名前・タグ・説明で検索。カテゴリとデータセットで絞り込めます。
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。
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。
Harvard Medical School (Lee & Wilson labs), Princeton University (Murthy lab), Harvard (Drugowitsch lab)
ハーバード医学部のLee研・Wilson研とプリンストン大学Murthy研などが中心となり、成体メスのショウジョウバエ1個体を4nm解像度の連続切片EMで撮像し、脳と腹部神経索を同じ個体でひとつながりにシナプス解像度で再構成したコネクトーム（同一個体で両方を扱うのはこれが初）。READMEによると約188,000ニューロン・約1億9,900万の予測シナプスを含み、解析コード（主にR）とデータはいずれもCC BY 4.0で公開。論文は2026年にNature誌にオープンアクセスで掲載された。
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。
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。
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。
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。
Google DeepMind / HHMI Janelia (Turaga Lab)
MuJoCo 物理エンジン向けの解剖学的に精密なショウジョウバエの身体モデル。脚・翅の関節、脚の吸着、歩行模倣・自由飛行・視覚誘導飛行の強化学習タスクが同梱される。2025 年に Nature に掲載され、Apache-2.0 で公開。
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。
University of Cambridge (Michael Winding et al.)
Michael Winding（ケンブリッジ大学）を筆頭とする研究チームが2023年3月にScience誌で発表した、昆虫の脳全体を対象とする完全なシナプス配線図。1齢幼虫のショウジョウバエ脳を対象に3,016ニューロン・約548,000シナプスを再構成し、多感覚統合や左右半球間の連絡、再帰的な回路構造が広く見られることを示した。
HHMI Janelia FlyEM / University of Cambridge / MRC LMB / Google Research
オスのショウジョウバエ成虫の脳・視葉・腹側神経索をまとめた中枢神経系の全配線図。16万以上のニューロンを含み、CC-BYで利用できる。v1.0データ公開は2026-06-08、Cell論文公開は2026-09-03で、データの版公開と論文の発表は別の出来事。
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。
Neuroengineering Laboratory (NeLy), EPFL
EPFL の Neuroengineering Laboratory（NeLy）が開発する成虫ショウジョウバエのデジタルツイン。マイクロ CT から起こした身体モデルを MuJoCo 上で動かし、複眼視覚・嗅覚・脚の吸着・機械感覚フィードバック、脳と VNC の階層的制御を備える。NeuroMechFly v2 は 2024 年 11 月に Nature Methods で発表され、2026 年 4 月公開の FlyGym 2.0 では CPU で約 10 倍、Warp/MJWarp を使う GPU で約 300 倍の高速化を実現した。Eon や Rojas の身体化全脳シミュレーションでも身体側として採用されている。
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。
michelangeloromerochisco (@michelangeloromerochisco)
Winding ら 2023 の幼虫コネクトーム（2,952 ニューロン、3 シナプス以上で 38,401 辺）を凍結した再帰層として使い、バイト単位の言語モデルを学習させる対照実験。次数を保ったシャッフル、Erdős–Rényi グラフ、重みの消去、ハブに上限を設けた条件と並べて比べる。判定規則はデータを見る前に書き、4 シードを 150M バイトまで回し、全体で約 277 GPU 時間を 4 GB のノート PC の GPU 1 枚に収めている。同梱論文の題がそのまま結論で、この規模ではハブの集中が生物的な配線の利点を覆い隠す。
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。
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。
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。
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。
@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。
@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。
@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。
@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。
@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。
@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。
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。
@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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
Srikar Jy (@srikarjy)
hemibrain の実際の投射ニューロン→ケニヨン細胞の結合から作った茸状体のスパース符号で、少ない測定回数でも高適応度のタンパク質変異を見つけられるかを問い、答えは「できない」。ProteinGym の 10 アッセイ・20 シードを同じ測定予算で比べると、測定 50 回で上位 1% に到達した試行の割合はハエの学習器が 30.5%、進化的探索が 54.5%、素の無作為探索が 40.0% で、同じグラフ上のランダムウォークと同水準だった。アブレーションでは本物の hemibrain の配線はランダム配線よりわずかに悪く、探索上の利点は無い。サイトでは記録した 1 回の実行を 1 手ずつ再生し、重み更新をブラウザで検算できる。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
sakikoniko314-blip (@sakikoniko314-blip)
ハエのコネクトームモデルで熱源に向かうロボットを動かそうとし、最後にやめることにした経過を中国語で残した記録。Mali-G610 の Vulkan バックエンド（正しさの検査と、採用しなかった最適化 8.516 ms 対 8.339 ms つき）、24×32 の温度フレームから感覚入力への対応づけ、生の軌跡と失敗の帰属を伴う対応づけ実験、そして遮蔽時の状態保持プローブ（保持あり 36 回中 16 回、消去 36 回中 20 回で、保持の利点なし）が残る。著者は、従来型の制御器に勝る利点は示せていない、到達率はすべて合成シーンのもの、実機モーターの閉ループは行っていないと明記している。
