🤖 machine learning

Whole-Brain Connectomic Graph Model Enables Whole-Body Locomotion Control in Fruit Fly

यह शोध पत्र फ्लाई-कनेक्टोमिक ग्राफ मॉडल (Fly-connectomic Graph Model) प्रस्तुत करता है, जो एक पूरे मस्तिष्क वाले ड्रोसोफिला (Drosophila) को ग्राफ-संरचित तंत्रिका नियंत्रक के रूप में स्थापित करने के लिए डीप रीइन्फोर्समेंट लर्निंग का लाभ उठाता है, जिससे न्यूरोमैकेनिक्स और एम्बोडीड इंटेलिजेंस (embodied intelligence) के बीच सेतु बनाते हुए एक सिम्युलेटेड फ्रूट फ्लाई में कुशल और स्थिर पूर्ण-शरीर लोकोमोशन (locomotion) प्राप्त किया गया है।

मूल लेखक: Zehao Jin, Yaoye Zhu, Chen Zhang, Yanan Sui

प्रकाशित 2026-06-16

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zehao Jin, Yaoye Zhu, Chen Zhang, Yanan Sui

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रोबोट मक्खी को चलना, मुड़ना और उड़ना सिखाने की कोशिश कर रहे हैं। आमतौर पर, इंजीनियर रोबोट के "दिमाग" को शून्य से बनाते हैं, जिसमें जेनेरिक गणितीय ब्लॉक्स (जैसे मानक कंप्यूटर चिप्स) का उपयोग किया जाता है, और फिर ट्रायल और एरर (प्रयास और त्रुटि) के माध्यम से उनकी वायरिंग तय की जाती है। यह शोध पत्र एक अलग सवाल पूछता है: क्या होगा अगर हम बस एक फल मक्खी (fruit fly) के मस्तिष्क के वास्तविक, वास्तविक जीवन के वायरिंग डायग्राम को कॉपी करें और उसे सीधे अपने रोबोट में लगा दें?

यहाँ शोधकर्ताओं द्वारा किए गए कार्यों का विवरण दिया गया है, जिसे सरल उपमाओं (analogies) के माध्यम से समझाया गया है:

1. ब्लूप्रिंट: द "फ्लाई-कनेक्टोम" (The FlyConnectome)

एक फल मक्खी के मस्तिष्क को एक रहस्यमयी ब्लैक बॉक्स के रूप में नहीं, बल्कि एक विस्तृत शहर के मानचित्र की तरह सोचें। यहाँ हर न्यूरॉन एक घर है, और उनके बीच का हर कनेक्शन एक सड़क है। वैज्ञानिकों ने पहले ही इस पूरे शहर (जिसे कनेक्टोम कहा जाता है) का मानचित्र तैयार कर लिया है, जो व्यक्तिगत सिनैप्स (चौराहों) के स्तर तक विस्तृत है।

नवाचार (Innovation): एक नया, रैंडम नेटवर्क बनाने के बजाय, शोधकर्ताओं ने इस मौजूदा, वास्तविक जीवन के मानचित्र को एक कंप्यूटर प्रोग्राम में बदल दिया। उन्होंने सड़कों को बदला नहीं; उन्होंने बस प्रोग्राम को उन पर "ड्राइव" करना सिखाया।

2. सेटअप: एक असली दिमाग वाला डिजिटल फ्लाई

शोधकर्ताओं ने एक भौतिक सिम्युलेटर (एक वीडियो गेम इंजन जो गुरुत्वाकर्षण और मांसपेशियों की गति को समझता है) के भीतर एक आभासी (virtual) फल मक्खी बनाई।

इनपुट (Input): मक्खी की "आंखें" और "स्पर्श इंद्रियां" मस्तिष्क में डेटा भेजती हैं (अफेरेंट न्यूरॉन्स)।
प्रोसेसिंग (Processing): सिग्नल मस्तिष्क के मानचित्र के माध्यम से यात्रा करता है, घरों से टकराता है और सड़कों को पार करता है, ठीक वैसे ही जैसे एक वास्तविक मक्खी का मस्तिष्क करता है।
आउटपुट (Output): सिग्नल "मोटर" घरों (इफेरेंट न्यूरॉन्स) तक पहुँचता है, जो उसके पैरों और पंखों को हिलने का निर्देश देते हैं।

