シナプスの部分グラフをブラウザの Web Worker 内で計算したもので、ビルドの段階は 5 万・1 万と全グラフも用意されている。

brainfly

Joshua Bradley (@joshuabradley012)

MaleCNS コネクトームから歩く身体までを閉じようとする試み。各層を「検証済み・当てはめ・推測」に分けて明示し、段ごとに実測データとの一致と、配線を入れ替えると壊れることの両方を課す。視葉モデルを雄の眼に敷き直すと T4/T5 16 型すべてが正しい方向選択性を示し、迫り来る円板に巨大繊維が逃避スパイクを出す。回転ドラムに HS 細胞と操舵ニューロン DNa02 が追随し、NeuroMechFly の 8 匹がドラムと同じ向きに回るが、入力量を保った無作為再配線 3 回すべてで信号は消える。全脳の段は 5 回失敗し、5 回目も 2 つの帰無対照の片方を通っていない。

CNS2FPGA

@LengQingSnow

MaleCNS v1.0 の部分回路を時分割多重の FPGA エンジンにコンパイルし、部分グラフ抽出から CPU 参照モデル、固定小数点化、RTL 検証、ALINX AXKU115 ボード上 200 MHz での実測までを番号付きの手順として丸ごと残す。2 つの回路が固定小数点 CPU モデルと突き合わせて検証されている。ニューロン 6,279 個の求愛歌の候補回路は記録した 13 条件で、226 個の LC10a→DNa02 候補回路は左側入力試行の 560 個の順序付きスパイクで一致した。README は、これらが選んだ LIF モデルの実装一致の検証であって、実測のハエの活動や行動を再現した主張ではないと明言している。

A fruit fly connectome that learns

Weverton Guedes (@owevertonguedes)

male-cns v1.0 のキノコ体で、匂いに罰を与える古典的な学習実験を走らせ、学習が本物かを言える対照を添える。5 つの匂いペア各 200 匹で、罰を受けた匂いの回避は 15 試行にかけて約 45% から 70〜80% に上がる。匂い無しで罰だけ与える条件は偶然水準のまま、配線を入れ替えた条件は学習しない（罰のドーパミンニューロンが実配線では 409 個のケニヨン細胞に届くのに、入れ替え後は 10 個しか届かないため）。全脳モデルで学習できない理由も報告している。既定の抑制では 2 つの匂いがほぼ同じケニヨン細胞を光らせ、重なりが 99% に達する。

Fly Drone

@hldrnwnv

MaleCNS の配線が、仮想クアッドコプターの旋回方向を選べるかを問う実験。目標の角度で左右の LC10a を駆動し、固定されたグラフを活動が伝わり、下行ニューロン DNa02 の左右差から線形デコーダが旋回の符号を読む。比較には幾何制御器と、入出力次数を保ったまま無作為に入れ替えたグラフ 3 本を同じ条件で飛ばす。否定的な結果も残している。翅の運動ニューロンから 4 つのローターを直接動かす試みは 1.23 秒で墜落し、b1・b2 はスパイクを出さなかった。匂いだけの誘導は 8 回中 4 回到達で、濃度を直接使う対照の 6 回、左右を入れ替えた 0 回の間だった。

Kenyon

@Aur1ety

MaleCNS のシナプス数からキノコ体を組み立て、公開されているドーパミン学習則を足し、配線が決めた部分と自分で当てはめた部分を分けて報告する。記憶の特異性、似た匂いへの広がり、選択の向きは解剖から出てくる一方、記憶の大きさは較正なので成果に数えない。失敗も成功の隣に並ぶ。同じ区画に 2 つの記憶は共存せず、パターン補完は起きず、実際の APL ループは匂いコードを鋭くせず、再帰的な全脳モデルはどの閾値でも疎なケニヨン細胞コードを作れない。記憶が下行ニューロンに届く経路も、9 個のシナプスに依存する弱いものだと書いている。

UAM 학습 시뮬레이터

@rgh112

韓国語のブラウザ用シミュレータ。2 機の UAM 機体が 3D で飛び、MaleCNS v1.0 の配線から作った再帰型ネットワークが点検地点と帰投を選ぶ。学習は飛行から得た報酬で行う。使うのは 13 型・350 ニューロンの部分回路で、有向結合は 15,182 本。元の ID と結合方向、シナプス数をそのまま保ち、抽出条件はマニフェストに記録されている。見せ方にも慎重で、姿勢安定化とローター制御は固定、同梱の例は 20 回の報酬学習を経た単一シードの動作確認であり、コネクトームが優れていることの証明ではないと断っている。

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。

Flappy Fly

baltap (@baltap)

画面のゲームをハエの複眼に投影し、雄性中枢神経系コネクトームから取った視葉の配線を通して信号を伝える。79,992 個のスパイキングニューロンを 1 ミリ秒ごとにブラウザ内で計算し、全スパイクを実際の位置に描く。土管に当たるか抜けるかのたびにドーパミンが出てシナプスが変わるので、生まれたてのハエはほぼ毎回ぶつかり、300 回ほど死んだあとには何十本も続けて抜ける。学習・探索・生得的な隙間への誘引をそれぞれ切れるスイッチがあり、飛行ニューロンだけに任せるモードもあるので、主張を自分で確かめられるようになっている。

Fly Brain Explorer

rashmina-a (@rashmina-a)

小さな Python サーバーが 2 ページを配るだけで、ビルド手順は無い。1 つ目は雄性中枢神経系のコネクトームを 3D で描き、神経伝達物質で色分けし、刺激を与えて発火させたり、特定のニューロンの骨格と実際の結合をたどったりできる。2 つ目は、受容ニューロンから投射ニューロン・キノコ体細胞・キノコ体出力ニューロンへ至る嗅覚回路とドーパミン学習を積んだエージェントを 2D の採餌世界に置き、その感覚運動方策を毎秒数百世代という速さで進化させる。まず学習させてから、できあがったハエで実験する作りになっている。

fly-in-the-bottle

dimm0909 (@dimm0909)

デスクトップのウィジェット。ガラス瓶に入った解剖学的なハエを、つつく・回す・振ることができる。枠なしの透明ウィンドウで、すべてのウィンドウの下の「壁紙の上」に置くこともできる。動きはアニメーションではない。別プロセスの C++ が MaleCNS コネクトーム 164,606 ニューロンをイベント駆動で計算し、静止時はほぼ負荷が無く、名前のついた下行ニューロン 4 種が飛ぶ・曲がる・歩く・つつかれた後どうするかを決める。身体は FlyBody のモデルで、脚は二節の逆運動学で動かす。README は Windows では起動しなかったと明記しており、確認済みの経路は Linux と X11 だけ。

Fly Number Recognition

Alex Grossi (@alexgrossidev)

実在の 100 ニューロンと 3,630 本の結合を PyTorch の再帰ネットワークにコンパイルし、10 桁の数字列に 6 か 7 が含まれていたかを答えさせる。勾配降下は結合の強さを変えてよいが、動物に無い結合を作ることは許されない。課題は解けるのだが、著者はそれを自分でしぼませる結果を先に置く。同じニューロンで次数を保って配線を入れ替えた対照がまったく同じ性能で学習してしまうので、これはコネクトーム制約つき学習一般の話であって、このハエの配線の話ではない、と書いている。学習後の活動は実際のニューロン位置の上で再生できる。

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。

FlyDefence

david93518 (@david93518)

ローカルで動かすセキュリティ調査の作業台に、コネクトームの実験室を併設したもの。価値があるのは自分に不利な結果をそのまま載せている点。MaleCNS v1.0 から取った 5,269 ニューロン・152,689 有向辺の部分グラフを工学的な更新則で回すが、その活動値は発火率でも攻撃確率でもないと明言している。ネットワーク侵入データのホールドアウト評価で、実配線の平均適合率は 76.77% にとどまり、次数を保って配線を入れ替えた 3 つの対照（77.20% / 77.28% / 76.06%）を上回らず、符号化器だけの 82.34% にも届かなかった。生物由来の位相は効かなかった、と結論している。

FlyFace

FlyFace contributors (@8S8642)

人間の顔写真を MaleCNS v1.0 から組み立てた仿真に見せ、ニューロンの応答を記録する。遊びとしては A/B の「好み」を出すが、構造化された出力の側は測定値を一つずつ残し、下行ニューロンの方位読み出しは未検証だと明示的に印をつける。結果は否定的で、そう書いてある。応答は個々の画像には特異的だが、人間の魅力評価に一致する全体的な順位も、その逆の順位も現れない。比較の基準として人間の評点つき顔データセットを取得し、パイプラインは約 1.1 GB の元データのチェックサムを検証してからグラフを構築する。

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。

FlyRace

Ned Cutler (@nedcut)

コネクトーム駆動の対戦相手を載せるはずだったブラウザのタイムアタックだが、結局載せずに公開している。そしてそれが価値になっている。学習を始める前に事前登録した関門を置いた。カメラとセンサーの構成 10 通りのいずれかで、ごく普通の画像ネットワークが未知のコースで強いブレーキを十分に予測できるか。10 通りとも通らず関門は閉じ、記録された否定的結果には各スコアと、割り当てた 3 回の学習のうち 0 回しか使わなかったことが書かれている。脳のパネルは未学習の展示として残るだけで、ハエの対戦相手を作る予定は無いと明言している。

FlyVigilante

AwesomeZun (@AwesomeZun)

医薬品安全性監視のケース振り分けを、ハエ神経系の層構成になぞらえて組んだもの。感覚は広く安く受け、反射は安く、記憶は疎に、熟慮はまれに、行動は狭い出口から人間の待ち行列へ出す。狙っている詰まりは実測値で、自前のデータ倉庫で 1 四半期あたり 422,459 件の有害事象報告がある。MaleCNS v1.0 の中央脳から取った 49,244 ニューロン・符号つき結合 105 万本の部分グラフをブラウザ上で 30 Hz の発火率モデルとして回し、エージェントの判断が対応するニューロン集団を点灯させると実測配線に沿って活動が広がる。振り分け自体は決定論的な工学で、コネクトームが決めているわけではない。

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。

ReflexGuard

mrgrit (@mrgrit)

電動車椅子の衝突回避。運転するのは利用者で、危険が迫ったときだけ系が介入する。MaleCNS v1.0 から切り出した 187 ニューロン・185 辺の縮小回路を GPU 上で leaky integrate-and-fire として走らせ、認証つきの脳 API の向こうに置く。比較用にルールベースの模擬版も別モードとして残してある。README は誇張を自分で潰していて、これは全脳でも生理学的に検証されたモデルでもなく、現時点の検証範囲は 3 種類の廊下を用意した Webots シミュレーションであって実機の車椅子ではない、と書いている。大会提出用の保安版という位置づけ。

SuperTruth Connectome Study

Jason Alan Snyder, SuperTruth Inc. (@evil-robot)

MaleCNS v1.0 の配線（166,700 細胞、5 シナプス以上の結合 6,242,118 本）を一切変えずに固定し、結合の強さと入出力の取り方だけを学習させて、合成医療レコード 20,000 件の信頼度スコアを再現させた事前登録研究。見出しを自分で崩しているのが良い。各細胞の結合数と符号を保ったまま入れ替えた対照も、密度をそろえた無作為グラフも同じ精度を出したので、効いていたのはハエの解剖学ではなく「固定された疎な基盤」そのものだと結論している。同じ 300 件を言語モデル 4 種にも解かせて比較した。手順・5 つの対照・判定基準は初回実行前に日付入りで確定させている。

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。

axoaxodend

fkaempf

male CNS の任意のニューロン集合の組について、その間の各シナプスが相手の樹状突起に着くか（軸索樹状突起性）軸索に着くか（軸索軸索性）を判定し、表と Clio-NG のシーンを書き出す。シーンはどこにも置かずに URL だけで開く。実装は 2 つあり、どちらを信じるかを README が明示する。数値には navis の分割（シナプスフロー中心性）を使う。R 版の単一エッジ切断は極性の弱い細胞で切る場所が定まらず、AVLP743m の body 531383 では分離指数 0.01（navis は 0.20）、AVLP749m→PAM01/PAM02 では 13% を軸索軸索性と呼ぶが navis は 0 と呼ぶ。

Drosophila Under the Hood

Piotr Abramski (@abstractionthief)

male CNS を R → Python → ブラウザの一本のパイプラインで扱う。neuPrint への問い合わせから、コネクトーム全体の入出力マップ、漏洩積分の力学デモ、そしてソーマ位置が記録された 140,024 個（全 165,122 個の 84.8%）を実際の解剖座標で見せる静的エクスプローラまでを作る。書き出しのマニフェストには分類器ソースのハッシュと、記録したコミットにローカル変更があったかどうかが残る。テストは分類・グラフ指標・経路の枝刈り・ブラウザ書き出し（応答が順序通りに来ない場合を含む）を覆うが、描画はスタブなので見た目の確認はブラウザで要る、と README は書く。

Bottlenecks of the Fly Brain

danilo-lazovic

male CNS の配線に対する最大フロー/最小カット解析。感覚から、運動を駆動する下行ニューロンまでの間に、どのニューロンが構造的なボトルネックとして座っているかを問う。下行ニューロン 1,314 本すべてを終点にしたカットは何も語らない。CNS が浅く（どの感覚からも中央値 2 ホップ）、カットが最初の中継層そのものになるからだ。単一の標的に絞ると有益になり、視覚→巨大繊維のカットは LPLC2 と LC4 が支配する（実験的に迫近逃避を駆動すると知られる細胞）。同じ数を除くとシナプスフローは 83% 残り、経路上のランダム対照では 99.99% 残る。スパイキングによるアブレーション検証の段階は未完。

flybrain-eyegaze-tracking

Rick Gorman (@rickgorman)

ウェブカメラの視線追跡を MaleCNS のシミュレーションの入力にする。ブラウザ側の MediaPipe が虹彩と頭部姿勢から画面上の注視点を推定し、ページの外に出るのは画面上のハエから注視点への正規化された方向だけ。それが左右の LC4・LPLC2 を駆動し、162,517 ニューロン・6,138,378 結合の漏洩積分発火を 80 ms 走らせ、下行ニューロン 1,310 本の膜電位の線形読み出しが速度になる。学習するのは読み出しだけで配線は固定、目標座標は読み出しに届かない。コネクトームが視線推定の精度を上げるわけではない、と README が明記している。

FlyBreak

Shriya Sai (@Shriya-sai)