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。
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。
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。
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。
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。
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。
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。
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。
deShal3v (@deShal3v)
ハエの視覚葉のコネクトーム制約モデル flyvis（64 細胞型 × 721 コラム、45,669 個の緩電位ニューロン）に、Stringer ら がマウス V1 に投げた問いをそのまま当てる: 自然画像に対する集団分散スペクトルの減衰はどれくらいか。学習済み 50 モデルで PC 11〜100 の指数は 1 付近（中央値 1.18）。ところが白色化した画像では 50 モデルすべてで 0.25〜0.38 まで崩れる（V1 は 1.03 付近を保つ）。各層の指数は光受容器入力の指数に追随し、線形化した複製が 0.03 以内で再現、マウス並みの単試行ノイズ下では cvPCA は何も取り出せない。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
@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。
@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。
@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。
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。
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。
@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。
@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。
@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。
@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。
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。
@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。
@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。
@ArisLiWind
NeLy-EPFL の FlyGym をフォークし、歩行制御に BANC v888 のコネクトームを接続したもの。身体モデル側の事例は FlyWire か MaleCNS が大半なので、BANC を使う例は珍しい。DNpe053 などの下行ニューロンをその局所回路ごとシミュレートし、発火率でトライポッド パターン生成器の振幅を調節する。もう一方のスクリプトは物理演算の 0.1 ms ごとに閉ループを回し、FlyGym の関節角が 18 個の脚感覚ニューロンを駆動、BANC 由来の 50 ニューロン LIF 網が STDP でオンライン更新され、運動ニューロン群のスパイクが脚ごとのゲインになる。結合の健全性は自前の検証スクリプトで重なりと自己ループを確認している。
@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。
@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。
@alok-108
デモではなく損傷実験。Janelia hemibrain から総次数の高い順に取った 1,000 ニューロンの部分網（有向エッジ 113,089 本）を点 LIF ネットワークとして走らせ、ニューロンを削除して動態が何に依存しているかを調べる。ハブの 10% を除くと、刺激していないのに動員されるニューロンが 653 個から 92 個へ落ちるのに対し、倍の数をランダムに削っても平均 299 個が残る。駆動割合・結合強度・時間刻みを振った 157 回の感度解析を伴う。限界の記述は率直で、全シナプスを興奮性として扱うため強結合では活動が発散すること、ハブに偏った標本を一般化してはならないことを述べている。
@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。
@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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
@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。
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。
@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。
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。
@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。
@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。
@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。
@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。
@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。
@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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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 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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
theworker02
複数の昆虫コネクトームパック（neuPrint の hemibrain・MANC・視葉、Insect Brain Database のプロジェクトーム）をまとめて扱うローカルのスタジオ。ID の羅列ではなく、シルエットと細胞クラスから辿る。電顕を再セグメントせず公開済みのレベル 0 / レベル 1 グラフを再利用し、生の EM はリモートに置いたまま、ローカルキャッシュは 10 GB を上限にする。共有用の Pages ビルドは、ローカルの 1.7 GB に対しておよそ 23 MB のカタログだけを載せる。掲げる規則には、パックを混ぜて存在しない統合コネクトームを作らないこと、証拠のないシナプス結合を主張しないことが含まれる。