3. ट्रेनिंग: नृत्य सीखना

एक कच्चा ब्रेन मैप स्थिर होता है; यह केवल कनेक्शनों की एक तस्वीर है। इसे चलाने के लिए, शोधकर्ताओं ने रीइन्फोर्समेंट लर्निंग (Reinforcement Learning) नामक तकनीक का उपयोग किया।

उपमा: कल्पना कीजिए कि एक डांस इंस्ट्रक्टर मक्खी को चलना सिखा रहा है। पहले, वे मक्खी को एक विशेषज्ञ डांसर को देखते हुए सीखने देते हैं (इमिटेशन लर्निंग) ताकि वह बुनियादी लय पकड़ सके। फिर, वे उसे अपने आप अभ्यास करने देते हैं, और जब वह सीधा चलता है तो उसे "हाई फाइव" (पुरस्कार) देते हैं और जब वह गिर जाता है तो "टाइम-आउट" (दंड) देते हैं।
परिणाम: मक्खी ने चलना, मुड़ना और उड़ना सीख लिया। महत्वपूर्ण बात यह है कि इसने "नकली, रैंडम दिमागों" वाली मक्खियों की तुलना में तेजी से और बेहतर सीखा।

4. यह क्यों काम कर गया: "असली वायरिंग" की शक्ति

शोधकर्ताओं ने अपने "रियल वायरिंग" वाले मस्तिष्क का परीक्षण तीन अन्य प्रकार के मस्तिष्कों के विरुद्ध किया:

एक रैंडम मस्तिष्क (A Random Brain): एक ऐसा मस्तिष्क जिसमें न्यूरॉन्स की संख्या तो समान है, लेकिन सड़कें उन्हें रैंडम तरीके से जोड़ती हैं (जैसे एक ऐसा शहर जहाँ हर घर एक दूसरे शहर के किसी भी रैंडम घर से जुड़ा हो)।
एक "शफल किया हुआ" मस्तिष्क (A "Shuffled" Brain): एक ऐसा मस्तिष्क जहाँ प्रत्येक घर से निकलने वाली सड़कों की संख्या तो समान है, लेकिन उनके गंतव्य आपस में मिले-जुले हैं।
एक मानक कंप्यूटर मस्तिष्क (A Standard Computer Brain): एक जेनेरिक, हाथ से बनाया गया कंप्यूटर नेटवर्क (AI बनाने का सामान्य तरीका)।

निष्कर्ष:

रियल वायरिंग (Real Wiring) वाला फ्लाई चैंपियन रहा। इसने सीधा चला, सुचारू रूप से मुड़ा और कम प्रयासों में कार्यों को सीख लिया।
रैंडम और शफल किए गए मस्तिष्क संघर्ष करते रहे। रैंडम मस्तिष्क मुड़ने में इतना बुरा था कि वह नियंत्रण खोकर घूमने लगा (जैसे बिना स्टीयरिंग अलाइनमेंट वाली कार)।
सबक: फल मक्खी के मस्तिष्क की विशिष्ट वायरिंग रैंडम नहीं है। यह शरीर को नियंत्रित करने के लिए विकास (evolution) द्वारा पूरी तरह से अनुकूलित (optimized) की गई है। इस विशिष्ट "ट्रैफिक पैटर्न" की नकल करके, AI को पहिए का पुन: आविष्कार करने की आवश्यकता नहीं पड़ी; उसे बस कार चलाना सीखना था।

5. मस्तिष्क के अंदर क्या हुआ?