MaleCNS v1.0 から作ったグラフの上で 30 秒を争うゲーム。信号は細胞型グループ LC4 から出発して DNg108 に到達しようとし、プレイヤーはノードを切ったり一時的に塞いだりして止める。ただし DNa13 と DNa02 への構造的な経路は残さねばならない。遊べる回路は相互対応づけされた 21 の細胞型グループと 43 本の有向辺で、辺の重みは実測の雄のシナプス総数 19〜11,597。派生データは検証可能な JSON としてコミットされている。4 秒ごとにハエは生き残った最強の経路を計算し直して迂回するので、冗長性・共有ノード・巻き添えが考える対象そのものになる。

flycns

Felipe Santibáñez-Leal (@fsantibanezleal)

コネクトームのリリースを、シミュレータが走らせられるグラフへコンパイルする。各配列は SHA-256 で検証され、ハッシュの違う表は拒否される。リリース自身の視葉カラム（左 879・右 892）の上に 2 つの複眼を張り、公開されている方程式で中枢神経系全体を回す。Shiu の漏洩積分発火モデル（Brian2 の逐語的な写しと一致することを確認）と、Lappalainen の段階的視覚ニューロン（flyvis 自身と突き合わせ）である。Python の参照実装とブラウザエンジンはパリティテストで互いに縛られる。汎用の神経シミュレータでも行動についての主張でもない、と README は書く。

FlyLab

pinkysworld

型付きの受容体エビデンスを MaleCNS の名前のついた回路（MN9、DNp01、口吻の味覚ニューロン）に結び、化合物と遊離濃度から効果をシミュレートし、そのうえで「その予測に配線は本当に要ったのか」を問う。予測は、規模と伝達物質組成だけを保つもの、次数を保つもの、エッジリストに重みシャッフルを掛けたもの、出力強度を揃えて伝達物質ラベルを置換したものなど、段階的に劣化させたグラフの集団と比べられ、帰無と区別できなかった場合はそのまま「区別できない」と報告される。リポジトリに入っている 2 つの切り出しは互いに食い違っており、README はそれを隠さない。生物学的検証はまだ無い。

Meta-Brain

Matheus Soranço (@Matheussoranco)

雄の中枢神経系コネクトームを、強化学習のための疎な再帰基質として使う。ゲーム画面を感覚ニューロンに符号化し、コネクトーム由来のネットワークに活動を伝え、方策勾配で学習した読み出しが運動活動をボタン入力に変換する。2 つの系統の結果が正直に書かれている。40,000 ニューロン・1,199,959 辺の感覚運動部分グラフによる通路課題では報酬が -2.08 から 7.13 に上がり、成功率 25%。全コネクトームのスーパーマリオは訓練中に x=1,800 付近まで進んだ回もあるが、決定的評価の平均は x=314、成功率 0 で、5 エピソードすべて死亡で終わった。

pianist-fly

Noir-infini

MaleCNS のグラフ（166,700 ニューロン・2,560 万の化学シナプス。学習則は一切含まれない）を、0.1 ms 刻み・1.8 ms のシナプス遅延キューを持つベクトル化された漏洩積分発火カーネルとして回し、MuJoCo のハエを動かす。ハエは空間的な糖のプルームを探し、脚でピアノの鍵盤を叩く。左右の濃度が 23 個の触角の糖受容ニューロンを駆動し、前脚のモータープールの発火率が 28.6 ms ごとに出力され、減衰最小二乗の逆運動学のランプに変換される。爪が鍵盤の上面に触れたことを確認してから音が鳴り、糖の標的が次へ移る。

fly-games

Shantanu Goel (@shantanugoel)

凍結した MaleCNS v1.0 のネットワーク（166,700 ニューロン・25,582,938 シナプス。中身は一切学習しない）がマリオ・スパルタンX・Doom を遊ぶ。各ゲームが足すのはちょうど 2 つ。ひとつは符号化器で、ゲームの構造化された事実を正しい視覚投射ニューロンと正しい体側に載せる。迫近は LPLC2、脅威は LC4、小さく近づくものは LPLC1、追う標的は LC10a。生のピクセルは使わない。このモデルでは光受容器の信号がラミナで途切れるからだ。もうひとつは 12 の下行指令集団に対する小さな線形読み出しで、学習するのはこれだけ。細胞型を刺激すると何が起きるかを見る probe コマンドが付く。

alpha-fly

turlockmike

MaleCNS の配線を一切変えずに、AlphaZero 方式の自己対局だけでチェスを学習させた実験。盤面は 17,937 個の感覚ニューロンに入り、固定された配線の中を 6 ステップ伝わって、2,333 個の遠心性・下行ニューロンから指し手と勝敗評価が読み出される。学習で変わるのはシナプスごとのゲイン、ニューロンごとの静止レベルと時定数、そして入出力の線形写像だけ。自己対局 322,016 局・GPU 23 時間で Stockfish の UCI Elo 1320 と互角になった。失敗も残されている。駒得による打ち切り判定を入れると「リードを抱えて動かないこと」を学んでしまい、半精度演算は静止活動の 100 分の 1 しかない信号を黙って丸めていた。

Drosophila MaleCNS Perturbomics

Guillermo de Anda-Jauregui

MaleCNS コネクトームの注釈済み細胞型ユニットを一つずつ摂動し、その影響が下流のエフェクタ群にどこまで届くかをまとめる R のパイプライン。入力で正規化したシナプス数の線形伝播モデルを使う。解析前に 4 つの仮説（摂動空間は低次元か、細胞型は専門家型か汎用型か、解剖学的に別の型が似た効果を出すか、既報の下行ニューロン表現型が予測類似度と合うか）を明示している。伝達物質の符号は全クラスで信頼できないという理由から、モデルはあえて符号なし。スペクトル半径・シナプス閾値・エフェクタ分類はいずれも感度解析で振っている。

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。

flybrain — Fruit Fly Brain Farm

baltap

3 匹のハエが 3D のアリーナを共有し、32 立方格子の上で拡散・上昇・減衰する匂いのプルームだけで互いにやりとりする。各個体は嗅覚経路・キノコ体・中心複合体・胸部神経節 T1〜T3 と、触角葉とキノコ体への入力が最も強いニューロンを含む MaleCNS v1.0 の部分回路（24,029 ニューロン・403 万結合）を Numba 上の leaky integrate-and-fire として走らせる。雌の全コネクトームは公開されていないため、3 匹目は同じ雄の配線に性的二型のパラメータを与えたもの。有意シナプスのテーブルを置かないとエンジンの較正が成り立たない、と README は断っている。

flykski

WKDev

male-cns v1.0 から DNg100・DNb08 を起点に介在ニューロン経由で脚の運動ニューロン 360 個を抽出し、flybody（MuJoCo の全身ハエモデル）に接続して「本物の配線でスキーが滑れるか」を試す研究リポジトリ。地形は斜面とモーグル、雪質 5 種。スキーは 7 分割の曲がるプレートで、キャンバー・ロッカー・サイドカットを持ち、エッジ角・荷重配分・圧力中心・転倒をテレメトリで記録する。現状は率直に書かれている。コントローラは平地でしか学習しておらず、脱力状態のハエはアルペン斜面なら立ったまま滑るがモーグルでは転倒する。real / shuffled / random の比較は 3 回とも有意差なしだった。

FruitFly Tetris

shushuzn

盤面 → 複眼 → MaleCNS のスパイキングネットワーク → 下行ニューロン → 操作、という閉ループを組み、「動くが全く勝てない」という結果ごと公開している。400 ブロックの長局では連接組エージェントの消去行は 0 で必ず天井に当たり、Dellacherie のベースラインは 156 行消して一度も天井に当たらない。その理由も測っている。視覚入力を足すと光受容細胞の発火率は約 20% 上がるのに、下行ニューロンの発火率は 0.8% しか変わらない。張力電流と減衰から静止電位が閾値 1.0 に対して 0.993 に張り付き、全脳の約 6.3% の細胞が毎 tick ノイズで発火しているためだと特定した。

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。

SIFa Connectome Analysis

szac74

SIFamide の研究に使われたコネクトーム解析を再実行するためのコード。元の解析は neuPrint 上で Cypher クエリと段階的なメッシュ計算を対話的に行ったもので、一本の解析スクリプトは残っていない。そこでクエリの論理・ニューロン ID・絞り込み規則・部位のメタデータをまとめ直し、hemibrain v1.2.1 と male-cns v1.0 に対して論文の数値を再現できる形にしてある。検証スクリプトが主要な合計値を照合し、著者はすべて一致したと報告する。メッシュ間距離はあくまで近接のスクリーニング指標で、それ自体はシナプス結合の証拠ではないと README は明記する。

Supermix Expanse

Kai Piper (kai9987kai)

ノート PC の CPU だけで構築・学習された 1 億 3,260 万パラメータの言語モデル。male-cns v1.0 の細胞型グラフ全体（11,751 細胞型・3,830,931 の型間エッジ）をトークンごとの再帰コアとして残差ストリームに接ぎ木し、他モデルから蒸留した枝と並べて動かす。コネクトームに関する事実の保留データでの損失は 3.522 → 0.571 nats/token に下がった。結果の書き方は控えめで、接ぎ木した 32 の専門家群のうち保留トークン上で教師を再現できたのは 1 つだけ、移った知識の大半は接ぎ木ではなく蒸留由来、新しいコードを書くことと生物医学用語の定義は CPU 1 回の学習では使い物にならない、と明記している。

BioReservoir

IG Digital Lab (igdigitallab)

公開されたコネクトームを「固定のリザバー」として扱う実験基盤。配線を読み込み、スパイキングネットワークとして走らせ、人間側の入力で駆動して応答だけを読み出す（脳自体は学習させない）。価値は手続きにある。設問と乱数種はハッシュを先に公開してから走らせ、各実験は必ず「同じグラフを配線し直したもの」「脳なしの基準」「コイン投げ」の 3 つの対照と比べる。リポジトリにはローダー・LIF 中核・採点・テストが入っており、雄雌 2 匹の脳を使う最初の実験はまだ設計段階。

A fly brain plays cute-dino

cchouse168

MaleCNS v1.0 の 80 ニューロンと実測 1,296 シナプスからなる固定回路がブラウザの横スクロールゲームを遊ぶ。学習するのは 269 パラメータの読み出し層だけで、交差エントロピー法で進化させる。未知のコース 100 本で、配布モデルは 82 本完走、手書きルールは 25 本、回路を黙らせた場合と読み出しを未学習にした場合は 0 本で、何もしないのと同じ。README は過剰な主張を二度断っている。82/100 は 46〜87 のばらつきの中の 1 シードであり、配線を入れ替えた対照は再学習していないので「ハエの配線がランダム配線に勝つ」ことは示していない。

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。

FlappyFly

merfijang

166,700 ニューロンの MaleCNS v1.0 のハエ 1 匹がサーバー上で 24 時間 Flappy Bird を遊ぶ。変わっているのは試行の買い方で、トークンに溜まった取引手数料が設定額に達するごとに 1 回挑戦できる。1 回の挑戦は下行ニューロン読み出しに対する進化戦略のサンプル 1 つにあたるので、学習予算が取引の活発さで決まる。コネクトームの重みは凍結され、学習するのは 13 個の数値（読み出し 12 本と バイアス 1 つ）だけ。土台にした実装の手書き飛行ルールは外してあり、羽ばたきの判断はニューロンを通ってしか届かない。設計の根拠になった実験も同梱され、バイアスのみの対照が含まれる。

情報提供のみ。推奨・紹介リンクはありません。

Fly Brain Gladiators

Jawaad Jariwala

闘技場で戦う 2 体が、どちらも同じ 166,700 ニューロンの MaleCNS コネクトームで動く。学習は一切ない。強化学習も報酬関数も、上に載せた方策もない。決めたのは「どのニューロンが闘技場を見るか」「どのニューロンが武器を振るか」だけ。ブラウザ表示では全ニューロンを実際の細胞体の位置に描き、各集団をそれが駆動する回路の名前で示すので、迫ってくる物体の信号が視葉の LC4・LPLC2 検出器から中枢脳の下行ニューロンを経て神経索の運動ニューロンへ、約 100 ms かけて渡っていく様子が見える。飾りではなく因果があり、物体の角度拡大率が検出器の発火率を決め、シミュレーションは膜電位を引き継ぎながら 4 ms 刻みで進む。

Fly Touhou (果蝇玩东方)

leimi (w13630039663-bit)

MaleCNS v1.0 の回路が東方 Project の弾幕を自力で避ける。生物学的に名前のついた 8 本の視覚チャンネルが入力細胞に入り、実測シナプスの凍結リザバー、16 本の下行ニューロンを経て、交差エントロピー法で進化させた 320 パラメータの読み出しに繋がる。学習するのはそこだけ。回路を切ると動かない基準線まで落ちる。本当の見どころは否定的結果で、著者はそれを全部載せている。ニューロンを 80 から 600 に増やしても利得なし、視覚を 8 から 32 チャンネルに広げると 26.2% 悪化、ヘブ学習は乱数種を変えると符号が反転、結合を密にすると害、そして生物学的トポロジーは配線し直した対照に対して −12 フレーム（p = 0.9351）で優位を示さなかった。

Муха смотрит телевизор (Fly Watches TV)

georgesher

完成して更新を止めた計算アート作品。90 年代の台所、生放送が流れるテレビ、その前に 1 匹のハエ。160×90・15 fps のフレームが視葉の列に対応づけた 4,146 個の光受容器への入力になり、MaleCNS v1.0 の 166,700 ニューロン・624 万結合のシミュレーションが 0.1 ms 刻みで走る。モデル時間で 2 秒見たあと、ハエはそのまま留まるか、リモコンまで飛んでチャンネルを変える。解釈については作者が慎重で、ネットワークが受け取るのはピクセルだけで番組の意味は分からないこと、「退屈」「驚いた」はケニオン細胞と巨大繊維の活動に対する作者自身の読みであることを明記している。

FlyChain

Rodrigo Soto (SotoAlt)

プルーフ・オブ・ワークが「味の判断」になっているデモ用ブロックチェーン。ブロックヘッダをハッシュして味刺激に変え、MaleCNS コネクトームの実在する味覚受容ニューロンを駆動する。出てきたスパイク列がそのまま証明でありブロックの中身でもある。各スロットの取引は、飲み込みを担う運動ニューロン MN9 が発火したときだけ採用され、しなければハエが吐き出したことになる。1 ブロックを 8 匹が順に決める。取引の認可は EIP-712 ダイジェストに対する通常の secp256k1 署名で、ウォレットを繋いでも変わるのは「どのハエが自分か」という見た目だけ。3.26 MB の脳ごと 1 プロセスでローカル起動でき、設計文書に仕組みの限界が書かれている。

