生物处理单元：利用昆虫神经连结图开发生物仿真神经网络架构
神经与进化计算
2025-07-16 v1 人工智能
神经元与认知
摘要
Drosophila 幼虫大脑的完整连结图提供了一个独特的机会，探讨生物进化电路是否能够支持人工智能。我们将该连接图转换为生物处理单元（BPU），这是一个直接从突触连接中派生的固定循环网络。尽管该 BPU 规模适中（仅 3000 个神经元和 65000 个权重之间的连接），但未经修改的 BPU 在 MNIST 上达到了98%的准确率，在 CIFAR-10 上达到58%的准确率，超过了规模匹配的多层感知器。通过结构化连结图扩展来扩大 BPU 规模进一步提高了 CIFAR-10 性能，而模块化特定的消失实验揭示了不同感官子系统的不均衡贡献。在 ChessBench 数据集上，使用仅 10000 场游戏训练的轻量级 GNN-BPU 模型达到了60%的走子准确率，这几乎是任何规模变压器的10倍。此外，约200万参数的 CNN-BPU 模型超过了规模匹配的变压器，并且在推理时进行深度为6的 minimax 搜索，达到了91.7%的准确率，甚至超过了900万参数的变压器基准。这些结果表明，生物仿真的神经网络架构有望支持复杂的认知任务，并激励未来在更大规模和更智能的连结图方面进行扩展。
关键词
引用
@article{arxiv.2507.10951,
title = {Biological Processing Units: Leveraging an Insect Connectome to Pioneer Biofidelic Neural Architectures},
author = {Siyu Yu and Zihan Qin and Tingshan Liu and Beiya Xu and R. Jacob Vogelstein and Jason Brown and Joshua T. Vogelstein},
journal= {arXiv preprint arXiv:2507.10951},
year = {2025}
}
备注
Accepted to AGI 2025