शोधकर्ताओं ने काम करते समय डिजिटल मस्तिष्क के भीतर झाँका। उन्होंने पाया कि भले ही उन्होंने विशिष्ट हिस्सों को "सेंसरी" या "मोटर" के रूप में प्रोग्राम नहीं किया था, फिर भी मस्तिष्क स्वाभाविक रूप से खुद को व्यवस्थित करने में सक्षम था।

उपमा: यह कमरे में मौजूद लोगों के एक समूह की तरह है जिन्हें यह नहीं बताया गया कि नेता कौन है या सुनने वाला कौन है। लेकिन जिस तरह से वे बैठे हैं और जुड़े हुए हैं, वे स्वाभाविक रूप से भूमिकाएं निभा लेते हैं: कुछ बाहरी दुनिया को सुनते हैं, कुछ आपस में बातें करते हैं, और कुछ पैरों को निर्देश चिल्लाते हैं। "वायरिंग" ने मस्तिष्क को विशिष्ट कार्य (specialization) करने के लिए मजबूर किया।

सारांश

यह शोध पत्र दिखाता है कि यदि आप एक बुद्धिमान रोबोट बनाना चाहते हैं जो किसी जीवित प्राणी की तरह चलता है, तो केवल एक जेनेरिक दिमाग न बनाएं। इसके बजाय, एक वास्तविक जानवर का वास्तविक जैविक वायरिंग डायग्राम लें, उसे अपने रोबोट में लगाएं, और उसे सीखने दें। यह स्पष्ट है कि प्रकृति का ब्लूप्रिंट हमारे द्वारा बनाए गए किसी भी खाली कागज (blank sheet) की तुलना में एक बहुत बेहतर शुरुआती बिंदु है।

उन्होंने क्या दावा नहीं किया:

उन्होंने यह नहीं कहा कि इससे मानव रोगों का इलाज होगा।
उन्होंने यह नहीं कहा कि इससे कल आपके फर्श पर चलने वाले असली रोबोट बनेंगे।
उन्होंने यह दावा नहीं किया कि यह सभी जानवरों के लिए काम करता है, केवल यह कि उन्होंने सफलतापूर्वक एक फल मक्खी सिमुलेशन पर इसका परीक्षण किया।

मुख्य संदेश सरल है: गति के लिए प्रकृति का वायरिंग डायग्राम, हमारे द्वारा बनाए गए किसी भी आविष्कार की तुलना में एक बेहतर "निर्देश पुस्तिका" (instruction manual) है।

तकनीकी सारांश: संपूर्ण-शरीर लोकोमोशन नियंत्रण के लिए फ्लाई-कनेक्टोमिक ग्राफ मॉडल (Fly-connectomic Graph Model)

समस्या विवरण (Problem Statement)

समन्वित संपूर्ण-शरीर गति (coordinated whole-body movement) का नियंत्रण आर्टिफिशियल इंटेलिजेंस और तंत्रिका विज्ञान (neuroscience) दोनों में एक साझा चुनौती है। जबकि डीप रिइन्फोर्समेंट लर्निंग (RL) ने जटिल गतिविधियों में सक्षम नियंत्रक (controllers) विकसित किए हैं, ये सिस्टम आमतौर पर हस्तनिर्मित न्यूरल आर्किटेक्चर (जैसे, मल्टीलेयर पर्सेप्ट्रॉन्स) पर निर्भर करते हैं जो जैविक सर्किटों से काफी भिन्न होते हैं, जिससे व्याख्यात्मकता (interpretability) सीमित हो जाती है और वास्तविक तंत्रिका तंत्रों से गणनाओं को जोड़ना कठिन हो जाता है। इसके विपरीत, जबकि संपूर्ण-मस्तिष्क कनेक्टोमिक्स (जैसे, फ्लाईवायर प्रोजेक्ट) न्यूरल कनेक्टिविटी के उच्च-रिज़ॉल्यूशन मानचित्र प्रदान करता है, इस डेटा का उपयोग करने वाले अधिकांश मौजूदा मॉडल विशिष्ट उपप्रणालियों या सरल व्यवहारों तक ही सीमित हैं। यह कार्य उस मौलिक चुनौती को संबोधित करता है जहाँ स्थिर संपूर्ण-मस्तिष्क कनेक्टोम्स को गतिशील, कार्यात्मक नियंत्रकों में बदलना है जो एक भौतिक वातावरण में उच्च-आयामी, एम्बोडीड लोकोमोशन (embodied locomotion) को प्रबंधित कर सकें।