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。
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。
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。
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。
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。
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。
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。
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。
NKprime (primaryNK)
BANC v888/v3 のコネクトーム（188,508 ニューロン、13,620,865 の有向ペア）から独立した 2 つの神経状態を Direct3D 12 上で内部 1 ms 刻みで計算し、その低レベル出力で剣・盾・移動のアクチュエータを動かす Windows 用の戦闘サンドボックス。attack() や parry() のような台本化された動作は無く、命中・ブロック・パリィ・回避は物理的な位置関係とタイミングから判定される。学習が触るのは小さな運動読み出し層だけで、BANC の結合ペアは変更しない。作者は AI を多用して開発したと明記しており、署名なしの実行ファイルが Defender のクラウド検査で検知される（誤検知と見ている）ため、現在はソース ZIP のみを配布している。
AscendedStarr
512 ニューロンのスパイキング・キノコ体で、学習対象は Kenyon 細胞から MBON への 13,824 シナプスだけ。三因子ドーパミン則により、手描きの 27 字形を CPU 1 スレッドで 2 分足らず学習し、本から 168,985 文字を一つも間違えずに読み出した。このモデルには数字用の出力細胞が存在しないので、数字での 0/300 は控えめな成績ではなく構造上の保証になっている。v0.2.0 では自作の配線を測定された hemibrain コネクトームに差し替えたが、都合の悪い結果もそのまま載せている。本物の配線と、次数を揃えて相手をシャッフルした対照は3 つの乱数種すべてで 243/243 に並び、対応差はゼロだった。
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。
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。
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。
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 (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。
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。
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。
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。
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。
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。
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。
SebSilent
判断の中核に BANC v888（脳＋神経索）コネクトームの構造的な切り出しを据えた自律エージェント。公開テーブルから読み込んだ 12,867 ニューロンと符号付き 173,294 シナプスで、全体約 188,000 ニューロンの部分集合にあたる。テキストはハッシュで 3,840 個中 16 個のケニオン細胞を立てる疎な符号になり、10 サブステップ伝播したあと 85 個の MBON が 12 の行動プールに勝者総取りで投票する。学習するのはケニオン細胞→MBON の 2,983 シナプスだけで、三要因ドーパミン則で更新される。計画・端末実行・記憶は切り出しの外側の別モジュール。次数を合わせたランダム対照グラフも生成でき、配線についての主張を検証できる。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
itznotnelo (@itznotnelo)
Winding ら 2023 の幼虫コネクトームを固定のリザバーとして使い、同じ次数分布のランダムグラフより Tetris がうまくなるかを試す。コネクトームから組んだスパイキング網は一切学習させず、下行ニューロンからの線形読み出しだけを CMA-ES で調整し、次数を揃えて配線を入れ替えた対照も同じ手順で学習させる。README は測定値と仮定の区別が丁寧で、興奮性・抑制性の符号はデータに無いので乱数で割り当てたこと、sensory は視覚ではないこと、収録済みの実行は短すぎて比較の結論には足りないことを自分で書いている。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
aujurd22
大規模コネクトーム向けの解析ツールキット。約 17 万ニューロン・重複を除いた有向接続 1,360 万本のメス全中枢神経系データセットで構築・検証されている。読み込みと ID 対応、次数を保つ帰無モデル、行列累乗を避けた有向リングのサンプリング濃縮、スペクトルギャップとモジュール構造、神経伝達物質で層別した位相、有効情報、GPU 上の位相同期といったモジュールを持つ。各モジュールに対応するランダム対照が同梱され、濃縮の結果を必ず突き合わせられる。ローダーは任意のエッジリストを受け取れるので、特定データセット専用ではない。
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。
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。
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。
hwilner
ラベル付き有向のショウジョウバエ・コネクトームに対する構造解析で、「何が言えなかったか」を報告する側のリポジトリ。収束指標は 2 つの参照モデル族のどちらでも識別力を持たず、富化も枯渇も支持しない。相互結合ペアの指標は 2 つの族の間で向きが逆転し、参照モデルに依存しない結論を与えない。フィードフォワード三角形の指標は定義と合成グラフでの検証までで、実データでの計算は行われていない。結論として、完了した診断は富化・メカニズム・因果のいずれについても不確定であり、制約付き帰無モデルの選び方そのものが答えを変えてしまうと述べている。公開されているのはグラフ・再配線・モチーフのユーティリティと、合成データでの不変条件テスト。
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。
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。
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。