情報提供のみ。推奨・紹介リンクはありません。

Fly vs Jev: Pong

EnesYilmazcode

コネクトームと言語モデルを同じルール・同じコートの Pong で戦わせる。どちらも連続的には動かない。ボールが向かってくる間に 4 回だけ見て、11 段のパドル位置から 1 つ選ぶ。着弾点は双方に知らされない。ハエ側では候補位置ごとに「そこにパドルがあるときの視界」を作り、3,316 個の実在する R1-R6 光受容器に 3 色のモザイクとして与える。MaleCNS コネクトームが候補 1 つにつき 150 ms スパイキングネットワークとして走り、2,048 個の L1・L2 ニューロンからの読み出しが点数をつける。配線は一切変えず、読み出しは着弾点を知る物理の教師から一度だけ学習したもので、対戦中は教師を参照しない。300 戦のうちハエが 274 勝した。

MaleCNS Neural Field

Seed123-psy

MaleCNS のコネクトーム全体（166,700 ニューロン・固定 25,582,938 結合）を CPU で走らせ、その活動で 2 次元の「餌を追い障害を避ける」課題を動かす。ローカルのウェブページに平面のアリーナと 3D 脳図を並べて表示する。一時停止・コマ送り・スロー・再生ができ、ニューロンを検索して実際の上流・下流をたどれる。行動の読み出しはオフライン学習・ランダム・ルールベースの 3 通りで比較でき、オンラインの Double DQN で学習を続け、モデルと経験再生を保存して再開できる。表示は実座標 4,769 点と実結合 5,700 本のサンプルで、光や粒子はシミュレーション活動の模式であって生体記録ではないと明記している。

Etanol y comportamiento en una Drosophila in silico

Alvaro Rovira

アリーナの中の模擬ハエ。行動を決めるのは MaleCNS v1.0 の 2 万ニューロンと符号付き 1,319,744 結合で、動作は一切スクリプト化していない。摂食は口吻運動ニューロン MN9 の発火で起き、逃避は巨大繊維が閾値を越えたときに起き、姿勢は脚の運動ニューロンの持続的な出力から出る。エタノールはシナプス伝達だけを変え、そこから多動・脚の脱力・転倒・起き上がり反射の消失が現れる。対照は次数を保ったまま配線を入れ替えたコネクトーム。これが「トポロジーが担っているもの」と「そうでないもの」を分ける。匂いを追う摂食は 97.5% → 0%、苦味の拒否は 100% → 0% に落ちる一方、逃避と糖の受容は入れ替えても残る。

FlyBrainFM / connectome-lab

avisharm-alt (@avisharm-alt)

MaleCNS v1.0 の全データをノート PC で扱えるようにしたグラフ機械学習の土台。公開バケットから注釈・神経伝達物質・1.1 GB の結合重みを取得し、疎な有向グラフを作り、ランダム化 SVD で各ニューロンの出力側・入力側の埋め込みを別々に学習する。その教師なし埋め込みが class などの生物学的ラベルをどれだけ復元するかを調べ、埋め込み空間で配線の似たニューロンを検索できる。PyTorch を入れればエッジ識別による埋め込みも学習できる。生データは再配布せず、公式リリースから各自が落とす作りになっている。

ConnectomePilot

pgq18 (@pgq18)

MaleCNS の接続グラフをシミュレーション上の移動ロボットに繋ぐ。センサ入力が神経活動を駆動し、方策の読み出しが基本の航法コントローラへの補正を出す残差制御で、コネクトームは制御器全体ではなく差分を担う。いちばん良かった手順は、内部結合と読み出しを 65,536 ステップまで一緒に学習させ、その後で結合を凍結して読み出しだけを 4,194,304 ステップまで続けるというもの。保留した 500 マップ・3 シードでの成功率は約 100 万ステップで平均 85.1%、400 万ステップで 88.6%、事前に決めた選択規則で選んだモデルで 89.4%。学習を延ばせば単調に良くなるわけではないと明記している。

flybody-connectome

jamesbiederbeck (@jamesbiederbeck)

複眼のレンダリング画像を MaleCNS v1.0 のグラフに通し、MuJoCo のハエの羽ばたき周波数と操舵に変換する閉ループ。ただし README の主眼は「まだ視覚情報がループに入っていない」ことにある。網膜を駆動すると光受容器 3,335 個と 2 種類の下行ニューロン（各 2 細胞）は発火するが、腹側神経索の運動ニューロン 708 個は 1 つも発火せず、解剖学的に正しい場所から翅の指令を読めない。視覚を凍結した対照が実行を完全に再現してしまうので、変動はコネクトーム自身の左右非対称から来ている。平衡棍はモデルにあるが、求心性線維と繋がっていない。

Fly-brain Worldle

GeorgeCanon (@GeorgeCanon)

実データ 2 種を 1 つのエージェントに組み込み、国のシルエットから国名を当てる Worldle を遊ぶ。目には凍結した flyvis（コネクトーム制約つきの視葉モデル）を使い、「前回の推測から北西へ 3,000 km」という手がかりを推測をまたいで統合する部分に MaleCNS の中心複合体の配線を使う。学習するのは既存結合のゲイン・バイアス・時定数だけで、グラフと興奮性・抑制性の符号は固定。195 か国すべてで 6 回以内の正解率は 96% だが、中心複合体をシャッフルした対照が 95%、ランダムな小さいグラフも 95% で、著者は実配線が効いているとは言えないと書く。初手の正解率は生の 16×16 画素のほうが上だった。

FlyCast

Ankit Kapoor (@ankitkapooor)

アップロードした時系列を、MaleCNS v1.0 のグラフを凍結したリザバー（疎行列上の漏れ積分レート模型）に通し、内部状態 4,096 点を仮想電極として取り出して、リッジ回帰の読み出しで複数ステップ先を予測する。分割は時系列順の 70/15/15 で、標準化は訓練部分だけで当てる。トポロジーと重み分布を保ったまま結合の大きさだけを入れ替える対照を用意しており、実測の重みが効いているかを仮定ではなく実験で確かめられる。自己回帰リッジや素朴な持続予測に負けたときは、画面がそう表示する作りになっている。

flynet

Zikithezikit (@Zikithezikit)

ハエのコネクトーム配線からスパイキングネットワークを組む Python ライブラリ。ローダーが neuPrint から細胞型まわりの小さな部分グラフ、あるいは全脳を取得してディスクにキャッシュし、トークンが無い環境でも合成データで同じ手順が動く。ネットワーク側は感覚入力の下で落ち着かせ、センサと運動の対応を較正して操舵量を返し、前シナプス・後シナプスの相手やシナプス強度を 1 本ずつ問い合わせられる。LIF ニューロン、STDP、報酬変調ヘブ学習、側抑制、コマンドラインまで含む。

FlyView

al0cam (@al0cam)

同じ 3D シーンを、人の見え方とハエの見え方の二通りで描く。ハエ側の視線方向は 1 本ずつが MaleCNS v1.0 の実在する Mi1 細胞に対応し、左眼 886 本・右眼 887 本の髄質コラムから作られる。方向マップは 100 KB のファイルとして同梱されるので、閲覧には Python とブラウザだけで足りる。データから得られるのはコラムの並び順だけで、半球の視野・2 つの光軸の 150 度の開き・拡散の反復回数は公表された解剖から人が与えた値だと明記し、それぞれを環境変数にして仮定の影響を確かめられるようにしている。

kobae

sksat (@sksat)

MaleCNS v1.0 を全 166,700 ニューロン・全 25,582,938 結合のまま LIF として、wgpu 経由の Vulkan 上で走らせ、ブラウザから観察・刺激できるようにした日本語のプロジェクト。CUDA を使わず AMD の RX 580 と BC-250 を対象にし、シナプス入力を整数固定小数点で足すので、同じ GPU なら実行ごとにビット単位で一致する。検算相手は DoomFly の CPU カーネルを numba に移した参照実装で、最初の 20 ms の発火集合は完全一致し、その後の発散は実装差ではなく系のカオス性だと示す。糖刺激は双安定で、吻を伸ばす運動ニューロン MN9 が立ち上がる。

MaleCNS × PC-ALM

sjskoko (@sjskoko)

MaleCNS 由来の小さなグラフ（132 ニューロン・1,001 結合）で、局所学習則がコネクトーム配線のネットワークを学習させられるかを調べ、「学習はするが優位ではない」と答える。主条件ごとに 20 のペアシード、合計 760 回のフィッティングで、拡張ラグランジュを使った予測符号化は素の予測符号化を上回らなかった（非線形教師で平均テスト誤差 0.01721 対 0.01091）。学習率を揃えた別の対照でも 1.9〜5.1% 悪い。初期の勾配一致が良くても最終誤差は下がらない、という否定的結果をそのまま公開している。課題は合成ターゲットで、ハエの行動ではない。

malecns-asteroids

dohun1214 (@dohun1214)

MaleCNS の 166,700 ニューロンを丸ごと実時間で回して Atari の Asteroids を遊ぶ韓国語のプロジェクト。力点は「動いた」ではなく「名指しした回路が原因だ」の証明にある。ルーミング検出細胞から下行ニューロンへ繋ぐ逃避モードと、別経路の追跡モードがあり、操舵の符号は人が決めず配線から出てくる。下行細胞 2 個を黙らせると行動の一致率が 56.9% に落ちて旋回の符号が反転し、ランダムな 2,000 細胞を黙らせても変化しない。次数・符号・重みを保ったままルーミング投射だけ入れ替えると回避方位の誤差が 60.7 度から 99.2 度に悪化し、同規模を別の場所で入れ替えた対照では変わらない。

malecns-weights

kvnloo (@kvnloo)

実行系ではなく台帳。MaleCNS v1.0 の配布ファイルとコンパイル済みの疎行列をハッシュで固定し、どこが可変かを明記する。記録される規模は 166,700 ニューロン・25,582,938 本の有向結合（CC BY 4.0）。可塑にしてよいのはケニオン細胞からキノコ体出力ニューロンへの既存エッジに載せるアダプタだけで、これはグラフ全体の約 0.03%。全グラフの勾配降下は拒否され、それを始めるコマンドはエラー終了する。解剖は初期値であって忠実な脳でもアップロードでもない、と README が言い切っているのが特徴。

MaleCNS — Music in the Body

matsuo-koya (@matsuo-koya)

止めるまで演奏が続くブラウザの音楽作品。MaleCNS v1.0 の実測配線（163,997 の endpoint body と 6,236,393 本の有向エッジ）を Web Worker で動かし、和声・モチーフ・粒子音・身体パルスとして読み出しながら、ニューロン空間を一人称で飛べる。重み 5 未満の結合と自己結合は除外し、出自・変換・件数・SHA-256 を成果物に残している。実接続・配線組み替え・再帰なしの 3 通りを切り替えて比べられる。測定値は配線と結合重みだけで、力学・外部入力・光パルス・和声やリズムの対応づけは人が決めた部分だと明記している。

3dfly

liudicsu

MuJoCo での飛行だが、成果物は地図である。MaleCNS で構造を与えたネットワークが下行ニューロンの活動から推力とトルクを出し、飛びながら部屋の 3D 点群を溜めていく。奥行きは運動視差とオプティックフローから取る。連続フレームから流れを計算し、自己運動と組み合わせ、コネクトームを通して視覚ニューロン集団の活動から 12×16 の奥行きマップへ復号する。古典的な StereoBM のステレオ視差は、密な比較用ベースラインとして併走させる。探索は未踏の領域へ偏らせ、衝突しても止まらず復帰する。README は、フローの抽出・視差の計算・神経の読み出しがいずれも人手で設計した近似であり、生物学的に検証されたものではないと明記している。

Fruit Fly Connectome Emergence

chenshuai9101

MaleCNS v1.0 を「実在する創発系の測定値の真値」として扱い、その特徴量で自作のマルチエージェント創発エンジンを較正する。報告されている特徴は、28 脳領域にわたる Newman モジュール度 Q=0.44 という解剖学的モジュール性、最大モードが分散の約 1% しか占めず 90% に 15.2 万モードを要する高ランクなスペクトル、そして生の行列でスペクトル半径 3,777、列正規化するとちょうど 1 になる臨界性。次数は平均 145 で、スケールフリーではないと記される。成果は監査のほうにある。これらの数値が、別エンジンの分類器に潜む規模依存のバグ（小さな系に合わせた固定閾値のせいで、大きな構造化された系を雑音と誤判定する）を暴き出した。

Drosobot

guinpereira

ゼロから学習させた汎用ネットワークではなく、実測の反射回路をそのまま持ってきてロボットを制御するポルトガル語のプロジェクト。各ニューロンは leaky integrate-and-fire、各接続の重みは再構築から得たシナプス数で、パラメータは「グラフが綺麗になるまで調整した値」ではなく既発表の全脳モデルのものを使う。自由パラメータは 1 つだけで、閾値が静止電位より 7mV 上にあるため、1 つの接続が単独で相手を発火させるにはおよそ 25 本のシナプスが要る。現在の段階も明示されており、すべてソフトウェア上で検証済み・実機の部品はまだ 1 つも買っていない。

Flappy Flies

YuzhouCheng66

コネクトームで動く 8 匹のハエが棒を運びながら、ゲート 1〜5 個の 30 コースを競走する。ドッキングの許容は 0.18m・30 度から 0.03m・3.5 度まで段階的に厳しくなる。各機体は 27 個の局所センサ値を 2,048 個の感覚ニューロンに写し、凍結した MaleCNS 由来グラフから 512 個の出力を読み出す。制御 1 刻みあたり 4 回の疎な leaky-tanh 更新を回す。既定のキャンペーンは衝突判定まで監査済みのフルモデル実行を、神経活動とメッセージ強度ごと再生する。ライブモードはブラウザの worker で全ネットワークを WebGPU 上で走らせる（約 65MB の読み込みが要る）。README はこれを生物学的忠実度ではなくコネクトーム由来のレートモデルと呼び、選り抜きの成功例は母集団の成功率ではないと注意している。

fly-brain-calculus

JitheshVijay

コネクトームに微分の多肢選択問題（d/dx x^n）を解かせ、そのうえで「配線のおかげではない」ことを示すことに残りの労力を割いたリポジトリ。未見の問題での正答率は 0.795（対照 0.311、偶然 0.25）だが、対照実験の順序が逆向きに出る。興奮性・抑制性の割り当てを入れ替えた方が実配線より強く、次数を保った再配線はさらに強く、エッジ数と重み分布だけ合わせたランダムグラフは 0.980 に達する。唯一性能を落としたのはシナプス数のシャッフルで、これは入力駆動の総量が変わり動作点から外れる効果。著者の解釈は「ランダムな非線形リザバーとして働いている」。