कार्यप्रणाली: फ्लाई-कनेक्टोमिक ग्राफ मॉडल (FlyGM)

लेखक FlyGM को पेश करते हैं, जो एक न्यूरल नेटवर्क कंट्रोलर है जिसका आर्किटेक्चर एक वयस्क Drosophila (फ्रूट फ्लाई) के संपूर्ण-मस्तिष्क कनेक्टोम से सीधे तौर पर निर्मित है। यह मॉडल एक भौतिक-आधारित सिमुलेशन (MuJoCo का flybody) के भीतर एक निर्देशित संदेश-पारगमन ग्राफ (directed message-passing graph) के रूप में कार्य करता है।

1. ग्राफ निर्माण और जैविक आधार (Graph Construction and Biological Grounding)

कनेक्टोम एक ग्राफ के रूप में: मॉडल कनेक्टोम को एक निर्देशित सिनैप्टिक ग्राफ $G=(V, E)$ के रूप में मानता है, जहाँ नोड्स न्यूरॉन्स का प्रतिनिधित्व करते हैं और किनारे (edges) सिनैप्टिक कनेक्शन का प्रतिनिधित्व करते हैं।
कार्यात्मक विभाजन (Functional Partitioning): न्यूरोफिजियोलॉजिकल कार्य के आधार पर न्यूरॉन्स को तीन विलगित (disjoint) समूहों में विभाजित किया गया है:
- अफेरेंट ( $V_a$ ): बाहरी संवेदी इनपुट प्राप्त करते हैं।
- इंट्रिन्सिक ( $V_i$ ): आंतरिक सिग्नल प्रोसेसिंग को सुगम बनाते हैं।
- एफेरेंट ( $V_e$ ): शरीर के मॉडल को मोटर आउटपुट प्रदान करते हैं।
भारित किनारे (Weighted Edges): सिनैप्टिक भार (weights) शून्य से सीखे नहीं जाते, बल्कि जैविक डेटा से प्राप्त होते हैं। भार $W_{vu}$ को शुद्ध ध्रुवीकृत सिनैप्टिक गणना ( $N_{exc} - N_{inh}$ ) के रूप में गणना की जाती है, जो उत्तेजक (ACh, GLU, आदि) और निरोधात्मक (GABA, GLY, आदि) न्यूरोट्रांसमीटर के बीच अंतर करती है। यह जैविक सिग्नल प्रसार की संकेत-संरक्षण (sign-preserving) या संकेत-प्रतिवर्ती (sign-reversing) प्रकृति को बनाए रखता है।
इंट्रिन्सिक डिस्क्रिप्टर्स: सेल-विशिष्ट गुणों (जैसे उत्तेजता) को पकड़ने के लिए, जो स्थिर वायरिंग में मौजूद नहीं हैं, प्रत्येक न्यूरॉन को एक प्रशिक्षित इंट्रिन्सिक डिस्क्रिप्टर वेक्टर $\eta_v$ सौंपा जाता है।

2. कम्प्यूटेशनल प्रवाह (Computational Flow)

नियंत्रण लूप इस प्रकार चलता है:

इनपुट एनकोडिंग: संवेदी अवलोकनों ( $x_t$ ) को एक हल्के वजन वाले एनकोडर द्वारा एनकोड किया जाता है और एक गेटिंग मैप के माध्यम से अफेरेंट न्यूरॉन्स में इंजेक्ट किया जाता है।
संदेश पारगमन (Message Passing): नेटवर्क की स्थिति $H_t$ को एक फिक्स्ड कनेक्टोम वेट मैट्रिक्स $W$ का उपयोग करके एक लीनियर ऑपरेटर के माध्यम से अपडेट किया जाता है ( $M_t = WH_t$ ), जो सिनैप्टिक एकत्रीकरण (aggregation) का अनुकरण करता है।
स्टेट अपडेट: न्यूरॉन अवस्थाओं को एक साझा मल्टीलेयर पर्सेप्ट्रॉन (MLP) का उपयोग करके अपडेट किया जाता है, जो एकत्रित संदेश और न्यूरॉन के इंट्रिन्सिक डिस्क्रिप्टर पर आधारित होता है: $H_{t+1}[v] = f_\psi([M_t[v] \parallel \eta_v])$ ।
एक्शन डिकोडिंग: अपडेटेड एफेरेंट अवस्थाओं को समतल (flattened) किया जाता है और बायोमैकेनिकल फ्लाई मॉडल को चलाने के लिए निरंतर मोटर क्रियाओं ( $a_t$ ) में डिकोड किया जाता है।