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」。
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。
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。
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。
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。
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。
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。
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。
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。
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。
alieneseren
ハエの嗅覚回路について報告されている局所性鋭敏型ハッシュ（小さく密な入力を、大きく疎な二値符号に広げる方式）を実装した、埋め込みベクトルの圧縮・検索インデックス。公開されているベンチマークでは 1,536 次元のベクトル 10,000 本を 58.59MB から 2.44MB（1 本 256 バイト）に圧縮し、1 コアでの検索遅延の中央値は 815 マイクロ秒、密なベースラインの 3.20 ミリ秒に対して約 4 倍速いとしている。データベースを立てずに numpy だけでメモリ上で動く。中核は MIT で公開され、別途有償版がある。コネクトームそのものを読み込む実装ではない。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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）。
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。
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。
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。
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。
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。
EvolutionDeep
約 1,080 個の leaky integrate-and-fire ニューロンからなる小さな神経系を 24 体走らせ、Arc ネットワークのチェーン全体の活動を「市場の温度」1 つに縮約して反応させる実験。各個体は経済主体でもあり、何を誰から買うかを自分のスパイク出力で決め、x402 プロトコル経由で Arc メインネット上の USDC で互いに決済する。決済ごとにチェーン上のハッシュが残る。判断の経路に言語モデルは入らない。実際の支出はキルスイッチ、全体の日次上限、個体ごとの上限、取引ごとの上限で囲われている。情報提供のみ。
情報提供のみ。推奨・紹介リンクはありません。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
schlegelp
CAVEとneuPrintを使うコネクトームを共通の問い合わせ窓口で扱うPythonライブラリ。接続、形態、注釈など、データセットごとに取得可能な情報を機能表で区別する。サービスの違いを吸収するための道具で、すべてのデータセットが同じ情報や操作を提供するわけではない。
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。
Swida-Alba
複数データセットの回路解析、経路探索、3D形態表示、NeuronBridgeによる実験用系統探しをまとめたPythonとWeb UIのツール群。確認したREADMEはv4.5.0。データセット間で対応機能に差があり、BANCの一部操作が使えても、形態類似性解析には未対応の部分がある。
flyconnectome
ショウジョウバエの細胞型ごとの神経伝達物質情報を、実験文献に基づいて整理した参照資料。コネクトームの注釈を解釈し、伝達物質の予測と既報の観察を比較する際の根拠を探せる。新しい全脳再構成データではなく、文献に対応づけられた表を提供する。
Aurel A. Lazar / Yiyin Zhou
ショウジョウバエの初期嗅覚系を、配線、シナプスの知見、実行可能な回路モデルから整理するプレプリント。フィードバック網の中にある順方向経路を扱い、配線図を機能的な計算と結びつける必要性を論じる。全脳モデルの新しい性能記録ではなく、回路モデルを理解するための資料。
FlyBrainLab
FlyBrainLabとNeurokernelで動かす初期嗅覚系の回路ライブラリ。触角、触角葉、キノコ体のモデルを含み、過去の回路研究をもとに感覚処理モデルを組み立てて実行するために使う。以前からあるモジュール型の研究基盤で、全脳を用いた新作ゲームエージェントではない。
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。
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。
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。
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。
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。
Zehao Jin / Yaoye Zhu / Chen Zhang / Yanan Sui
全脳コネクトームのグラフを学習する制御器の構造として使い、物理身体モデルを動かすプレプリント。深層強化学習で全身の運動課題へ接続し、作者が比較結果を報告する。2026年6月改訂版で、シミュレーション内の工学的な制御を扱う。計測した生体神経活動をそのまま再生するものではない。
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。
Benquan Wang / Jingdao Chen
ハエ脳の配線構造を持つ再帰ニューラルネットワークを、MuJoCoでの視覚ナビゲーションに学習させるプレプリント。作者は比較ネットワークに対する未知条件や感覚欠損への耐性を報告する。2026年7月改訂版のシミュレーション研究であり、実機ロボットでの運用成功としては扱わない。
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。
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。
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。
reiserlab
Nernらによる2025年の雄ショウジョウバエ視覚系コネクトーム研究を支える解析コード。計算や図の作成をたどる入口となり、対話的なCell Type Explorerを補完する。同じ研究に付随する再現用コードとして掲載し、別のコネクトームデータセットとは数えない。
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。
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。
Theresa H McKim et al.
