バーチャルブレイン - finm137.wiki【9/14更新】

バーチャルブレイン

概要

バーチャルブレイン（Virtual Brain）とは、
脳・神経系の構造や活動をコンピュータ上で再現し、
入力・記憶・学習・意思決定・運動などをシミュレーションする考え方である。

単純なLLMとは目的が異なり、

• 視覚
• 聴覚
• 嗅覚
• 身体感覚
• 内部状態
• 記憶
• 行動選択
• 運動制御

などを組み合わせ、
「身体を持って行動する人工生命・人工神経系」を構築する方向にも発展できる。

なお、「Virtual Brain」という一般的な呼称とは別に、
人間の脳ネットワークをシミュレーションする実在の研究用ソフトウェア
「The Virtual Brain（TVB）」も存在する。

The Virtual Brain

The Virtual Brain（TVB）は、
人間の脳の構造的・機能的データを利用して、
脳領域単位の活動をシミュレーションする研究プラットフォームである。

TVBでは、
個々のニューロンをすべて完全再現するのではなく、
多数のニューロンをまとめた「神経集団」の活動をモデル化する。

主な用途は、

• 脳ネットワークシミュレーション
• 構造コネクトーム解析
• 神経活動の時間変化
• EEG・MEG・fMRIなどとの比較
• 疾患モデル
• Digital Twin Brain研究

などである。

TVBの主要ライブラリはPythonで利用できる。

インストール例：

pip install tvb-library
pip install tvb-framework
 

バーチャルブレインとLLMの違い

LLMは主として文章やトークン系列を処理する大規模ニューラルネットワークである。

一方、バーチャルブレインでは、

感覚入力
↓
神経活動
↓
内部状態
↓
記憶
↓
行動選択
↓
運動出力

という身体を含んだループを作ることができる。

そのため、

LLM＝言語・推論モジュール

Virtual Brain＝身体・感覚・記憶・行動を含む全体システム

という構成も考えられる。

LLMをバーチャルブレイン内部の
「言語処理モジュール」として使用することも可能である。

ハエ脳コネクトーム

FlyWire

FlyWireは、
ショウジョウバエ（Drosophila melanogaster）の脳を
電子顕微鏡画像から再構築したコネクトームプロジェクトである。

2024年にNatureで公開された成虫メスの全脳コネクトームでは、

• ニューロン：139,255個
• 化学シナプス：約5,450万個

が再構築された。

公開データセットとして
FAFB v783が存在する。

Codexでは、

• ニューロン情報
• 細胞分類
• シナプス接続
• 神経伝達物質予測
• 神経領域
• 3D形状
• 接続ネットワーク

などを閲覧・ダウンロードできる。

注意

FlyWireからダウンロードできるものは、
「意識を持ったハエの脳そのもの」ではない。

主に、

• ニューロン一覧
• シナプス接続
• 神経細胞の形状
• 細胞分類
• 神経伝達物質
• 座標
• 脳領域

などを記録した「配線図」である。

そのため、
そのまま読み込んでもハエが自律的に動き始めるわけではない。

実際に活動させるには、

• LIF
• Hodgkin-Huxley
• スパイキングニューラルネットワーク
• 独自神経モデル

などを使用して、
神経活動そのものをシミュレーションする必要がある。

MaleCNS

Janelia Research Campusでは、
オスのショウジョウバエの中枢神経系を再構築した
MaleCNSも公開されている。

MaleCNSには、

• 脳
• 神経索
• 感覚入力
• 運動系
• descending neuron
• ascending neuron

などが含まれる。

FlyWireのFAFBが主に「脳」であるのに対し、
MaleCNSは身体制御研究にも利用しやすい。

MaleCNS v1.0では、

• neuron annotations
• connectivity
• synapses
• skeletons
• segmentation
• Neuroglancer用データ

などが公開されている。

PythonからはneuPrintを利用して検索できる。

例：

pip install neuprint-python
 

Pythonではneuprint-pythonのClientを使用し、
MaleCNS v1.0データセットへ接続する。

APIトークンはneuPrint側で取得する必要がある。

ハエ脳データを入手する方法

FlyWire FAFB v783

FlyWireの公式データは
Codexの「Download Data」から入手できる。

FAFB v783を選択すると、
解析用のCSVデータなどをダウンロードできる。

代表的なファイル：

• neurons.csv.gz
• connections_princeton.csv.gz
• classification.csv.gz
• consolidated_cell_types.csv.gz
• coordinates.csv.gz
• labels.csv.gz

特に重要なのは、

neurons.csv.gz
→ ニューロン情報

connections_princeton.csv.gz
→ ニューロン間の接続情報

である。

FlyWire公式資料では、
大量のプログラムによる問い合わせより、
Codexが提供する静的ダウンロードファイルの利用が推奨されている。

データセットによっては、
FlyWireへのログインや利用条件への同意が必要になる場合がある。

Pythonで読み込む例

Codexからダウンロードしたファイルを
同じフォルダに置いた場合：

import pandas as pd
 
neurons = pd.read_csv("neurons.csv.gz")
connections = pd.read_csv("connections_princeton.csv.gz")
 
print(neurons.head())
print(connections.head())
 
print("neurons:", len(neurons))
print("connections:", len(connections))
 