3. प्रशिक्षण पाइपलाइन (Training Pipeline)

मॉडल को दो-चरणीय दृष्टिकोण का उपयोग करके प्रशिक्षित किया जाता है:

इमिटेशन लर्निंग (IL): एक पूर्व-प्रशिक्षित MLP कंट्रोलर द्वारा उत्पन्न विशेषज्ञ प्रक्षेप पथों (expert trajectories) का अनुकरण करके पॉलिसी को इनिशियलाइज़ किया जाता है। लॉस फंक्शन कुलबैक-लीब्लर डायवर्जेंस (Kullback-Leibler divergence) को एक एनेल्ड मीन स्क्वेर्ड एरर (MSE) रेगुलराइज़र के साथ जोड़ता है ताकि एक्शन डिस्ट्रीब्यूशन से मेल खा सके।
रिइन्फोर्समेंट लर्निंग (RL): मॉडल को टास्क रिवार्ड्स को सीधे अनुकूलित करने के लिए प्रॉक्सिमल पॉलिसी ऑप्टिमाइजेशन (PPO) का उपयोग करके फाइन-ट्यून किया जाता है, जिससे यह कनेक्टोम के स्ट्रक्चरल इंडक्टिव बायस को बनाए रखते हुए विशिष्ट डायनेमिक्स के अनुकूल हो पाता है।

मुख्य योगदान (Key Contributions)

कनेक्टोम-स्ट्रक्चर्ड आर्किटेक्चर: एक एम्बोडीड एजेंट के लिए डायनेमिक, ग्राफ-स्ट्रक्चर्ड न्यूरल कंट्रोलर के रूप में संपूर्ण-मस्तिष्क Drosophila कनेक्टोम का पहला इंस्टेंशिएशन।
विविध एम्बोडीड लोकोमोशन: गेट इनीशिएशन, स्ट्रेट वॉकिंग, टर्निंग और फ्लाइट सहित कई कार्यों के लिए एक हाई-फिडेलिटी बायोमैकेनिकल फ्रूट फ्लाई के सफल नियंत्रण का प्रदर्शन।
स्ट्रक्चरल इंडक्टिव बायस का प्रमाण: यह प्रदर्शन कि जैविक कनेक्टोम, रैंडम ग्राफ, डिग्री-प्रिजर्विंग रीवाइर्ड ग्राफ और मानक MLPs की तुलना में एक बेहतर स्ट्रक्चरल प्रायर (structural prior) प्रदान करता है, जिससे उच्च सैंपल एफिशिएंसी और बेहतर प्रदर्शन मिलता है।

प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने FlyGM का तीन बेसलाइन के विरुद्ध मूल्यांकन किया: एक डिग्री-प्रिजर्विंग रीवाइर्ड ग्राफ, एक एर्डोस-रेनी रैंडम ग्राफ, और एक डीप MLP (जिसमें FlyGM से अधिक पैरामीटर हैं)।