成体ハエ脳の神経分泌ネットワークを、配線とトランスクリプトームの情報から調べたeLifeの査読済みプレプリント。内分泌と運動の協調に関する予測と一部の機能実験を示す。掲載対象は2026年9月の第2版で、最初の査読済みプレプリントは2024年11月に公開された。
connectome-neuprint
コネクトームの形態データからBlenderやVVDViewerで解説用動画を制作するツール。neuPrintやNeuroglancerのリソースを神経形状やシーン入力に利用できる。科学的な可視化の構成・描画を支えるもので、神経活動やハエの行動を計算するシミュレータではない。
Jia-Nuo Liew et al.
コネクトームの構造とスパイキングモデルを組み合わせ、ショウジョウバエ視葉の輪郭方向表現を調べるプレプリント。計算モデルで現れる方向マップを報告する。モデルが示す応答と、生きた視覚系で直接測定した生理学的な結果を区別して読む必要がある。
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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
bchap1n
ハエの聴覚を音楽の道具に変えるための実験場。シーケンサー、サンプラー、将来的にはプラグインを目指す。最初のコミットは求愛歌の聴覚経路を模した 12 ニューロンの小さな回路で、ジョンストン器官の代わりにオンセット検出器を置き、leaky integrate-and-fire の発火がサンプルや MIDI を鳴らす。シミュレータ側はグラフの中身を問わないので、実測した FlyWire や MaleCNS の部分グラフに差し替えられる設計。この領域を選ぶ理由として、計算が時間的であること、オーディオコールバックに収まる規模であること、次数を保つシャッフルという対照実験が最初から使えることを挙げている。
Me0wX-LR
Foundry Virtual Tabletop 用のモジュール。コネクトームのモデルは GM のクライアントでだけ走り、マップ上のトークン 1 つをハエとして動かす。他のトークンを「餌」「脅威」に指定し、砂糖・接近・歩行のボタンを押すと、ハウスルールのデコーダが読み出しをマス目の移動に変換する（8 マス以内の脅威からは 2 マス逃げる、餌が 1 マス以上離れていれば 1 マス寄る、満腹で隣接なら留まる）。OpenAI 互換の API キーを入れるとハエが雰囲気のある台詞を喋るが、README は「キーが次のマスを選んではならない」と明記している。
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。
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。
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）。
Benn Jordan (@bennjordan)
MANC（オス腹神経索）コネクトームから、オスの求愛歌をブラウザで合成する楽器。サンプル再生ではなく、P1 が距離と接触を統合し、pIP10 と pPR1 がパルス歌とサイン歌を切り替え、T2 神経分節の vPR6 と GABA 性ループが約 35ms のパルス間隔を決め、MN-b1・MN-b2 を駆動する。Web Audio 側は翅が空気を押す物理を模し、距離 2mm から 25mm でドライブが 0.8 倍から 3.2 倍に増え、接触時は ±105Hz のゆらぎが乗り、胸部の共鳴の Q が変動する。slowpoke 変異体や近縁種のモデルも入っている。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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。
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。
@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。
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。
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。
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。
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。
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。
@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。
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。
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。
@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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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 (@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。
@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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
Erfara Labs (@erfaralabs)
28,994 ニューロン・1,814,208 本の有向シナプスエッジからなるショウジョウバエのコネクトームを、グラフを再学習させずに SmolLM2-360M の第 16 層へ、状態を持ち越す leaky-integrator のリザバーとして差し込む。入次数で正規化することで、重みのないグラフを臨界付近に保つ（最大リアプノフ指数 +0.0309、分岐比 1.0220）。主張は次数保存のヌルモデルで検証されていて、生物学的な結合先をシャッフルすると交差エントロピーが 0.0781 nats（約 1.58%）悪化する。感覚入力を与えると 94.9〜97.2% のニューロンが沈黙し、Kenyon 細胞について報告されている疎性と同程度になる。README はこのグラフを hemibrain と腹部神経索にまたがるものと説明するが、どの公開データセットから作ったかは書いていない。