接続グラフへ変換

import pandas as pd
import networkx as nx
 
connections = pd.read_csv("connections_princeton.csv.gz")
 
G = nx.from_pandas_edgelist(
    connections,
    source="pre_root_id",
    target="post_root_id",
    edge_attr=True,
    create_using=nx.DiGraph()
)
 
print("nodes:", G.number_of_nodes())
print("edges:", G.number_of_edges())
 

※Codexの公開ファイルは更新される場合があるため、
実際の列名はダウンロードしたCSVを確認すること。

ハエ脳を実際に動かす

コネクトームは接続情報なので、
各ニューロンに活動モデルを与える必要がある。

簡単な例として、
Leaky Integrate-and-Fire（LIF）がある。

概念：

入力
↓
ニューロン膜電位
↓
閾値を超える
↓
発火
↓
接続先へ信号
↓
次のニューロンが活動

FlyWire v783を利用した
LIFベースの実験的シミュレーションプロジェクトも公開されている。

ただし、
「FlyWireコネクトームをLIFで動かした」
ことと、

「本物のハエ脳を完全再現した」

ことは同じではない。

実際の神経系には、

• ニューロン固有の電気特性
• 神経伝達物質
• ホルモン
• neuromodulator
• sensory feedback
• 筋肉
• 身体構造

なども関係する。

ハエノイドリグ

ハエノイドリグ（Flynoid Rig）とは、
ハエの神経系や運動出力を、
仮想アバターへ対応させることを目的とした
独自リグ構想である。

※既存の公式規格ではなく、本Wiki上で提案する設計概念。

一般的なHumanoid Rigは、

• 頭
• 左右の腕
• 左右の脚
• 人間型骨盤
• 人間型肩関節

を前提としている。

しかし、ハエは人間と身体構造が大きく異なる。

そのためハエ脳をHumanoid Rigへ直接対応させると、

6本脚 → 2本脚＋2本腕

翅 → 対応部位なし

触角 → 対応部位なし

昆虫型胸部 → 人間型胸郭

という大きな変換が必要になる。

そこで、
ハエの身体構造を維持した専用リグを使用する。

基本骨格案

Flynoid_Root
|

1. • • Head

| +-- Antenna_L
| +-- Antenna_R
|

1. • • Thorax

| +-- FrontLeg_L
| +-- FrontLeg_R

| +-- MiddleLeg_L
| +-- MiddleLeg_R

| +-- HindLeg_L
| +-- HindLeg_R

| +-- Wing_L
| +-- Wing_R
|

1. • • Abdomen

脚

ハエの脚は3対存在する。

• 前脚
• 中脚
• 後脚

そのため、
左右合わせて6本の脚を独立して制御できる構造にする。

各脚は例として、

Coxa
↓
Femur
↓
Tibia
↓
Tarsus

などの段階を持たせる。

簡略化したマスコット用では、
関節数を減らすことも可能である。

翅

左右の翅を独立したBoneとして持つ。

Wing_L
Wing_R

へ、

• flapping
• angle
• amplitude

などを割り当てる。

触角

触角は単なる装飾ではなく、
感覚入力用インターフェースとして扱うこともできる。

例：

Antenna_L
→ 左側感覚入力

Antenna_R
→ 右側感覚入力

複眼

複眼そのものをBoneにする必要はないが、
視覚入力を複数方向へ分割して
神経シミュレーションへ入力できる。

例：

FrontVision
LeftVision
RightVision
UpVision
DownVision

ハエノイドリグとハエ脳の接続

構想例：

FlyWire
↓
Connectome Graph
↓
Neural Simulator
↓
Motor Neuron Decoder
↓
Flynoid Controller
↓
Flynoid Rig
↓
仮想身体

運動ニューロンやdescending neuronの活動を
直接Bone角度へ送るのではなく、

神経活動
↓
行動意図
↓
歩行コントローラー
↓
関節制御

のような中間層を設ける方が扱いやすい。

例：

class FlynoidCommand:
    walk_forward = 0.0
    turn = 0.0
    fly = 0.0
    wing_power = 0.0
    antenna_left = 0.0
    antenna_right = 0.0
 

}

この値をUnity・Godot・Blenderなどへ送る。

オリジナル仮想生物脳

実在する動物脳を使用せず、
完全に人工的な仮想神経系を作ることも可能である。

これは、

「仮想脳版プラモデル」

として設計できる。

例：

Virtual Beast Brain

1. • • Vision
     • Hearing
     • Smell
     • Touch
     • BodySense
     • Memory
     • Motivation
     • ActionSelection
     • MotorCortex
     • TailController
     • EarController
     • Speech