Fly Brain Drone

abbosaliboev

MuJoCo のドローンが、実際にレンダリングされたカメラ映像だけを頼りに 3D の部屋でリンゴを探す。リンゴの座標は一切与えられず、自分の目に映ったものだけが、neuPrint から取得した MaleCNS の経路と、コネクトームで制約した学習済み視葉モデル（FlyVis）を通る。ダッシュボードにはアリーナ、ドローン自身の複眼視点、91 列の六角形網膜、そして 47,261 個のニューロン位置（うち視覚系 27,523 個が活動で光る）が並ぶ。掲載する理由は状態の書き方にあり、未完成であることを最初に断り、再現性をもって動く部分とそうでない部分を分け、MaleCNS と FlyVis の役割分担を FAQ で説明している。

Fly Brain Escape

ak7660

ブラウザ上のハエに迫り来る脅威を投げつけると、MaleCNS の 4,296 ニューロン・149,232 シナプスが判断する。配線は動物どおりで、ルーミング検出器から介在ニューロン、下行ニューロンを経て運動ニューロンまで繋がり、巨大繊維 2 本には印が付く。比較は訓練前に設計され、「差は統合標準偏差の 2 倍を超えること」という基準が先に決められている。実配線は 30 反復で 90% に達し、次数と層構造を揃えたシャッフル版の 77 反復より速い。ただし正答率では上回らず、どちらも飽和する。著者は、眼のニューロンを線形分類器で読むだけで 100% になる程度に課題が簡単だとも書いており、主張は「学習の出発点として優れている」までに留めている。

Муха в машине (fly-brain-explainer)

cosmiksoul

バイラル動画の中で、どこが生物学で、どこが工学で、どこがミームなのかを切り分けるロシア語の対話型解説。まず MaleCNS と BANC のコネクトームについて、切片から graph をどう作るのか、その graph に何が入っていないのかを説明し、次に LIF シミュレーションが実際に何を動かしているのかを見せ、最後にサンドボックスへ進む。そこでは小さなハエ脳がスロットマシンのレバーを引き、読者と数当てゲームで対戦する。どちらのゲームにも「配線をシャッフルする」ボタンがあり、著者はこれをバイラル動画に欠けている対照だと位置づけている。

fly-cord-robots

SakshayMahna

手で設計した歩容コントローラの代わりに、ハエの腹神経索（脊髄に相当する部分）でシミュレーション上の脚ロボットを動かすプロジェクト。まず 6 脚で、次にハエが進化的に経験したことのない「脚を切断した 4 脚」で試す。面白いのは記録の方で、既発表の回路研究を再現し、6 本の脚の回路をすべて同定・確認し、物理シミュレータ上にハエの体を作り、運動ニューロンの出力で実際に関節を動かす（開ループ）ところまで進んでいる。そのうえで事前登録した予備実験で自己受容感覚のフィードバックを閉じたところ、効果は無視できるか、ネットワークが暴走して律動を失うかのどちらかだった。

The Fly Hears

rahilmavani

マイクに数字を 1 つ言うと、MaleCNS から取った 1,348,769 本の符号付き接続で配線された約 3 万ニューロンを音声が通っていく様子が見える。音は 32 の周波数帯で測り、自作の対応づけで感覚刺激に変換する。配線は固定で、学習するのは小さなロジスティック回帰の読み出しだけであり、README はこれを「ハエが数を覚えた」ではなくリザバー計算だと正しく呼んでいる。面白いのは評価のほうで、6 話者・3,000 録音を話者単位で分けて試すと、ハエ配線 70.0%、シャッフル配線 69.7% と並び、雑音を足すと順位が入れ替わる。シャッフル版は 1 つしか評価していない、とも書かれている。

Kärbes (fly-mp)

stamkivi

まるごと 1 匹分のハエ脳シミュレーションを、101 議席あるエストニア議会の「102 人目」として議長席に座らせた作品。議会の公開データから実際の本会議を再生し、発言は演壇の側から来る匂いとして、野次は正面から来る刺激として脳に入り、逃避反射が発火すると議長のベルが鳴る。当初の計画は二重に失敗したことも書かれている。この脳は記憶を持たない純粋な反射系で法案の中身を掴めず、さらに 784 本の法案では「誰が提出したか」だけで本会議の議決が 94% 当たってしまった。

fly-pet

zhongpei

脳を学習もテーブル参照もさせないデスクトップペット。デスクトップ上の出来事を LC10a、LC4+LPLC2、触覚、嗅覚といった感覚ニューロン群への注入として符号化し、166,700 ニューロン・2,560 万シナプスの MaleCNS の重み行列をそのまま順伝播させ、DNa02・DNp01・DNg100・MDN・pIP10 などの下行ニューロンの発火率から動作・連続パラメータ・表情を復号する。DNg100 は歩行速度を段階的に決め、DNa02 の左右非対称が頭の向きを実時間で動かす。各チャンネルはスクリプトで実測して較正されており、著者が探索的とみなす 4 つの対応づけは確定事項として出さず speculative フラグの裏に置かれている。

FlyBrain Camera

0xtwone

神経活動の 3D 表示でありながら、「これは何でないか」の書き方が際立って丁寧なプロジェクト。計算には 166,700 ニューロン全部が参加するが、描画されるのは有限の座標を持つ 140,638 個だけで、座標のない 26,062 個は位置を捏造せず単に描かない。既定の脳ビューは座標で切り取った 125,392 点を表示する。接続線は実際の接続行列から抽出しているが、胞体の端点どうしを結ぶ直線の模式であって、神経線維や樹状突起の再構成ではない。無関係の見栄えのよい脳モデルをこれらのニューロンだと偽ることもしていない。表示は 25 ステップを 20ms 刻みで再生するバッファ方式で、生体脳の実時間記録ではないと明記される。検証スクリプトは、送信されたスパイク番号がモデルを直接動かした結果と一致するかを確認する。

FlyBrain-LLM

000214075

前向き計算と出力経路そのものをコネクトームにした中国語の言語モデル。164,587 ニューロン・2,556 万シナプスを丸ごと通し、注意機構も位置符号化も正規化層も残差流も KV キャッシュも transformer ブロックも持たず、系列のモデリングを配線自体の再帰に任せている。AMD の GPU を積んだデスクトップ 1 台で完結する。「ハエの配線が役に立つ」と決めてかからず 3 通りの対照実験を組み込んでおり、結果も率直で、transformer を残した混成モデルの方が純コネクトームモデルより困惑度が低いと報告している。

FlyCoder

tolga-ileri

166,700 個のニューロンに div を中央寄せさせる試み。既存の全脳ランタイムの上に閉ループを組み、重みは凍結したまま使う。スタイルシートの表示領域を同定済みの視覚投射ニューロンへ符号化し、下行ニューロンから行動カーソルを読み出し、その結果のキー入力がスタイルシートを書き換えて四角が動く。ダッシュボードと 3D のハエが同じ制御信号を表示する。README は「ショウジョウバエのニューロンが CSS を理解しているとは主張しない」「新しいのはモデルではなくインターフェースの方だ」と自分で断っている。

flymj

lo2003058

キノコ体の投射ニューロン→ Kenyon 細胞→出力ニューロンの配線を、日本の麻雀の打牌予測を学習するネットワークの固定構造として使い、多くのデモが飛ばす比較まで行った実験。テスト精度は実配線 65.73%、次数を揃えたランダム配線 65.61%、パラメータ数を揃えた全結合 65.29%。疎な 2 つはいずれも全結合を明確に上回るが、実配線とランダムの差は有意でない（t 検定 p=0.15）。著者の読みは「効いているのは疎に広げる形であって、ハエ固有の配線図ではない」。学習済みモデルの上に対局できるアプリが載っている。

FlyOhtani

gitwub5

体長 3.7mm の等身大のハエがバットを持って打席に立ち、頭の左右にある目で投球を 32×32 の白黒画像として見て、コネクトームから取り出した回路が前脚に指令を出してスイングする。体のモデルは既発表のもので、物理はシミュレータが計算する。README に載っている 1 打席は具体的で、回路は 27.1 ミリ秒で「いま、高めのゾーン」と判断して振り、打球は秒速 808mm・打ち上げ角 +10°、人間サイズに換算すると約 14m のフェアゾーンへの当たりだった。再生は実時間の 133 分の 1 の速さ。韓国語と英語。

flyscreen

majiangmagic

任意の動画ファイルをハエの脳に流し込み、身体の反応を見る。フレームが Shiu らの流儀の全脳 LIF ネットワークを駆動し、活動は MaleCNS v1.0 の配線（胞体座標を持つ 141,781 ニューロンと 5,536,527 シナプス）の上を伝わる。その結果が flybody の MuJoCo ハエ（剛体 68・関節 103・アクチュエータ 78）を動かし、重力・接地・摩擦のある床の上に立たせる。ローカルの Web ページに動画をドラッグすると、脳の点群と身体のプレビューが並んで出ながら、元の音声を混ぜ直した MP4 が自動で書き出される。ブラウザを開かずにコマンドラインから直接レンダリングすることもできる。

flysim mushroom-body fix

maumcrez-svg

転置した添字ひとつのために建てられたリポジトリ。対象は本サイトにも掲載している flycoinrh で、上流のコードは「行が後シナプス・列が前シナプス」の重み行列を逆向きに読んでおり、ドーパミン性の入力だと説明している値が実際には出力ニューロンからの帰還になっている。この上に作った接近・忌避の読み出しは、エラーも出さずに符号が反転する。配布されているグラフではドーパミン性のエッジが全て削除されているため、正しく読むとゼロになる、という事情がバグを生かしていた。上流には手を入れず、2 件の厳格な期待失敗で欠陥を固定している。

FlySoul

heyobi

MaleCNS 由来の回路が SoulsGym を通して Dark Souls III のチュートリアルボスと戦う。README は 2 つの実行を別々の主張として報告しており、それは正しい。回路自身の下行ニューロン群に行動を選ばせ、ケニオン細胞から MBON へのシナプスに三要素ドーパミン可塑性を効かせた場合、約 5,200 戦で 8 勝。最終構成での 1,720 戦の傾向は 100 戦あたり 0.0 ± 0.4 ポイントと横ばいで、つまり勝てるが勝ち方を学習はしない。一方、記録済みの戦闘から脳の外側で Double-DQN を当てはめた場合は約 6,300 戦で 737 勝、終盤は 28〜32% に達したが、著者はこれを「ハエの学習ではない」とはっきり書いている。

Haltere Pilot

Ameerkhanjk

MaleCNS から「入力ポートと翅の運動ニューロンの両方から 3 シナプス以内」という条件で切り出した 9,235 ニューロンで、クアッドロータの飛行制御を組む。ドローンの各センサは、実際のハエでその信号を運ぶ求心性集団に入る。ジャイロは 204 本の平均棍求心性線維を通ってしか脳に届かず、操作は 67 本の翅運動ニューロンから読み出す。誠実なのは対照の扱いで、次数を保って配線を入れ替えた対照が毎分 23.3 個、実配線が 22.3 個と、課題成績そのものでは測定された配線に利点が出ていない。効くのは除去実験のほうで、平均棍を黙らせると 0.5 個・毎分 62.8 回の墜落になるのに対し、同数のランダムなニューロンを黙らせてもほとんど変わらない。

MaleCNS Lab

merolaagi

MaleCNS v1.0 から、結果ではなく解剖で歩行回路を切り出す。Traced な DNa01・DNa02・DNg13 の下行ニューロン 6 本と、その最も強い腹部神経索・脚運動ニューロン標的、弦音器官や鐘状感覚子の感覚細胞を取り、807 ニューロン・21,161 本の測定された接続・329,230 シナプスになる。疎な LIF モデルが簡略化した 6 本脚の読み出しを動かし、ローカルの UI で「無処置・神経索を黙らせる・左の下行だけ黙らせる・感覚フィードバック無し・刺激無し・シャッフル」を切り替えて走らせ、実行全体を JSON で書き出せる。README はこれを「実在の解剖学的部分集合に仮定した動力学を載せたもの」と呼び、外部入力とフィードバックループを切り落としたことを重大な科学的限界として明記している。

MaleCNS Pong Lab

almera-vs

ブラウザで動く Pong。コートを重なり合う 2 枚の切り出しとして撮り、64 本の輝度チャンネルに落として、注釈で対応づけた光受容体に入れる。疎な活動が保持した MaleCNS のエッジ上を伝わり、注釈された脛節の運動ニューロン群が、自作の筋・関節モデルを介してパドルを動かす。関節角と角速度は固有感覚として戻される。ヒットとミスは、既存の感覚から運動へのエッジのうち限られた範囲だけを更新できる。狙いは性能ではなく検証可能性にあり、描画・神経状態・筋モデル・表示をわざと分離して、ある結果が保持したグラフによるのか、モデル上の仮定・数値上の選択・表示だけの都合によるのかを切り分けられるようにしている。

BH26: MaleCNS sniffs cells

Jiandong Chen, Masao Nagasaki (Kyushu University)

ハエの脳はゲノミクスのデータで役に立つ仕事ができるか、を問う BioHackathon Japan 2026（松山、2026-09-13〜19）のプロジェクト報告。キノコ体は匂いを Kenyon 細胞上の疎な符号に変換し、その alpha-prime-3 区画は新奇性検出器として振る舞う（同じ匂いが数回繰り返されるとドーパミンによって出力ニューロンが抑制される）。この性質を使い、単一細胞 RNA-seq のプロファイルを「匂い」としてシミュレーション上の脳に提示し、区画の出力を新奇性スコアとして読む。既に嗅いだ細胞に似ていれば馴化する。血液細胞から肺腺癌データセットまで 3 段階で報告している。

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。

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。

Shouko（ショウコ）

Muika (@Moemu)