Roxx0x
Winding ら 2023 の幼虫コネクトーム（2,952 ニューロン・約 11 万結合、動物 1 匹の脳を丸ごとシナプス解像度で描いた最初の地図）を、固定されたリザバーとして使う。配線は一切書き換えない——動物のコネクトームは編集できないから——ので、学習するのは活動を読み出す 1 層の線形層だけ。手書き数字ではベースライン 10% に対して 94% に達する。pip で入り、コネクトームを一度だけ取得して、数字認識と時系列のタスクを小さな API の背後に用意する。
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 (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。
Mert Cobanov (@cobanov)
ブームの最中である 2026 年 9 月 12 日に公開された、ハエコネクトーム関連プロジェクトのキュレーションリスト。ゲームと制御実験、デスクトップのハエと対話的世界、言語と芸術の実験、脳モデルと身体付きシミュレーション、データセット、解析ライブラリ、チュートリアルに分類されている。各項目が使用データセットを明記し、コネクトーム全体を走らせているのか回路の部分集合だけなのかを示しているため、本格的な実装と即席のものを見分けるのに役立つ。
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。
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。
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。
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 (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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
Turaga Lab, HHMI Janelia Research Campus
Lappalainen らの論文「Connectome-constrained networks predict neural activity across the fly visual system」（Nature, 2024）の公式 PyTorch 実装。結合をコネクトームで固定したまま、パラメータをオプティカルフロー課題で学習させる、ハエ視覚系の深層メカニスティックネットワーク。配線はパッケージ同梱の FIB-25／FIB-19 メデュラ再構成で、このサイトが扱う全脳データセットとは別物。学習済みモデルのアンサンブル、Colab チュートリアル、独自モデル用のフレームワークを備える。2026 年 9 月のブームで現れたブラウザデモのいくつかは、これを視覚の前段に使っている。
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。
Macroblock (@sainimatic)
シミュレーションのハエを過酷な環境に置くゲームが相次いだことへの反動として注目された投稿。Macroblock は「草と木と尽きない果実の中をただ飛び回り、食べ続けられる」シミュレーションを作ると宣言した。約 2.4 万いいねを集め、Dexerto や IBTimes がこのブームへの倫理的な反応として取り上げた。制作中である旨の告知であり、使用コネクトームや完成度については確認した情報源からは分からない。
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 (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。
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。
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。
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。
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。
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。
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。
Ro0oney (YouTube)
2026 年 9 月のブームで最初期に大きく広まった投稿として Know Your Meme が挙げる YouTube 動画。3 日で 24 万 1,000 回以上再生された。ハエのコネクトームモデルをマインクラフトの mob（最初はクモ、次にハチ）の挙動につないでいる。「意識を移した」というタイトルは演出で、報道が説明しているのは神経結合のモデルとニューロンをゲーム内の判断に対応づけるプログラムであり、使用データセットのバージョンやニューロンと行動の対応付けは確認した情報源には記載がない。
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。
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。
@_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_
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。
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。
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。
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。
Harvard Medical School (Wei-Chung Allen Lee lab)
ハーバード医学部Lee研が成体メスのショウジョウバエの腹部神経索をGridTape-TEMで撮像し、自動再構成と有志による校正を進めている連結体データ。元の画像データは2021年にCell誌、コネクトーム再構成はAzevedoらにより2024年にNature誌で発表された。このリポジトリではpipで導入できるPythonパッケージfanc-fly（GPL-3.0）とWikiを提供しており、fanc.communityからもここへ誘導される。