सैंपल एफिशिएंसी (Sample Efficiency): इमिटेशन लर्निंग चरण के दौरान, FlyGM तेजी से अभिसरित (converged) हुआ और सभी बेसलाइन की तुलना में कम ट्रेनिंग लॉस और एक्शन-मीन MSE प्राप्त किया, जो दर्शाता है कि जैविक वायरिंग विशेषज्ञ प्रक्षेप पथों के साथ अधिक कुशलता से मेल खाती है।
कंट्रोल परफॉरमेंस (Control Performance): विभिन्न गति और यॉ रेट (yaw rates) के तहत, FlyGM ने लगातार सबसे कम एंगल एरर प्राप्त किया।
- उच्च-जटिलता वाले टर्निंग कार्यों (उच्च यॉ) में, डिग्री-प्रिजर्विंग रीवाइर्ड ग्राफ में महत्वपूर्ण गिरावट देखी गई (एंगल एरर 8.29° के मुकाबले 13.55° तक बढ़ गया)।
- एर्डोस-रेनी रैंडम ग्राफ उच्च यॉ पर पूरी तरह विफल रहा (125.36°)।
- MLP, अधिक पैरामीटर होने के बावजूद, सभी स्थितियों में एंगल एरर के मामले में लगातार FlyGM से पीछे रहा।
जनरलाइजेशन (Generalization): एकल पॉलिसी सफलतापूर्वक वॉकिंग से फ्लाइट तक सामान्यीकृत (generalize) हुई, बिना किसी टास्क-विशिष्ट ट्यूनिंग के विंग-बीट पैटर्न को नियंत्रित किया।
न्यूरल रिप्रेजेंटेशन: आंतरिक डायनेमिक्स के विश्लेषण से पता चला कि कार्यात्मक पृथक्करण (सेन्सरी, सेंट्रल और मोटर आबादी के बीच अंतर) ग्राफ के स्ट्रक्चरल कंस्ट्रेंट्स द्वारा संचालित होकर स्वाभाविक रूप से उभरा। यह विभेदन रैंडम ग्राफ बेसलाइन में अनुपस्थित था।

महत्व और दावे (Significance and Claims)

यह पेपर दावा करता है कि FlyGM "जैविक रूप से सूचित तरीके" (biologically informed way) को प्रदर्शित करता है जिससे प्रभावी कंट्रोल पॉलिसी को डिजाइन किया जा सकता है, जो पूरे-मस्तिष्क वायरिंग सिद्धांतों को एक्शन योग्य आर्किटेक्चरल प्रायर्स में बदल देता है।

स्थिर से गतिशील तक (From Static to Dynamic): यह कार्य दिखाता है कि स्थिर शारीरिक मानचित्र (कनेक्टोम्स) को क्लोज्ड-लूप कंट्रोल के लिए कार्यात्मक नेटवर्क के रूप में सीधे स्थापित किया जा सकता है, जो न्यूरोमैकेनिक्स और एम्बोडीड इंटेलिजेंस के बीच के अंतर को पाटता है।
व्याख्यात्मकता (Interpretability): अपने कंट्रोलर को जैविक वायरिंग पर आधारित करके, मॉडल डायनेमिक इंफॉर्मेशन फ्लो विश्लेषण के माध्यम से व्याख्यात्मकता में सुधार करता है, जिससे यह पता चलता है कि संवेदी अवलोकन और मोटर इरादे कैसे प्रसारित होते हैं।
नेचर-अलाइन्ड AI (Nature-Aligned AI): लेखक तर्क देते हैं कि यह दृष्टिकोण जेनेरिक न्यूरल आर्किटेक्चर के लिए एक व्यवस्थित विकल्प प्रदान करता है, जो संभावित रूप से स्पष्टीकरण क्षमता (explainability), डेटा दक्षता और सामान्यीकरण (generalizability) में सुधार कर सकता है। यह उन कम्प्यूटेशनल प्लेटफॉर्म के रूप में कार्य करता है जो पशु व्यवहार के अंतर्निहित सेंसरिमोटर रूपांतरणों की जांच करने और प्राकृतिक जैविक सिद्धांतों के साथ अधिक संरेखित बुद्धिमान प्रणालियों को विकसित करने में मदद करता है।

लेखक विनम्रतापूर्वक सीमाओं का उल्लेख करते हैं, जिसमें अधिक विस्तृत कनेक्टोम डेटा (जैसे, अपडेटेड सिनैप्स डिटेक्शन) की आवश्यकता, MLPs की तुलना में प्रति स्टेप उच्च कम्प्यूटेशनल लागत, और वर्तमान में व्यापक व्यवहार डोमेन के बजाय केवल लोकोमोशन पर ध्यान केंद्रित करना शामिल है।