オス中枢神経系の 166,700 ニューロン・25,582,938 接続を制御ネットワークとして読み込み、12 個の関節目標値を出力するよう学習させ、それを物理シミュレータに渡して人型アバター（VRM のキャラクター）を歩かせる。配線リスト自体は脳の機能を持たない、と明記したうえで、デモだけでなく切除実験まで報告している点が特徴。未知の初期状態 9 本すべてで 30 秒立っていられ、120 秒の連続歩行で 65.55m 進み横方向のずれは 0.13m、横からの外乱 3 回すべてから復帰し、脳側の接続を切ると約 1 秒で倒れる。

Smells Like Alpha

rgourley

嗅覚を担う MaleCNS の 7,443 ニューロンをシミュレートし、各銘柄のテクニカルな状況を「匂い」に変換して回路に通し、発火した学習細胞がどれを気に入るかを決める。取引が決済されると、その結果が選択に関わった細胞の結合を書き換える。やり取りはすべて外部プラットフォーム上の仮想資金で、コマンドラインは危ない一歩を明示的に分けている。リハーサル実行はセッションの判断をすべて表示しつつ何も送信せず、go フラグを付けたときだけ実際に取引する。情報提供のみの掲載で、プラットフォームの推奨や紹介リンクはない。

virtual-fly

shute2004

166,700 ニューロン・25,582,938 本の有向エッジという MaleCNS のスナップショットを、FlyBody の MuJoCo 身体と閉ループでつなぐ。学習をシミュレートされた神経系の内部だけで起こすことにこだわっており、誤差逆伝播も勾配降下も外付けの制御器も使わず、局所的な活動・適格度と、実在の DAN 集団を介したドーパミン修飾だけで重みが変わる。基準となる v1 の実行では 6 エピソードで 2,163,179 本の保存済みエッジが変化した。README は、可塑性を止めた評価が前後どちらも制御ステップ 120 でのゲート衝突に終わったことを明示し、この実行が示すのは現在の可塑性規則のもとでの重み変化であって、行動の改善・汎化・学習の安定性ではないと述べている。

AxonWeave

dhakalnirajan

MaleCNSをNumPy/SciPy、PyTorch、TensorFlow/Kerasで利用する疎なネットワーク基盤。接続構造を保ちながら辺の係数を学習でき、符号や受容体の仮定もモデル設定として扱う。解剖学的な配線が構造を与える一方、数値的な活動や学習則は計算モデル上の選択となる。

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。

Faiku

xyzzyapps

キノコ体の学習を使い、日本語・英語の見本の文字を2Dの動作軌跡で描く実験。MaleCNSを使う方式と8チャネルの簡略版を区別する。与えられた文字や詩をなぞる運動学習課題であり、自律的に詩を作る能力や文章の意味理解を示すものではない。

fly-odor-onoff

yukincom

fly-brain-minecraft由来の固定MaleCNS LIFモデルを使った臭気ON/OFF介入実験。DM1・VA2の4投射ニューロンに残る活動を調べ、OFF期間の入力遮断で持続活動を抑えつつON反応を保てるか検討する。このモデルと介入条件での結果であり、生体検証や回路全体の修正を達成したものではない。

Fly Space Program

steph4n-gh

MaleCNS由来の活動と学習した指令読み出しを組み合わせる仮想ロケット制御実験。作者は10課題の未知初期条件で80回中60回の着陸成功、視覚を遮る対照では0回と報告し、失敗例も残す。すべての計画ミッションの達成や、構想段階の実機Fly Cubeの動作実証ではない。

fly-swing

JHC56

抽出した視覚・逃避回路をMuJoCoのロープ移動へ接続する実験。移動方向には独自の記憶機構を使い、身体は回転しないカプセルとして表す。全CNSの表示は制御とは別のオフライン計算で、全脳が身体を動かしているわけではない。糸による移動や追加の記憶は人工的な仕組み。

FlyDoom

eganeganegan

MaleCNS由来の疎な再帰制御器をVizDoomで調べる研究基盤。PPOや可塑性の実験に加え、次数を保つ配線変更、ランダムグラフ、通常のニューラルネットワークとの比較を用意する。固定する部分と学習する部分は実験上の選択であり、基盤の存在だけで生物配線の優位性が示されたわけではない。

FlyLab

Sudharsanselvaraj

Chromiumの画面画像を学習済み制御器で読み、仮想の前脚とキーボードの接触を通してキー操作する研究試作。MaleCNSの活動表示と実行記録を備える。対象は固定レイアウトの単一行HTML見出し課題で、汎用的なコーディング能力の実証ではない。公開サイトは静的紹介で、実行にはローカル環境が必要。

FlyOCR

jerryjliu

印刷文字を固定したMaleCNS回路へ入力し、活動から文字を読む小さなデコーダを学習するOCR実験。ネイティブ計算、Pythonツール、対照比較を含む研究報告を公開する。通常の分類器がハエモデルを上回る比較もあり、生物配線の優位性を実証した成果とは扱わない。

Fruit Fly Fashion

jtc268

MaleCNSのスパイクベクトルを使い、既存のプリント図案の位置・角度・大きさを変える服飾アート実験。元の図案は人が与え、色も保持する。コネクトームによる図案の変形を探る作品であり、ハエがゼロから衣服のデザインを発明する仕組みではない。

The complete gustatory connectome of adult Drosophila

Janelia Research Campus and collaborators

成体オスの脳と腹側神経索にまたがる味覚経路を再構成し、摂食・探索・社会行動との関係を調べたCell論文。全中枢神経系の配線資料を使って感覚回路を解析する研究であり、データセット自体の公開や、それらの行動を実演するシミュレーションとは区別する。

MaleCNS on Apple MPS

seohyunjun

MacのPyTorch MPSでMaleCNSへの刺激実験を行い、3D活動レポートを作る実装。固定した神経エンコーダと学習する出力層による小さな格子移動課題も含む。基本刺激では活動が限られたこともREADMEに記載される。固定目標の格子課題の成功を、一般的な移動能力や生体の全脳行動の再現とは扱わない。

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。

Boltzmann-fly

Junichiro Niimi (@jniimi)

著者自身の既発表研究（エネルギーベースの世界モデル、ICONIP 2026）を、結合パターンだけキノコ体の配線に固定して再実行した個人プロジェクト。投射ニューロン 343 個が 72 個の入力特徴を担い、投射入力を 1 本以上持つ Kenyon 細胞 1,918 個が第 1 隠れ層、出力ニューロン 49 個が第 2 隠れ層になる。コネクトームから取るのは「接続の有無」だけで、強さは持続的コントラスティブダイバージェンスで学習し、エネルギー関数を定義するために有向グラフを対称化している。1 シードでは予測性能と反実仮想の片方が元の密なモデルと同等、もう片方は及ばない。目標は「動くこと」だったと明記。

Call fly

cashew-labs

ハエに電話をかけて会話するデモ。聞きながら話す全二重の音声モデルが 80ms フレームで応答するので、こちらから割り込める。その横にコネクトームがリザバーとして置かれる。音声モデルの 4,096 次元の内部状態を固定の 64 特徴に要約し、保持された MaleCNS グラフに（自分の 1 ステップ前の活動と一緒に）入力し、128 特徴にプールし、学習済みアダプタを通して、テキストトークンのスコアに小さく上限付きの補正をかける。ブラウザの 3D 可視化は飾りではなく、その補正に使っているリザバーの状態そのものを描いている。

DOOM-x-Fly

Aur1ety

MaleCNS の 138,968 ニューロンと 460 万本の符号付きシナプスを、全体のスケール係数 1 つ以外いじらずに再帰ネットワークとして走らせ、下行ニューロン 1,312 個と視覚投射ニューロン 9,199 個を読む 256 ユニットの判断層が Doom の 8 ボタンを選ぶ。シェアウェア版 E1M1 の未学習の開始地点から 100 回走らせて出口到達 57%（ランダムと前進のみは 0%、記録した勝ち筋の盲目再生は 6%）。自分のフレームを順不同にすると 0% に落ちるので、見ていることは確か。作者は「より単純な課題の先行実験ではランダム配線も同等の信号を運んだ」と未解決の論点を明記している。

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。

透視果蠅 Fly Explorer

klmtseng

MaleCNS を小学生から中学生向けに説明する、中国語（繁体字）と英語の 3D サイト。逃避反射ひとつ（迫ってくる物を見る→巨大繊維が発火→跳躍筋と翅の筋肉のニューロンが動く）を再生して見せる。コネクトーム 166,691 個のうち細胞体座標を持つ 140,024 個を描画し、色が出どころを示す規約になっている。緑は実際の位置と模擬した発火、マゼンタはモデルでは出せず注入・追加した部分、冷たい灰色はデータに無い自作の体の線画、琥珀は運動ニューロンから筋肉までで「タイミングだけが本物」の区間。教科書どおりの中継が自分たちの模擬では発火しなかったことまで明記している。

fly-flappy（果蝇大脑玩 Flappy Bird）

ns2250225

MaleCNS v1.0 コネクトーム（166,700 ニューロン・有効接続 25,088,107 本）をブラウザの Web Worker で 50Hz で回し、Flappy Bird を遊ばせる中国語圏の実装。ゲーム画面は LC4・LPLC2・LC10a と垂直速度チャンネルに符号化され、動作は下行ニューロンの活動から復号される。学習なしで生の出力だけを見る PURE BRAIN、飛びながらロジスティック読み出しを更新する ONLINE TRAIN、別途学習した重みを凍結する FAST TRAIN の 3 モードがあり、配線由来と学習由来を切り分けられる。乱数シードを URL で固定でき、再現実験ができる。

fly-mcp

franBec

MaleCNS の脳を、リモート MCP を話せるエージェントなら何でも参照できるツールとして公開するサーバー。ask_fly はテキストを 320×180 のフレームとして描画し、既存のスパイキング実装（コミット固定）に通し、下行ニューロンの左右スパイク差ともう 1 つのニューロンによるゲートから判定を返す。生のスパイク統計も返す。reward_fly と punish_fly はドーパミン性 15 細胞と忌避性 2 細胞への人工的なパルスを予約し、呼び出し時ではなく次の質問時に消費される。各ツールの説明文には同じ免責が必ず入る。データセット無しで動く決定論的なモックも同梱。

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。

FlyBoost

tls8012

隠れ構造に固定の MaleCNS グラフ（PyTorch 実装）を持つ、scikit-learn 互換の分類器・回帰器。Pipeline や GridSearchCV、eval_set にそのまま載る。対照実験が API に組み込まれているのが特徴で、fly_mode を切り替えると、実際の配線、読み出しだけ学習する凍結版、そして「ニューロン集合・エッジ数・入次数と出次数・符号付き重みは保ったまま、実際の前後の対応だけを壊した」シャッフル版を同じコードで比較できる。約 122MB のコネクトームテンソルは wheel に同梱せず、初回の fit でリリースから取得する。

FlyDrones

SpikeCalls (@SpikeCalls)

ドローンのカメラ（あるいはウェブカメラに写した手）を、ハエ自身の視覚ニューロンの活動に変換し、MaleCNS コネクトームをスパイキングネットワークとして走らせ、下行ニューロン 6 本の出力を実機ドローンやシミュレータのスティック操作として読み出す。手を開くと沈んでいるように見えるので T4c→VS→DNg02 が上昇を出し、カメラに手を突き出すと LPLC2・LC4 が巨大繊維 DNp01 を発火させて逃避する。ブラウザのデモは 850 ニューロンを実時間で回す。README は測定された配線と自作部分（カメラからニューロンへの橋渡し・飛行中の持続入力・脳の外側の安全ガバナー）を明確に分けている。

FlyDurak

KremlevLev

MaleCNS コネクトーム（165,122 ニューロン・有向エッジ 10,511,038 本）を符号付きで正規化した疎な再帰グラフに変換し、小さな意思決定 GRU・合法手マスク・actor/critic ヘッド・因数分解したシナプス利得と組み合わせて、2 人対戦のロシアのカードゲーム「ドゥラーク」を打たせる。ランダム・スクリプト・凍結方策・決定化探索の相手に対する強化学習で訓練し、その後に探索寄りの微調整を行った。1 コマンドで仮想環境の作成からコネクトーム構築と 374MiB のチェックポイント取得まで走る。README は探索的なデモであり、GRU・LSTM との多シード比較は未完了だと明記している。

FlyType / FlyBreak

michaelpersonal

ひとつの基盤で 2 つの課題を回す実装：目標の文をタイプする FlyType と、ブロック崩しの FlyBreak。どちらもローカルで描画した 320×180 のフレームだけを入力とし、保持された MaleCNS グラフ（166,700 ニューロン・2,560 万接続）の活動だけから行動を出す。タイピングでは明るさ 3,335 入力と色 811 入力を刺激し、下行ニューロンの左右差を不感帯と比べて左・右・保持を復号する。正解時はドーパミン細胞 15 個へ、誤答時は忌避細胞 2 個へ人工的なパルスが入る。ブロック崩しではパドルの追従が 6,947 手で 0.782（実測した偶然水準は 0.5）。

GS FLY

rperissi

2.8MHz の Apple IIgs で実際の MaleCNS ニューロンを回す、IIgs 発表 40 周年（2026-09-15）にあわせた作品。75,418 バイトのデータに 9 種類・18 本の神経骨格（巨大繊維 DNp01 から概日時計ニューロンまで）が入っており、各骨格は短い終末枝から順に刈って 600 ノードに収めてある。65C816 は 16 ビット整数と 7 ビットの正弦表だけで回転させ、12 段の陰影をつける。画面は走査線ごとに 320／640 ドットモードを混ぜる。CoGS カードがあれば TLS でデータを取得し、ベンチマークは 166,700 個すべてなら何時間かかるかを表示する。

malecns-operator

hjkornn-phys

配線が匂いを覚えていられるかを問う実験。MaleCNS を定常状態のレートモデルとして扱い、その外側に 16 ユニットの GRU をつけ、実測の受容体応答として入れた 110 種の匂いで「さっきと同じか違うか」を答えさせる。テストは学習に使っていない匂いと受容体ニューロンで行い、正答率 0.724。ただし本人は「配線の話にするための比較は無効」と書く。シャッフル配線の腕も入力のみの腕も、自分の訓練分布ですら学習しなかったためだ。別枠の探索的な確認として、側角出力のコサイン類似度だけで同異が AUC 0.947（シャッフルは 0.514）で分かれることを示している。測定は 8GB の M1 ノート 1 台。

