Fly.exe: Mô phỏng não ruồi giấm hoàn chỉnh chạy trên một GPU duy nhất

Một dự án mã nguồn mở mang tên Fly.exe vừa được công bố trên GitHub, gây chú ý trong cộng đồng nghiên cứu thần kinh học và trí tuệ nhân tạo. Dự án này tái tạo toàn bộ hệ thống thần kinh trung ương của ruồi giấm đực (Drosophila) với 165.122 nơ-ron và 25.563.197 khớp thần kinh, điều khiển một cơ thể ảo trong môi trường vật lý mô phỏng — tất cả chạy trên một GPU duy nhất.

Mô phỏng đàn ruồi ảo trong môi trường vật lý

Điều gì thực sự được tạo ra?

Cần làm rõ ngay từ đầu: đây không phải là bản sao hoàn chỉnh của một con ruồi thật, cũng không phải là bản sao kỹ thuật số (digital twin) của cá thể ruồi đã được chụp ảnh. Dự án tự xếp mình ở cấp V0 Structural trong thang đánh giá V0–V8 do chính nhóm phát triển định nghĩa.

Cụ thể, dự án sử dụng dữ liệu từ bộ MaleCNS v1.0 của HHMI Janelia FlyEM — bộ dữ liệu kết nối thần kinh (connectome) của ruồi giấm đực. Trong số 166.700 tế bào thần kinh được chú thích trong bộ dữ liệu gốc, dự án chỉ sử dụng 165.122 tế bào có trạng thái chú thích "Traced" (đã truy vết), tương đương 99,7%.

Điểm đáng chú ý là toàn bộ quá trình mô phỏng — từ xây dựng đồ thị thần kinh, chạy mô phỏng điện thế màng nơ-ron, đến điều khiển cơ thể ảo — đều diễn ra trên một GPU RTX 3060 với 4,2 GB bộ nhớ.

Cơ chế hoạt động

Hệ thống hoạt động theo một chuỗi xử lý khép kín (closed loop):

• Dữ liệu connectome được nạp vào bộ nhớ GPU dưới dạng đồ thị thưa (sparse graph) với checksum được xác minh mỗi lần tải
• Engine GeNN/CUDA thực thi toàn bộ đồ thị với một phân bổ kết nối chung nhưng trạng thái nơ-ron độc lập cho từng cá thể
• Bộ mã hóa thị giác (visual encoder) nhận tọa độ chính xác của các vật thể và tính toán góc nhìn, kích thước góc — không có pixel camera, không có tia chiếu, không có che khuất
• Hai tín hiệu điều khiển giảm dần (descending population rates) từ mạng nơ-ron quyết định chuyển động của cơ thể
• MuJoCo + NeuroMechFly mô phỏng vật lý cơ thể với 133 tọa độ tổng quát, 132 bậc tự do cơ học

Cận cảnh mạng nơ-ron đang hoạt động

Đáng chú ý, dáng đi của ruồi ảo sử dụng bộ tạo mẫu chuyển động đã công bố (pattern generator), không phải từ mô phỏng dây thần kinh bụng (ventral nerve cord). Đây là một điểm mà nhóm phát triển thẳng thắn thừa nhận: "Việc đi lại là do kỹ thuật, không phải sinh học."

Kết quả thực nghiệm: 12 con ruồi, 12 bộ não

Trong bản trình diễn mới nhất, nhóm tạo ra 12 con ruồi ảo trong cùng một cảnh MuJoCo, mỗi con chạy một bản sao đầy đủ của đồ thị thần kinh với chu kỳ ghép nối 15 mili-giây. Kết quả so sánh với nhóm đối chứng (không có kích thích) cho thấy:

• 12/12 con ruồi chuyển sang trạng thái di chuyển, so với 0/12 ở nhóm đối chứng
• 12/12 con kết thúc trong vòng 1 mm từ bề mặt vật thể, so với 0/12 ở nhóm đối chứng
• Số nơ-ron phát xung mỗi con mỗi chu kỳ: 9.337 so với 164 ở nhóm đối chứng
• Quãng đường di chuyển thẳng: 5,0 đến 25,6 mm so với 3,0 đến 7,3 mm

Điều khiển đàn ruồi ảo trong môi trường mô phỏng

Tuy nhiên, nhóm nghiên cứu cũng thẳng thắn chỉ ra những hạn chế quan trọng:

Không có hành vi xã hội. Ruồi tụ tập vì một con ruồi gần đó là một vật thể lớn trong trường thị giác, và mạng nơ-ron tiếp cận các vật thể lớn.