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。
caparison1234
Winding ら（2023）のショウジョウバエ幼虫コネクトームから 1,373 ニューロン・22,400 シナプスを LIF モデルで動かし、MuJoCo の幼虫ボディをリアルタイムで駆動する Python プロジェクト。入力側は小型の言語モデル Qwen2.5 0.5B で、英語・韓国語・日本語・中国語のテキストを感覚刺激に変換する仕組み（「危険」で侵害受容が働いて後退や体を丸める動作、「餌の匂い」で頭部走査など）であり、コネクトーム自体が何かを知覚しているわけではない。17 件のコミットはすべて 2026-03-21 で、9 月のブームより前。ライセンスは未記載。
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。
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。
Fly Connectomics group (Cambridge) & Jefferis lab (MRC LMB)
ケンブリッジの Fly Connectomics グループと MRC LMB の Jefferis 研が開発したソフトウェアを一覧にした README のみのリポジトリ。R 側の natverse 系（nat・neuprintr・hemibrainr・fafbseg・nat.flybrains）と Python 側（navis・pymaid・fafbseg・flybrains・skeletor）の全体像をつかむのに便利。2022 年前半に作られた後は更新されていないため、最新カタログではなく当時のスナップショットとして見るのがよい。
yc-h (FlyCircuit-based model)
EM コネクトームではなく、FlyCircuit データベース（flycircuit.tw）のニューロンデータを土台にした、単一細胞解像度のハエ脳スパイキングシミュレータ。C/C++ で書かれ、結合予測プログラムやニューロン極性推定（SPIN）を同梱する。2018 年 11 月時点で査読中だった論文の付属リポジトリで、てんかん様の過活動を再現する実験も含まれるが、それ以降は更新されていない。
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
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。
HHMI Janelia Research Campus (FlyEM Project Team)
HHMIジャネリア研究所のFlyEMチームが公開した、ショウジョウバエ中心脳の大部分（キノコ体や中心複合体を含む）のシナプスレベル再構成データ。約25,000個のニューロンを数千の細胞型に分類しており、2020年1月にv1.0、同年12月にv1.2がリリースされた。概要論文はeLife誌に掲載され、neuPrintから閲覧できる。
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 (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 / 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。
HHMI Janelia FlyEM, Cambridge Connectomics Group, Google Research
成体オスのショウジョウバエの腹部神経索（ヒトの脊髄に相当し、運動制御を担う部位）を丸ごと再構成したコネクトーム。ジャネリアFlyEMがケンブリッジ大学やGoogle Researchと共同で2023年6月にv1.0を公開し、2024年3月にv1.2へ更新。約23,000ニューロンと約1,000万のシナプス前部位を含み、3本の関連論文がeLife誌に掲載された。
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。
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。
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。
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。
HHMI Janelia FlyEM Project Team with Google Connectomics
ジャネリアFlyEMがGoogleのコネクトミクスグループと共同で作成した、成体オスのショウジョウバエ右視葉（視覚処理領域）の完全な配線図。700種類以上・5万超のニューロン（内在性約16,000、接続性約32,000など）を収録し、2024年のデータ公開後、neuPrint上でoptic-lobe v1.1として提供されている。視覚系全体の細胞型目録をまとめた論文は2025年にNature誌に掲載された。
@alright_mark
@alright_markによるネタ寄りの動画投稿で、ハエの脳のシミュレーションに「究極のテスト」として縦列駐車をさせる内容。Know Your Meme によれば 2026-09-10 の投稿で約 150 万回再生・1.6 万いいね。参照した記事は動画と投稿文の内容のみを扱っており、内部の構成やどのコネクトームデータを使っているのか（使っているとすれば）は説明していない。
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。
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。
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。
Zanichelli, Schons, Freeman, Shiu & Arkhipov (arXiv preprint)
Zanichelli、Schons、Freeman、Shiu、Arkhipovの5名によるarXivプレプリント（q-bio.NC）。2008年のSandbergとBostromによる全脳エミュレーション・ロードマップ以降の進展を、神経活動の記録、コネクトミクスによる構造の地図化、エミュレーションと身体化という3つの能力軸で整理し直した報告書。2025年10月17日に初版、同年11月5日に第3版が公開され、ライセンスはCC BY 4.0。
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 (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。
Fly Brain Hub