NeuroWeave

Titanium-xd

MaleCNS の部分グラフ（150 ニューロン・3,029 エッジ）をニューラルネットの構造マスクとして使うベンチマーク。解剖学的に実在する接続だけが学習重みを持て、それ以外は構造的にゼロに固定される。同じ課題・同じ条件で通常のモデルと比較し、結果をサイト上のベンチマーク、ライブアリーナ、解説ページで公開している。プロジェクト自身は「神経科学のシミュレーションではなく工学的な実験」と位置づけ、現時点の答えは「課題による」であって生物の配線が勝つとは言えない、という書き方をしている。

fly-experiment

josepha-mayo

同じ操作規約で 2 人のプレイヤーを比べる実験。片方は教育実習から借りた生きたショウジョウバエで、吸虫管でアリーナに移し、上からカメラで動きを追う。もう片方は MaleCNS v1.0 の 166,700 ニューロン・25,582,938 エッジを固定で走らせたネットワーク。両者とも同じ「動き→行動」の変換を通して ViZDoom の生存戦とチェスのメニュー操作を行う。9 セッションで生きたハエは 9,098 エピソード中 3,758 キル、帯域を揃えたコネクトームは 8,832 中 3,170、制約なしでは 563 中 6,527。ハエの成績はセッションを重ねて上がり、ネットワークは上がらない。チェスは 1 局完了（186 手）。学習は一切しておらず、README はゲームのスコアは生物学的検証ではないと断っている。

MaleCNS Driving Robot

AlexNoyanov

オス中枢神経系の一部で走る二輪のアクリル製ロボット。male-cns:v1.0 から右の触角葉、約 4,057 ニューロンを切り出し、Mac M1 上で漏れ積分発火モデルとして動かす。カメラ映像と 3 つの超音波距離センサーを入力に、スパイクを左右のモーター速度に変換し、Raspberry Pi 4 が WebSocket で受けて L293D ドライバ付きの Arduino へ渡す。学習はしない。スパイクから車輪速度への対応は作者の設計で、コネクトームは手元にキャッシュされるため初回以降 neuPrint のトークンは要らない。指令が途切れたときにモーターを止める安全装置が 3 段ある。GIF とスクリーンショットが動作の証拠で、ライセンスファイルは無い。

Vaxenfly

vaxenfly

オス中枢神経系のキノコ体から作った、AI エージェント向けの固定の報酬・罰読み出し層。Kenyon 細胞 4,064 個、出力ニューロン 97 個、ドーパミン作動性ニューロン 340 個、KC→MBON のエッジ 61,210 本（シナプス 463,640）を使う。各区画の符号はコネクトーム上の PAM と PPL1 の前シナプス数の比から決まり（誘引 8・忌避 7・符号なし 1）、学習は一切しない。実際の KC→MBON の重みは次数保存シャッフルに対して d' の中央値で 12.8% 上回る。hemibrain で組み直すと自前の閾値の一つが通らず、README はそれを「閾値はデータセット間で移らない」実例として扱っている。

Brain-to-Body Switchboard

shreyansatvik (@shreyansatvik)

オスの中枢神経系コネクトームの出力側をブラウザで辿る地図。481 種類の下行性ニューロンから 1 つ選ぶと、3 シナプス以内でどの運動ニューロン群（11 プール・815 細胞・8 部位）に届くかが、経路ごとのシナプス数と入力占有率つきで表示される。興奮・抑制の符号は EM 画像から予測された伝達物質に基づくもので、測定値ではないとサイト自身が明記し、グルタミン酸の扱いが弱点だと認めている。既知の 7 細胞との照合では配線の一致が 5 件。手調整の LIF 表示は 49,448 ニューロンの部分回路をシナプス強度 0.08mV（Shiu の 0.275mV に対して）で走らせたもので、75 spikes/s なら 2 件、150 なら 5 件を再現し、ギャップ結合は扱えない。

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。

Wired Different (ConnectomeLens)

Dhruvin Sarkar (@dhruvin-sarkar)

MaleCNS v1.0 から雄のデータだけで細胞タイプのグラフ（11,751 タイプ・243,439 エッジ）を組み、勾配ブースティングの分類器で Janelia が公開した male-specific / dimorphic のラベルを予測する。さらに次数を保ったまま配線を組み替えた 500 個のグラフと比べ、実際の配線が効いているかを検定する。全特徴量では AUC-PR 0.759 対 帰無 0.712、より切れ味の鋭いトポロジーのみの条件では 0.489 対 0.070±0.004（p = 0.002）。主張の扱いが厳格で、「言ってよいこと」と「決して言ってはいけないこと」を明記し、上位に挙がった 2 タイプは発見ではなく候補と呼び、事前に決めた検証のうち失敗した 1 件もそのまま公開している。サイトでは分布図・経路探索・当てものゲームの 3 つを触れる。

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。

firefly

PixelML

デモではなく対照実験。重複除去した 18,318 枚の山火事被害衛星タイルを 99 個の網膜パッチに落とし、凍結した MaleCNS v1.0（166,700 ニューロン・2,560 万シナプスと記載）へ入力し、48 ティック後に固定 1,024 ニューロンの log1p スパイク数を読み出して 64 ユニットの MLP で二値分類する。眼目は対照群で、実配線の ROC-AUC 0.622 に対しシャッフル 0.625、全興奮性 0.642、ランダム疎結合 0.632、ピクセル平均 0.711。この課題に関する限り、実測の配線は組み替えた配線に何も勝っておらず、素朴なピクセル平均にも負けている。

The Fly Adjudicator

CakeCrusher

X の投稿のスクリーンショットを 892 個の六角形個眼カラムに写し取り、MaleCNS v1.0（リポジトリは 165,122 ニューロン・25,563,197 結合と記載）の LIF を 140 ms 走らせ、暗エッジ・ON/OFF 比・周辺抑制の活動から判定を出す。判定の向き付けは著者自身がジョークだと述べ、それを壊す対照実験まで載せている。無地の灰色矩形と文字びっしりの画像でスコアが 5% と違わない。読みどころはむしろ手法批判のほうで、定番の下行ニューロン読み出しが飽和すること、スパイクしない広視野の 4 タイプ・計 8 細胞が、それらしいラスターと暴走を分けていることを示す。

fly-battery

@thechrisroberts

文献にある 6 つのハエの行動を方向付きの述語として先に書き下し、採点前に封印したうえで MaleCNS v1.0 のグラフ上で走らせるベンチマーク。対照は 2 種類で、次数を保った配線シャッフルと、ダイナミクスを乱数化した双子。6 項目のうち 4 つは不合格で、成立したのは CO2 回避と巨大線維による looming 逃避だけだった。封印は外部から検証できる。リポジトリに入っている battery ファイルの sha256 は、採点付き再実行の数時間前に 1f916.ai へ登録されたハッシュと一致する。著者は後日、乱数ダイナミクスの対照がスケールを誤っていたことを見つけて訂正を公開した。合否自体は変わらず、CO2 回避もそのまま有効だが、looming の 1 件は配線だけで通ってしまった結果として読み直すべきだとしている。

fly-drums

sykeriin

Janelia FlyEM の雄 CNS コネクトームを公開バケットから取得し、プロジェクト自身の集計で 165,122 ニューロン・約 1,023 万の符号付きシナプスを漏れ積分発火モデルとして走らせる。注釈済みの 6 つの運動ニューロン群（前脚・中脚・後脚・翅・平均棍・頸）をドラムの各パートに割り当て、Magenta の Groove MIDI にある人間の演奏に近づくよう調整する。重みが動くのは Kenyon 細胞→MBON のドーパミン依存的抑圧だけ。LIF 本体・キノコ体の学習回路・グラフ構築はいずれも当サイト掲載の flycoinrh 由来で、新しいのはドラムへの割り当て、報酬、選抜ループ、0.2 ms から 2.0 ms へ広げた時間刻み。

MaleCNS Virtual Fly (Fly.exe)

@Ibtisam-Mohammad

MaleCNS v1.0 の traced ニューロン 165,122 個と 25,563,197 本の全エッジを GeNN/CUDA の積分発火ネットワークとして走らせ、15 ms ごとに MuJoCo 上の NeuroMechFly v2 の体へ結合する（RTX 3060 で実時間の約 0.015 倍）。12 匹を同じアリーナに置くと 12/12 が物体に到達し、刺激なしの対照は 0/12。ただしシードは 1 つで、アリーナも先に 2 つ作って計測してから捨てた末の 3 つ目だと自ら書いている。光受容器の出力エッジ 66,533 本はゼロ、視覚は描画ではなく解析的エンコーダ、三脚歩容は既発表のパターン発生器、デコーダは歩行から抜けられないため「到達」は判断ではなく物理、という限界も明記する。

Fly Meijin

nyoki-mtl

MaleCNS の実測配線の上に将棋の指し手方策を載せた実装。グラフ自体は固定で、可塑化するのはキノコ体出力ニューロン (MBON) への既存の興奮性入力のゲインだけ、8,374 個の入力源から 97 個の MBON への 77,364 結合で、ドーパミン様の変種では KC→MBON の 61,210 結合に限定する。学習信号は既存の将棋エンジンの指し手であって生物由来ではない。保留データでの教師一致率は 26.39%（4,096 局面中 1,081）で、チェックポイント選択に使った開発セットの 30.27% を下回る。公開されているチェックポイントは非公開の棋譜と複数の初期化段階を経たものだ、とモデルカードに書かれている。

Fly Neuron Atlas

mait (@mait2355n)

MaleCNS v1.0 の運動系まわりを、データと根拠の台帳としてまとめたリポジトリ。運動アノテーションのある 815 細胞すべてのカタログ（入力エッジ 330,888 本）、42 の筋群のうち 2 つ以上に届く上流候補 2,155 細胞（重み 10 以上）、うち 40 細胞の入出力エッジ全件、DNa01/DNa02 の電位記録 23 本の再解析表を収める。標準ライブラリだけの verify / reproduce スクリプトがエッジ数を数え直し、食い違えば非ゼロ終了する。限界を書いた文書には厄介な点も並ぶ。入力側 90,166 bodyId のうち 69,709 に注釈が無いこと、注釈だけに依存する運動ニューロン 44 個を外すと候補が 1,927 に減ること、配線はオス標本なのに生理記録はメス由来であること。

Flycoding

Yuhtin (@Yuhtin)

コーディングエージェントに次に渡す指示を MaleCNS v1.0 のネットワークに選ばせる試み。166,700 ニューロン・25,582,938 エッジを 0.1 ms 刻みで 500 ms 観測し、DNpe017 の発火中に DNp20 の左右レート差が +2 Hz 以上なら Fix、-2 Hz 以下なら Test、それ以外は Investigate という固定 3 択を出す。実際のコード作業は OpenCode か Codex が行う。パイロットは小規模で、適応版・重み凍結版がともに 2/2 成功だが、一様ランダム選択も呼び出し回数が増えただけで 2/2 成功したと自ら記載している。

FlyTV

gsoloviev

gsoloviev が TradingView に公開した Pine Script v6 のストラテジーで、オス中枢神経系コネクトームの一部をチャート上で走らせ、しかも「市場には勝てなかった」と自分から報告している。価格変動は迫り来る視覚的脅威として入力し、Kenyon 細胞が文脈を運び、確定損益はキノコ体のシナプスを通じて戻る。下行ニューロンの読み出しが決めるのは買いか手仕舞いかで、売りは検証していない。Pine 版は 995 ニューロン・17,000 結合にすぎない。BTCUSDT 1 時間足・2018 年以降で 4,231 ドル、単純保有の 11,904 ドルに負ける。対照を通った結果は 2 つ。12 回中 10 回で最大ドローダウンがランダムを下回ったこと、次数を保った重みシャッフルでは DNp01 のスパイクが実配線の 98 に対し 0 になったこと。

Hackaday: Fly Brain Connectome Used To Trade Stocks And Play Games

Maya Posch (Hackaday)

Hackaday が 2026 年 9 月 14 日に出した Maya Posch の記事。ゲーム系・科学系が先に報じた流れを、ハードウェア寄りの媒体が追いかけた形。Janelia のオス中枢神経系の配線図に二週間足らずで何が接続されたかを並べる。Nftechie の Stonkfly はハエの報酬回路の出力を株の売買として読み、DOOM や Beat Saber をコネクトームに遊ばせる試みでは、ゲームの各フレームが感覚ニューロンを刺激し、ドーパミンを出す報酬回路が強化学習用に配線される。ハエが売買に向いているかはまだ検証していない、という Nftechie 自身の言葉もそのまま伝えている。オスとメスのコネクトームの差は主に交尾行動の回路にとどまる、とも書いている。

Haltere

Artem Skulimovskiy (@skulitom)

配線を解剖学に固定した飛行コントローラ。MaleCNS v1.0 から、感覚細胞と運動細胞を 2 シナプス以内でつなぐ経路上のニューロンに中心複合体と全下降ニューロンを加えた 30,000 個（277 万結合・3,750 万シナプス）を使う。トポロジーとシナプスの符号は固定で、ゲイン・バイアス・時定数・エンコーダ・線形読み出しだけを、教師 MLP の模倣と微分可能クアッドコプタ経由の逆伝播で学習する。実ゲーム Liftoff ではホバリング誤差 0.34 m、601 m のラップを 1.5 m/s・経路誤差 0.67 m で飛ぶ。シミュレータでは素の MLP 対照が 10 cm、このブレインは 0.22 m と、対照のほうが上手いことも併記されている。

Fault Lines

akramahmed1

MaleCNS v1.0 の配線グラフに対して構造的な頑健さを測るバッテリー。約 6,000 万の感覚→運動ニューロン対の到達可能性、感覚集団から運動集団への有向最小 s-t カット、次数保存および領域制約の帰無モデルを対照にした狙い撃ち対ランダムの損傷曲線を回す。結論は素直に否定的で、狙い撃ちの損傷はランダムより多くの対を切断するが、FDR 補正後に有意に残る検定は 24 件中 0 件、配線を組み替えた帰無モデルの到達可能性も実データとほぼ変わらない。扱うのは配線だけで活動は含まない。リポジトリ自身が査読前・未公表の暫定的な結果だと断っており、173,023 ノードと論文の 166,700 ニューロンの差については README が未解決、同じリポジトリの監査レポートが説明済みと、食い違ったままになっている。

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。

VFB Self-Led Learning (NeuroFly 2026)

Virtual Fly Brain team

Virtual Fly Brain が NeuroFly 2026 向けに作ったハンズオン教材を、誰でも自分のペースで進められる 7 セッションの無料教材として公開し直したもの。告知は VFB のニュース欄で 2026 年 9 月 6 日付。ニューロンを探すところから、データセット間をつなぐ話、単一細胞トランスクリプトームの取り込みまで進む。各セッションは 5 通りのやり方で試せる。Python の vfb_connect、reticulate 経由の natverse（R）、自然文で聞くチャット、LLM から叩く MCP エンドポイント、そしてインストール不要の 3D ブラウザ。扱うデータは BANC・male CNS・MANC・視葉。フッターに GPL v2 と明記されている。