Không có hành vi kiếm ăn. Thức ăn là một hình cầu có màu và bán kính. Bộ mã hóa không có kênh màu và không thể phân biệt thức ăn với cột trụ.

Điểm đáng chú ý về mặt phương pháp luận: mọi tham số trong dự án đều mang nhãn xuất xứ (provenance class) — đo lường (M), tiên nghiệm quần thể (P), khớp đường cong (F), giàn giáo kỹ thuật (E), hoặc không thể phục hồi (I). Các kết quả thất bại cũng được lưu giữ công khai, bao gồm thất bại 0/30 trong bài kiểm tra chải râu (grooming) của Track A.

Chi phí tính toán

Thời gian chạy thực đo: 12 con ruồi ở tốc độ 0,015 lần thời gian sinh học thật, mất khoảng 33 phút cho mỗi biến thể trên một RTX 3060. Con số này không phải do GPU chậm, mà do khối lượng tính toán khổng lồ: 30 giây sinh học với bước thời gian nơ-ron 100 micro-giây tương đương 300.000 bước thời gian trên 165.122 × 12 trạng thái nơ-ron, tức khoảng 594 tỷ cập nhật trạng thái. Điều này đòi hỏi băng thông bộ nhớ khoảng 1,2 TB/s cho riêng trạng thái nơ-ron, trong khi RTX 3060 chỉ có 360 GB/s.

Ý nghĩa đối với cộng đồng nghiên cứu

Dự án Fly.exe đại diện cho một hướng tiếp cận ngày càng phổ biến trong khoa học thần kinh tính toán: xây dựng mô hình dựa trên dữ liệu kết nối thần kinh thực tế thay vì mô hình lý thuyết thuần túy. Đây là một phần trong xu hướng rộng lớn hơn bao gồm các dự án như FlyVis, Effectome và BrainTrace.

Điểm mạnh của Fly.exe nằm ở kỷ luật khoa học nghiêm ngặt: đăng ký tiêu chí trước khi đánh giá, từ chối khởi động từ git worktree bẩn, và duy trì danh sách đầy đủ các giả định. Đây là những thực hành đáng học hỏi cho bất kỳ nhóm nghiên cứu AI nào đang làm việc với mô hình sinh học.

Dù vậy, cần nhấn mạnh rằng dự án này chứng minh cơ chế kỹ thuật và không xác thực sinh học. Không có giả thuyết sinh học nào được đăng ký trước, không có hợp đồng nghiệm thu nào cho đàn ruồi, và nhiều bài kiểm tra đối chứng quan trọng vẫn chưa tồn tại. Đây là một nền tảng nghiên cứu, không phải một kết luận khoa học.

Cài đặt và trải nghiệm

Dự án chạy được engine tham chiếu nhẹ trước khi cần cài đặt FlyGym, CUDA hoặc dữ liệu MaleCNS:

uv python install 3.12
uv sync --python 3.12 --extra data --extra render
uv run flysim run eon-demo --seed 1 --headless
uv run flysim render runs/

Để chạy connectome thực, cần bộ dữ liệu và GPU NVIDIA. Dự án hỗ trợ Linux gốc, và trên Windows cần thông qua WSL2. Mã nguồn được phát hành dưới giấy phép GPL-2.0-or-later, với dữ liệu và phụ thuộc giữ giấy phép riêng của chúng.

Dự án đang ở giai đoạn đầu nhưng đã có đầy đủ tài liệu kiến trúc, bản ghi quyết định (ADR), hợp đồng nghiệm thu và bộ kiểm thử tự động. Đây là một trong những nỗ lực mã nguồn mở tham vọng nhất trong lĩnh vực mô phỏng toàn bộ hệ thần kinh của một sinh vật cho đến nay.