この場合、
脳と身体を同時に設計できる。

たとえば獣人なら、

• 2本腕
• 2本脚
• 尻尾
• 可動耳
• マズル
• 嗅覚
• 四足移動
• 二足移動

を最初から前提にした仮想脳を作れる。

実在する猫脳などを無理に
Humanoid Rigへ変換する必要がなくなる。

仮想脳版プラモデル

モジュール形式にすれば、
生物ごとに脳を組み替えられる。

例：

[Vision Module]

       |

[Spatial Module]

       |

[Memory Module]

       |

[Decision Module]

       |

[Motor Module]

       |

[Creature Rig]

追加パーツ：

• Wing Module
• Tail Module
• Smell Module
• Night Vision Module
• Echolocation Module
• Quadruped Module
• Biped Module
• Speech Module

このように、
脳領域をパーツとして組み合わせる構想が可能である。

使用できるプログラミング言語

Python

現状では最も扱いやすい。

理由：

• FlyWire関連ツールが豊富
• neuPrintが利用可能
• pandas
• NumPy
• SciPy
• NetworkX
• Brian2
• Nengo
• TVB
• PyTorch

などを利用できる。

研究・試作ではPythonを中心にするのが現実的。

C++

高速な神経シミュレーションエンジンを自作する場合に向いている。

用途：

• 大規模ニューロン更新
• リアルタイム実行
• GPU連携
• 独自物理
• VRアプリ
• 高速I/O

など。

初期開発ではPythonでアルゴリズムを作り、
速度が必要な部分だけC++へ移す方法もある。

CUDA

大量のニューロンやシナプスをGPUで並列計算する場合に利用できる。

ただし、
最初からCUDA実装する必要はない。

まずCPU上で正しく動くモデルを作り、
ボトルネックが確認できてからGPU化する方が安全である。

R

Drosophila connectomicsでは
Rのnatverse系ツールも広く利用されている。

神経形態解析やコネクトーム解析に使用できる。

C#

Unityと接続する場合に利用できる。

Python/C++側：

Virtual Brain
↓
通信
↓
Unity C#
↓
Flynoid Rig

という構成が可能。

神経シミュレーション用ソフト

Brian2

Pythonベースの
スパイキングニューラルネットワークシミュレータ。

インストール：

pip install brian2
 

比較的小規模な神経回路を自作する場合に扱いやすい。

Nengo

Pythonで大規模な神経モデルを構築できる。

インストール：

pip install nengo nengo-gui
 

Nengoでは、

• Ensemble
• Node
• Connection
• Probe
• Network

などを組み合わせて
認知モデルを構築できる。

Semantic Pointer Architectureを使った
認知モデル研究にも利用されている。

The Virtual Brain

脳領域単位の
大規模ネットワークシミュレーションに向いている。

インストール：

pip install tvb-library
 

NetworkX

コネクトームを
グラフとして解析する場合に便利。

pip install networkx
 

推奨開発構成

最初の試作では、

Python
|

1. • • pandas
     • NumPy
     • NetworkX
     • Brian2 または Nengo

|

1. • • FlyWireデータ

|

1. • • Virtual Brain Engine

|

1. • • Motor Decoder

|

1. • • Flynoid Rig

という構成が扱いやすい。

リアルタイム性能が必要になった場合、

Python
↓
C++ Engine
↓
CUDA

へ一部を移植する。

最初に作るべきもの

いきなり139,255ニューロンすべてをリアルタイム再現するより、
小規模な回路から始める方が良い。

例：

視覚入力
↓
左右判定
↓
行動選択
↓
6脚歩行
↓
報酬
↓
学習

まず、

• 対象へ近づく
• 障害物を避ける
• 左右へ曲がる
• 歩く
• 飛ぶ

程度を作る。

その後、

• 記憶
• 学習
• 好奇心
• 空腹
• 警戒
• 社会行動
• 会話AI

などを追加する。

注意点

コネクトーム＝脳そのものではない

コネクトームは主に「配線図」である。

接続構造が分かっても、

• 各細胞の電気特性
• 神経伝達物質
• neuromodulator
• 内分泌
• 身体フィードバック
• 発達
• 学習履歴

などを完全に再現したことにはならない。

ハエ脳シミュレーション＝意識再現ではない

現在公開されているFlyWireデータを
神経シミュレータで動かしても、

「本物のハエの意識を復元した」

と証明されたわけではない。

あくまで、
実際の神経接続を利用した計算モデルである。

ハエノイドリグは独自構想

ハエノイドリグは、
FlyWireやJaneliaが公式に提唱している規格ではない。

ハエの神経系と
仮想身体を対応させるための
独自設計案である。

今後の発展

バーチャルブレインは、
単純なチャットAIとは異なる方向へ発展する可能性がある。

例：

• 仮想動物
• 仮想昆虫
• 仮想獣人
• ロボット制御
• VRChatアバター
• 人工生命
• Digital Twin Brain
• 神経科学シミュレーション
• embodied AI

将来的には、

LLM

Virtual Brain

Virtual Body

という構成によって、

「話すだけではなく、
見る・覚える・移動する・学習する人工生物」

を作る研究へ発展する可能性がある。

関連項目

• 人工知能
• 生成AI
• LLM
• 人工生命
• コネクトーム
• FlyWire
• VRChat
• Blender