WATT THE FLY

Watt the Fly (@flywatt-live)

Janelia FlyEM Male CNS v1.0 から視覚入力〜翅運動系の 89 細胞型、38,178 ニューロン・5,124,215 シナプスを切り出し、ブラウザの Web Worker 上で漏れ積分発火モデルとして走らせる。100 ms 窓のスパイク数に活動電位あたり 31.9 pJ を掛けて電力に換算し、three.js の白熱電球を光らせる。較正後の平均発火では約 6.5 µW。README は「測定された配線」「仮定したシナプス符号」「モデル化した定数」「較正値」を表で切り分け、検証スクリプトがルーミングや暗転への応答を毎回再確認する。実際の虫も実機もなく、電球は描画。ページにはトークンの契約アドレス欄が未記入のまま置かれている。

情報提供のみ。推奨・紹介リンクはありません。

Fruit-fly CNS - live connectome driving a body

@wjb000

約 16.6 万個の male CNS トレース済みニューロンを短期抑圧つきの漏れ積分発火ユニットとしてブラウザで走らせ、運動ニューロンのプールだけで体を動かす。プールが静かになれば体は脱力する。公開ページの既定はクアッドコプタで、NeuroMechFly のモデルはクエリパラメータで切り替える。他の身体化デモと違うのは摂動の道具立てで、コンソールから任意のニューロンを沈黙・増強・切断・入れ替え・遅延・空腹ゲートでき、損傷スイープを回し、BANC を相手に雌雄入れ替えのグラフ移植まで試せる（移植はリポジトリ側のツールで、公開ページには載っていない）。その移植は期待した符号反転が出ず、2 度とも失敗として報告されている。

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。

Bad Apple Fly

kevinlinxc

Bad Apple の映像を MaleCNS v1.0 のコネクトームに流し込み、身体モデルがどう反応するかを見せるデモ。片方のペインはニューロンの活動を soma の位置に投影し、もう片方は MuJoCo 上の NeuroMechFly の身体を動かす。README は冒頭で「これは本物の脳シミュレーションではない」と断る。配線は本物だが、ニューロンは計測された生物物理ではなくパラメータを適当に決めた leaky integrate-and-fire にすぎず、映像はハエが見ているものではなく soma 位置への空間的な刺激パターン、感覚フィードバックも飛翔の空力もなく、身体は公開されている雌の標本に雄の神経データを組み合わせている。

C3S Reflex Circuits

BruceLanLan

looming（迫ってくる物体）に対する逃避、それも巨大線維が門番をする反応ひとつだけを取り上げ、MaleCNS v1.0 の配線から、明示した教師モデル、16 ビット入力の全 65,536 行を尽くした決定表、そして NAND 173 個とラッチ 6 個のネットリストへと落としていく。決定表との等価性は網羅的に確かめられている。問いは「配線が形づくる振る舞いを再現する決定論的な機械はどこまで小さくできて、そのうちどこまでを信頼ではなく証明で済ませられるか」。ブラウザ上の実験台では迫る物体をハエに撃ち込み、5ms ごとにネットリストをセル単位で評価し、読み込み時に SHA-256 を照合する。

CyberFly (fly brains on Snap Spectacles)

PtPavloTkachenko

Snap Spectacles（2024）越しに実際の部屋へ置かれるホログラムのハエ。1 匹ごとに MaleCNS v1.0 のコネクトーム（166,700 ニューロン・2,560 万シナプス）を、Shiu ら 2024 の leaky integrate-and-fire モデルとして丸ごと走らせる。脳は Mac の Metal GPU カーネル上で動き、グラス側が部屋を視覚・ワールドメッシュ・手・頭といった感覚に変えて送り、返ってきた下行ニューロンと運動ニューロンが翅・脚・頭を動かす。選択中の個体の脳は 16,000 ニューロンの点群として実時間で表示される。計測ではなく設計した部分は決定記録の文書に列挙されている。

fasterfly

franciscocarloserra

MaleCNS のコネクトーム全体（16.5 万ニューロン・2,450 万シナプス）を進める、イベント駆動の Triton カーネル。RTX 3090 一枚で 3,455 Hz。膜の時間刻みが 1ms なので、ハエの 1 秒を実時間 0.29 秒で回す計算になり、実時間の約 3.5 倍速にあたる。torch.sparse の COO は毎秒 708 ステップなので 4.9 倍。16 匹・64 匹とバッチにすると 1 匹あたりの遅延と引き換えにスループットが伸び、毎秒 51,159 fly-step に達する。同じ入力なら torch.sparse の参照実装と同じスパイクが出ることを README が明記している。

Fly Brain Atlas

ashemag

公開された MaleCNS のジオメトリから作った、成体雄のハエ脳の対話型 3D アトラス。80 の脳領域を元データの 7,270,902 三角形のまま持ち、分解表示や左右対応領域の強調ができる。追跡済みニューロン 1,712 本（2,180,126 セグメント）に加え、完全なニューロンメッシュ 8 本を必要に応じて読み込む。ジオメトリはローカル配信で、実行時に API トークンは要らない。全アセットに取得元 URL と SHA-256 が帰属マニフェストとして付き、細胞表示は母集団全体ではなく形態を示すための選抜だと明記されている。

fly-connectome-template

Mert Cobanov (@cobanov)

毎回足場から組み直さずにハエコネクトームの実験を始めるための、ブラウザ上の作業台。MaleCNS v1.0 の分類済み脳 soma 座標 124,289 点を軸を歪めずに描いた状態から始まり、解剖学的な flybody メッシュも同梱する。環境とモデルは差し替え可能な部品として切り出されていて、学習と推論は自分の環境で回し、出力はニューロン ID で突き合わせる。ライセンスは Web UI とリポジトリの双方に帰属表示を求める。

Fruit Fly Plays Fruit Ninja

hcsolakoglu

MaleCNS から切り出した回路（実ニューロン 4,386 個、計測された 468,923 本のエッジ、表現されるシナプス 4,210,625 個）が、画素 → 神経活動 → 刃という明示的なループで Fruit Ninja 風のゲームを操作する。見どころは対照群の充実で、計測どおりの配線、読み出しを学習し直した再配線、結合の切断、入力の遮蔽、ランダムな刃、素朴な画素ヒューリスティックを切り替えて比べられ、シードで再現もできる。README は「これは結合を固定したレートモデルに設計した視覚・運動インターフェースを付けたものであって、全脳エミュレーションではない」と明言している。

Fly Self Driving

suanmiao

計測された MaleCNS の配線（165,122 ニューロン・25,563,197 シナプス）をそのまま再帰ネットワークとして回し、64×32 ピクセルのフロントガラス画像から車を操舵させる。隣接関係は一切変えず、学習するのはシナプスごとのゲインとニューロンごとの漏れだけ。駐車車両・対向車・追い越すべき低速車のある未学習コースで、独立した 3 セット計 60 本中 58 本を完走し、車との衝突はゼロ。サイトの映像は再シミュレーションではなく記録した状態の再生で、実際の入力画像と神経活動が並び、失敗例も公開されている。

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。

Fruitless

nicodunks

MaleCNS の配線グラフ（分類済み 166,606 ニューロン・約 2,560 万結合）を使い、抑制性の mAL 経路の出力を遮断すると雄に関係する感覚入力が求愛回路の P1 ニューロン群に届くのかを、対にして調べた実験。両群に同じ入力と同じ発火規則を与え、変えるのは mAL の遮断だけ。入力経路 3 種・乱数 3 種・抑制強度 2 種の全 36 通りを走らせている。細胞の同定も結合の効果もモデル上の仮定であって計測された性質ではない、と README が明記している。記録した活動は Three.js のアニメーションで再生できる。

NeuroHex

shakeabhishek

実機の六脚ロボット。逃避行動を、手書きの状態機械でも抽象的なニューラルネットでもなく、ハエの配線そのものから出している。MaleCNS の再構成から Virtual Fly Brain 経由で取り出すのは巨大線維の逃避回路の直接（1 ホップ）近傍だけで、LC4・LPLC2 の looming 検出器や JO の機械受容器を含む約 391 ニューロン。これを Raspberry Pi 5 上の Brian2 で回す。カメラと OpenCV のオプティカルフローがスパイク符号器に入り、復号側が PCA9685 経由で 18 個のサーボを駆動する。シミュレータではなく実ハードウェア上でコネクトームを走らせている点が珍しい。

ASCII.jp: マイクラのハエに本物の脳を再現

ASCII.jp (G.Raymond)

NeuroCraft Fly に絞った日本語記事。マインクラフト内のハエが反応する 6 種類の入力（プレイヤーの接近・周囲の mob・ブラッシング・攻撃・食べ物・光）を挙げ、選ばれた読み出し信号があらかじめ決められた動作を選ぶのであって自然な生理を再現しているわけではないと説明し、公開状況も明確に記している。リポジトリにあるのは紹介資料とデモ映像で、Fabric MOD のソースは未公開。

AUTOMATON: ハエの脳の配線図が DOOM に使われる

AUTOMATON (Kosuke Takenaka)

DOOMFLY を扱った日本のゲームメディアの記事。見世物としてではなく仕組みに焦点を当てており、DOOM の画面情報をハエが受け取れる信号に変換し、MaleCNS v1.0 のモデル内で活動を起こして操作に対応させ、被ダメージ時にはドーパミン細胞へ嫌悪刺激を送る、という流れを説明している。最も有用なのは否定的な結果の記述で、約 3,000 回の試行後も生存時間の延長という形での学習は確認されていないと報じている。

Closed-Loop Fly

ZeroXClem

ブラウザ上で感覚と運動のループを閉じる実装。描画した画像がコネクトームの 1,771 本のカラム方向でサンプリングされた複眼を駆動し、視葉のレートモデルが MaleCNS グラフ全体に入り、下行ニューロンの発火率が翅を動かし、変化した姿勢が次フレームの画像を決める。AbijahKaj の視葉フロントエンドと Xenova の全 CNS WebGPU バックエンドという 2 つの既存プロジェクトを MaleCNS の body ID で接合したものだと明記しており、公開図版を生成したアブレーション用ベンチも同梱する。

Connectome Fighter

Unjuno

MaleCNS v1.0 コネクトームを格闘ゲームプラットフォーム FightingICE に接続し、Shiu らの leaky integrate-and-fire 力学をバージョン固定で実装して橋渡しする。ゲームの観測値はバージョン管理された Poisson 型の感覚インターフェースに、出力側のスパイク数はバージョン管理された行動グループに変換され、実行結果は公開のリサーチ台帳に記録される。解剖学的データ（生物由来）・力学モデル（既発表）・感覚と行動の対応や報酬・可塑性の規則（プロジェクト独自）の線引きを明確に示している点が特徴。

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。

Dexerto: the digital fly gets its own heaven

Dexerto (Zackerie Fairfax)

このブームへの逆流に名前を与えた記事。Macroblock が発表した「Beat Saber ではなく草と木と尽きない果実を与えるオープンワールド」の計画を紹介し、NeuroCraft Fly やリズムゲーム動画と対比させている。あの Beat Saber のデモが後に「完成したものではなかった」と訂正された点にも触れており、再生回数だけが独り歩きしがちな状況では有用な補足になっている。

FLM (Fly Language Model)

nftechie (Alex Wormuth)

凍結した言語モデルを MaleCNS v1.0 のグラフに結合する実験。トークン埋め込みが 16万6,700ノードの固定ネットワークを駆動し、27万8,528パラメータのアダプターがその状態を読んで Liquid AI の LFM2.5-1.2B-Instruct の次トークンスコアを調整する。学習するのはアダプターだけで、パラメータ数を揃えた直接入力の対照も併せて訓練する。README は冒頭で「言語能力は事前学習済みモデル由来であり、生物のハエが言語を理解することを意味しない」と注記している。

Fly Arena

Artem X (@artem-x-meta)

MuJoCo 上の NeuroMechFly 身体と MaleCNS コネクトームデータ、そして明示的な行動コントローラーを組み合わせたシミュレータ。ハイブリッドモードでは歩行、匂いを手がかりにした探餌、関節付き口吻での接触摂食、グルーミング、睡眠圧と覚醒を扱い、2 匹用アリーナでは餌の共有、身体の衝突、押し合い、前脚でのフェンシング、後退が加わる。README はデモ動画がコネクトームを無効にした状態で録画された（つまり設計済みコントローラーの動き）こと、検証済みのデジタルハエではなく実験的モデルであることを明記している。

fly-craftax

Liu Zihe (@liuzihe02)

コネクトームのシミュレーションをオープンエンドなサバイバル環境 Craftax に接続し、下行ニューロンからの線形読み出しを PPO で訓練する。このブームの多くと違うのは周辺の検証環境で、脳だけのスループットベンチマーク、Shiu らの結果に対する MN9 の糖応答チェック、ラミナバイアスとシナプス重みの校正スイープ、アブレーション対照との zero-shot ロールアウト、未使用シードでの再生と開ループベースラインの比較が用意されている。結果というより研究用の試作。

Fly Dino

Mert Cobanov (@cobanov)

Chromium の恐竜ゲームを、計測された MaleCNS の 80 細胞回路経由で操作する実験。8 個の設計済み観測値が固定細胞に入り、16 個の下行細胞活動が 16–12–3 の読み出し層に渡る。学習するのはその 243 パラメータの読み出しだけで、交差エントロピー法により 80 世代・1万5,680エピソードで訓練した。公開チェックポイントは未使用の 180 秒コース 100 本中 99 本を走破し、回路を沈黙させた同じ読み出しは 0/100。作者は「学習された制御と回路活動への依存を示すもので、生物学的トポロジーの優位性を示すものではない」としている。

Help the Fly Escape

David Zhang (@dzhng)

ブラウザで動く 3D パズルゲーム。家具のある家に日用品を配置してハエの群れを放ち、制限時間内に何匹が外へ出られるかを競う。各個体は MaleCNS コネクトームの一部を使った独自の神経活動を持ち、シミュレーションは Rust を WebAssembly にコンパイルしたもの、世界と UI は TypeScript。1 匹を選んで追跡し、左右の色入力や神経活動のトレースを覗ける。「望む戦略を先に決めてニューロンに押しつけるのではなく、観察された挙動からゲームを組み立てる」と設計方針を明記している。

Fly / Wirehead

Matty (@mattyhempstead)

「飛ぶために生まれ、スクロールを強いられる」。仮想のスマホに流れる昆虫ショート動画をシミュレーションのハエに見せ続ける実験。ブラウザが画面を 90×160 画素で取り込み、輝度と色が MaleCNS v1.0 全体の R1–R6 入力 3,335 個と R8 入力 811 個を刺激し、コンパイル済みカーネルが 1 フレームあたり 50 ミリ秒ぶんの神経時間を進める。オーバーレイには PAM11 ドーパミンニューロンの発火率（Hz）とネットワーク全体のスパイク数が表示される。Stonkfly に触発された作品で、身体の動きは計測活動を増幅した読み出しであり物理シミュレーションではない。

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。

FLYFEAR

Furkan Çakır (@furkancak1r)

Godot 4.5 で作られた一人称ホラーのプロトタイプ。部屋の中を実体のあるハエが飛び、MaleCNS v1.0（16万6,700ニューロン・2,558万2,938本の有向結合）のシミュレーションがその飛行に影響し、別に用意された報酬更新型の判断層がどの恐怖イベントを起こすかを選ぶ。リポジトリにはビルド済みゲーム・データ・独立した Python シミュレーション・テスト・計測レポートが含まれ、48 体の合成プレイヤーで 576 ラウンドの事前学習を行ったと記録されている。README はトルコ語。

Flyhard

Mark Unthank (@MarkUnthank)

MaleCNS の追跡済み 16万5,122ニューロンと計測結合 2,556万3,197本から作ったモデルを訓練し、シミュレーションしたハエの前脚でステアリングホイールを物理的に操作させて CARLA 上の車を走らせる実験。報告されたパイロットでは、600 回の最適化更新後に未使用の据え置き操舵目標 100/100 を達成（訓練前は 0/100）、最悪保持誤差は事前宣言した 7.45 度に対し 4.85 度。足のグリップを外すと操舵応答の 99% 以上が消える。README は視覚による運転、ホイールとペダルの同時制御、3 シードでの再現が未検証であると明記している。

flyverse

tel∅s (@tel-0s)

MaleCNS v1.0 コネクトームに色覚・嗅覚・味覚・風覚と、歩き・跳び・飛ぶ身体、そして果物の載ったテーブルのある部屋を与えたシミュレータ。コンソールには体視点カメラ、周回視点、左右の網膜モザイク、触角入力、集団活動・運動出力・身体状態の同時表示が並び、中枢複合体による操舵、風に向かう走性、逃避ゲーティングを切り替えられる。コネクトーム自体は一切訓練も編集もせず、それ以外は文書化された生理学的仮定の上に成り立つと明記している。

GIGAZINE: ハエの脳マッピング公開直後の DOOM / マリオ64

GIGAZINE

MaleCNS 公開の 6 日後に出た日本語の記事。Alex Wormuth の DOOM 実験（被ダメージ時に刺激される PPL101 ドーパミン細胞を含む）、Jessica Paquette のマリオ64 コントローラー、Evan Smith のマインクラフト「NeuroCraft Fly」、Bad Apple!! の可視化を順に紹介し、最後にブームの多くが省略する点、すなわちコネクトームが示すのは構造と結合であって生物学的機能の完全な再現ではない、と釘を刺している。

Google Research: A connectomics milestone

Google Research (Michał Januszewski, Viren Jain)

共同研究の Google Research 側による公開当日の記事。オスの中枢神経系の再構成を、ニューロン数で過去最大の脳地図（16 万以上のニューロン、1 億 2,500 万のシナプス結合）と説明している。HHMI Janelia が主導し、Google Research と研究機関が参加、性的二型の研究として Cell に掲載された。データの入手先として Janelia のダウンロードページ、ボリュームの閲覧先として Neuroglancer を案内している。2026 年 9 月のデモのブームはすべてこの発表から始まった。

fly-brain (embodied whole-CNS, browser)

Lulzx

デスクトップのブラウザで動く全中枢神経系の身体付きシミュレーション。MaleCNS v1.0 の 16万5,122ニューロンの脳を MuJoCo の flybody 身体に載せ、複眼の前段には flyvis で学習した視覚モデルを使う。刺激可能な細胞タイプを備えたコネクトームビューア、アルゴリズム構造のページ（リングアトラクター・拡張符号化・モチーフ集計）、砂糖や匂い・脅威を置いて脳を覗けるアリーナ、解剖ビューアの 4 画面構成。コネクトームモデルに欠けている自発活動は専用モジュールが供給し、同定された下行ニューロンへのシナプス入力としてのみ作用する。

MaleCNS Cell Type Explorer

Reiser Lab, HHMI Janelia Research Campus

MaleCNS v1.0 の細胞タイプを閲覧するためのリファレンス。データセット自体から生成され、研究室が公開している。細胞タイプごとに 1 ページが用意され、結合、領域への投射、形態を確認できる。ゲーム系のデモはたいてい DNp01 や DNg100 といった下行ニューロンを名前で指定するが、その細胞が実際に何とつながっているかを確かめる手段が無いことが多く、その確認先として使えるリソース。

mindmeld-with-fly

Pandu Sastrowardoyo (@Decentricity)

Muse の EEG ヘッドセットからのライブ信号で MaleCNS の疎なリザバーを駆動し、libcaca を使ってターミナル上に描画する。ハエの可視化の隣に人間の頭皮電位と周波数帯のペインが並ぶ。ヘッドセットが無くても合成 EEG ソースで動かせる。README は自ら限界を明示しており、リザバーの動特性は生物物理ではなく、「ハエの EEG 帯域」はデジタルなリザバーのスペクトル成分であって昆虫の電気生理ではないとしている。

Neural Canvas (Fruit Fly Simulation)

Xenova (Hugging Face)

ブラウザだけで動く Hugging Face Space。ニューロンを塗って刺激を与え、Three.js の関節付きハエが反応する様子を見られる。MaleCNS の 16万6,700エントリと 2,558万2,938本の有向結合を保持し、Shiu らの leaky integrate-and-fire モデルを WebGPU カーネルで実行する（JavaScript のフォールバックあり）。歩行・旋回・飛行のアニメーションは作り込まれた説明用のもので、ゲインや閾値はデモ用に選ばれており、身体の動きは神経側へフィードバックしないと明記されている。

OpenFly

marketcalls

暗号資産ではなくインドのオプション市場を相手にした取引系の事例。MaleCNS v1.0 全体のシミュレーションを OpenAlgo 経由で 1 つの戦略、すなわち当限 NIFTY の日中ショートストラドル（各レッグにボラティリティ連動のストップ、15:15 までに手仕舞い）につないでいる。価格とオプションチェーンは利用者自身の OpenAlgo 接続からローカルの DuckDB に取り込み、モックデータは一切使わない。既定はペーパートレードで、実売買は明示的なオプトインが必要。README は「優位性は実証されていない」と明記している。

Swat.

hrook1

ハエを叩こうとすると、クリックする前に逃避回路が光るブラウザのアーケードゲーム。MaleCNS v1.0 から抽出した 6,000ニューロン・127万5,994本の有向結合（元の 1,065万9,685シナプス接触を保持）の簡略スパイキングモデルを走らせ、シミュレーション視覚を LC16→MDN の退避回路に入力して、その活動が回避旋回とバーストに影響する。通常の巡航・飛行アニメーション・当たり判定は作り込んだゲーム側の処理であることを README が明言している。

▶@_lyraaaa_ on X (video poster, 2026-09-12)

Fly Brain Plays Beat Saber

@_lyraaaa_

@_lyraaaa_が X に投稿した短い動画で、MaleCNS v1.0 のシミュレーション脳を Beat Saber に接続した様子を映している。Know Your Meme が 2026 年 9 月のブームで挙げる中では最多の約 2,200 万回再生・8.48 万いいね。ただし Dexerto によれば、作者はのちに「この動画はモデルが自力でプレイしている様子ではない」と説明しており、運動系は記録済みのシーケンスを再現するよう訓練されたもので、視覚への反応や実際のプレイ動作は強化学習で開発中だという。再生回数はその前提で読む必要がある。

▶@nftechie_ on X (video poster, 2026-09-12)

Fly Brain Trades Bitcoin with $100

@nftechie_

先に Doom の配信を行った Alex Wormuth（@nftechie_）による動画投稿。シミュレーションしたハエの脳に 100 ドルを持たせ、その神経活動で Coinbase の売買を決定し、利益が出るとドーパミンニューロンを刺激するという内容。Know Your Meme によれば約 340 万回再生。作者は同日にコード（Stonkfly）を公開しており、Coinbase の価格を RGB のチャートに変換して MaleCNS グラフの輝度入力 3,335 個と R8 入力 811 個を刺激し、固定の読み出しが買い・売り・様子見を提案、損益に応じて PAM11 ドーパミン細胞 15 個または PPL101 の 2 細胞を刺激する。既定はペーパートレードで、利益を出す学習は実証されていない。

natverse/coconatfly README (GPL-3.0-or-later)

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。

sjcabs/fly_connectome_data_tutorial (MIT)

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。

flycoin

ad7584

トークン実験のプロジェクト。2026 年 9 月公開の雄 CNS コネクトームから 165,122 ニューロンを Python でシミュレートし、Solana と Robinhood Chain のトークン発行プラットフォームに接続する。モメンタムや流動性といった市場シグナルを感覚ニューロン群に対応付け、役割が知られている指令ニューロン（吻伸展なら発行、巨大線維の逃避回路なら中止）から判断を読み出す。コミット 1 件のみでライセンス未記載。同じアカウントが flycoinrh のコミットにも関わっている。

情報提供のみ。推奨・紹介リンクはありません。

flycoinrh

fruitflydev

トークン実験のプロジェクト。165,122 ニューロンの雄コネクトーム（公開 CC-BY バケットから取得）をニューロン単位でシミュレートし、ブラウザを操作させる。スクリーンショットを 892 個の網膜配置カラムに通し、ネットワーク全体に活動を伝播させ、運動出力でカーソルを動かして Robinhood Chain（Arbitrum ベースの L2）上のローンチパッドを操作する。後続のコミットでドーパミン依存のケニオン細胞可塑性、自律ブラウジング、ナレーション機能を追加。コードは MIT で、2026-09-10〜11 に 30 コミット、一部は flycoin の作者 ad7584 によるもの。

情報提供のみ。推奨・紹介リンクはありません。

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。

Gizmodo: Fruit Fly Brain Plays Doom and Super Mario 64

Gizmodo

2026年9月3日にGoogleとHHMIジャネリアが公開したオスのショウジョウバエ中枢神経系コネクトーム（MaleCNS v1.0）をめぐり、ネット上の開発者たちが相次いで作ったシミュレーションを紹介するBruce Gilの記事。Doomをプレイさせたり、スーパーマリオ64を遊ばせたり、Minecraft内で動かしたりした例を取り上げ、16万6千超のニューロンを持つ史上最大級の脳地図として位置づけている。

Janelia News: Male Fruit Fly CNS Connectome

HHMI Janelia Research Campus

HHMIジャネリア研究所が2025年10月6日に出した、オスのショウジョウバエの脳と神経索をまるごと再構成した初の配線図（16万6千超のニューロン）についての発表記事。MRC分子生物学研究所、ケンブリッジ大学、Google Researchとの共同研究で、成果はbioRxivにプレプリントとして公開された。Gerry Rubinは社会性の高い動物で雌雄の脳を初めて比較できる意義を強調し、データは世界中の研究者に無償提供されると述べている。

Know Your Meme: Fly Brain Simulations

Know Your Meme (Literally Media)

ジャネリアFlyEM・ケンブリッジ・Google Researchが2026年9月3日に公開したMaleCNS v1.0コネクトームをゲームなどに接続する動画が流行した現象をまとめたKnow Your Memeの項目。9月13日時点では、9月7日のYouTubeのマインクラフト動画（24.1万回再生）、Beat Saber（2,200万回）、Coinbaseでの取引（340万回）、運転シミュレーター（150万回）に加え、タレントマネージャーのシミュレーション、Twitchの配信者ペルソナ、Deadlockのプレイが列挙されている。依然として審査中のサブミッション扱い。

natverse/malecns README (GPL-3.0)

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。

▶@barrelshifter on X (video poster, 2026-09-12)

Fly64 (MaleCNS plays Super Mario 64)

ornata (Jessica Paquette, @barrelshifter)

Jessica Paquette による概念実証。逆コンパイル版 SM64 の画面を約 10 万ニューロンの MaleCNS v1.0 モデルの視覚系に流し込み、特定の下行ニューロン（移動は DNg100、旋回は DNa02/DNg13 の差分、ジャンプは DNp01/DNp10 のバースト）からコントローラー入力を読み出す。学習や報酬は一切なく、README にはハエは主に壁にぶつかって動けなくなると書かれている。作者いわく「100% vibe coded」。2026-09-08 に Gizmodo が紹介。

neuPrint

Janelia FlyEM (HHMI)

Janelia FlyEM チームが運営するコネクトーム解析基盤。Neo4j 上のグラフデータベースに、Web 上で探索できる neuPrintExplorer と HTTP API を組み合わせたもので、ニューロン間の結合をクエリで調べられる。hemibrain・MANC・male CNS の公式配布元であり、2022 年に Frontiers in Neuroinformatics で論文化された。

neuprint-python

Janelia FlyEM (HHMI)

neuPrint 公式の Python クライアント。Cypher を直接書かなくても、Janelia のコネクトームデータベースからニューロンのメタデータや結合表、スケルトンを pandas に取り込める。2020 年 1 月に PyPI で初公開され、2026 年 7 月の 0.6.3 まで継続的に更新されている。pip・conda・pixi のいずれでも導入できる。

Fly Lab (Ableton Live)

Apolotary (Bektur Ryskeldiev)

macOS 向け Ableton Live 拡張。DesktopFly のデータから借りた MaleCNS の 1,045 ニューロン運動回路を MIDI に変換し、Three.js 上を動くハエの衝突・接触・運動出力で音を鳴らしたりアンビエントのパラメータを変調したりする。5 つのモードがあり、Dark Lab モードでは 70 個の重みを持つ小さな学習可能な読み出しを使う。作者は計測された回路と作曲した和声を明確に区別し、ハエは「ハエの姿をした粒子」だと説明している。2026-09-10 に Sonic Field で紹介。

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。