模拟生命体，智源线虫登上Nature子刊封面，探索AGI的第三条路径

机器之心

2024-12-25 11:56发布于北京机器之心官方账号

机器之心发布

机器之心编辑部

智源研究院提出了 BAAIWorm 天宝 -- 一个全新的、基于数据驱动的生物智能模拟系统，首次实现秀丽线虫神经系统、身体与环境的闭环仿真。BAAIWorm 天宝通过构建线虫的精细神经系统、身体和环境模型，为探索大脑与行为之间的神经机制提供重要研究平台。

2024 年 12 月 16 日，智源研究院理事长黄铁军和生命模拟研究中心马雷等共同关于 BAAIWorm 天宝的重要进展在国际著名科学期刊《自然・计算科学》（Nature Computational Science）上发表，并于 12 月 21 日被选为期刊封面故事。

图片

BAAIWorm 天宝的重要创新之处在于其不仅关注神经系统的建模，还将身体与环境纳入考量，形成一个闭环系统，通过模拟线虫的行为，探索神经结构如何影响智能行为。这一工作不仅为研究生物智能提供了新的平台，也为具身智能理论的进一步发展和人工智能领域的应用奠定了基础。

伦敦大学学院 Padraig Gleeson（OpenWorm 团队，本文审稿人之一）评价 BAAIWorm：“这是一项了不起的成果，它将秀丽线虫的生理学和解剖学信息整合进了一个计算模型。在不同层面呈现了诸多进展，而且各项成果相互融合，构成了一幅条理清晰的图景。我认为，这是一项我们在秀丽线虫建模和理解‘脑 - 身体 - 环境’交互方面的重要进展。”

《自然・计算科学》资深编辑 Ananya Rastogi 指出：“这项工作让我眼前一亮。动态的机体与环境相互作用以及精细的模拟相结合，使得在闭环系统中研究大脑活动如何影响行为成为可能。”

这一成果的另一审稿人表示：“这项研究为我们从整体上理解神经系统建立了新的研究范式。传统的神经科学研究往往侧重于分离和理解神经系统或大脑的特定方面。然而，通过综合这些细节全面理解整个生物体仍然是一项挑战。这项研究引入了一种很有前景的方法：尝试构建一个完整的生物体模拟。”

  • Nature 文章链接：
    https://www.nature.com/articles/s43588-024-00738-w
  • Research Briefing 链接：
    https://www.nature.com/articles/s43588-024-00740-2
  • BAAIWorm GitHub 地址：
    https://github.com/Jessie940611/BAAIWorm

一、BAAIWorm 天宝对于具身智能研究的意义

近年来，随着神经科学和人工智能技术的深度交叉融合，研究者们越来越多地尝试通过构建生物体模型来理解神经系统与行为之间的关系，并推动具身智能的研究。国际上的个别研究机构在这一领域取得了显著进展。

2022 年，瑞士洛桑联邦理工学院（EPFL）发布了 NeuroMechFly，一个基于果蝇的神经 - 机械耦合模型，用以研究神经系统如何驱动行为，相关成果发表于《Nature Methods》[1]。

2024 年，EPFL 进一步发布了 NeuroMechFly v2，对该模型进行了优化，进一步提高了神经 - 身体交互的功能性 [2]。

与此同时，DeepMind 也在推动生物智能模拟方面迈出了重要步伐，2020 年初步发布了 Virtual Rodent，该模型通过模拟啮齿动物的大脑与身体运动，推动了对生物智能的理解。2024 年，DeepMind 在《Nature》上发布了 Virtual Rodent 的更新版，进一步提升了该模型在神经网络和行为模拟方面的能力 [3]。

生物智能无疑是人工智能研究的源头。BAAIWorm 天宝通过高精度还原和模拟生物智能，为理解和探索生物启发的具身智能的核心机制提供了重要的实验平台。

通过将大脑、身体和环境的互动整合到一个闭环系统中，BAAIWorm 天宝展示了神经系统如何通过与身体及环境的协同作用，产生复杂而高效的行为。这一研究不仅加深了对生物智能的理解，也为开发具有类似感知与运动能力的人工具身智能系统提供了新的视角。

二、BAAIWorm 天宝介绍

在秀丽隐杆线虫中，运动、觅食等行为是由其神经回路、肌肉生物力学和实时环境反馈之间的协调互动驱动的。然而，传统的模型往往将神经系统或身体环境孤立开来，未能捕捉到支撑复杂行为的整体 “大脑 - 身体 - 环境” 交互。在生物物理学上精确模拟这种复杂性仍然是一个挑战，这也突显了构建完整的闭环模型的必要性，以连接神经网络、生物力学和环境反馈。

智源研究院生命模拟研究中心旨在开发这样一个闭环的生物物理精细模型（“生命模型”），以精确模拟生物体在神经、生物力学和环境互动中的复杂行为。团队采用可扩展的多层次方法，包括多舱室神经元模型，通过细致模拟神经网络中间隙连接、突触和神经元的活动，生成了生理上准确的神经动态。在这项研究中，团队着手开发一个开源模型 ——BAAIWorm，用于在闭环系统中模拟秀丽隐杆线虫的体现行为。

BAAIWorm（一个集成脑 - 身体 - 环境的模型）作为一个开源模块系统，为研究线虫行为的神经控制机制提供了一个多功能平台。BAAIWorm 基于实验数据，由两个子模型组成：一个是生物物理层面上精细的神经网络模型，模拟秀丽隐杆线虫的神经系统；另一个是根据线虫解剖学构建的身体模型，并被一个可计算的简化 3D 流体环境所包围（见图 1）。

神经网络模型中的每个神经元都被表示为一个多舱室模型，模拟神经元的结构和功能部分（如胞体、神经突），以精确复现秀丽隐杆线虫神经元的电生理特性以及基于实验数据的精细突触和间隙连接结构。

身体模型则结合了 96 个肌肉细胞，这些肌肉细胞基于秀丽隐杆线虫的解剖学，在四个象限中建模，以实现计算对称性。表面级的力模拟了推力和阻力，优化了计算效率，同时反映了生物体在流体环境中的互动特性。

系统也简化模拟了环境中的连续感官输入（如食物浓度梯度）。这些输入会动态影响神经计算，进而驱动肌肉收缩，形成一个闭环反馈系统，形成协调的运动轨迹，能够与真实线虫行为类比（见图 1）。

图片
图 1：BAAIWorm 天宝是一个具身秀丽隐杆线虫仿真平台。BAAIWorm 天宝将一个生物物理层面非常精细的神经网络模型与一个生物力学身体和三维环境整合在一个闭环系统中，进行感官刺激和肌肉信号的交互。神经网络模型包含了具有精细结构的神经元模型及突触和间隙连接，通过迭代优化模型参数（如连接权重，连接极性等），逼近真实秀丽隐杆线虫的神经动力学特性。身体模型由 3,341 个四面体（作为身体结构的基本建模元素）和 96 个肌肉组成，与三维环境互动，实现实时的运动仿真。

三、BAAIWorm 天宝亮点

1. 世界最高精度线虫神经网络模型

研究团队基于线虫神经元的真实生理特性，构建了一个生物物理层面上的高精度神经网络模型。神经网络模型中的每个神经元都被表示为一个多舱室模型，模拟神经元的结构和功能部分（如胞体、神经突），以精确复现秀丽隐杆线虫神经元的电生理特性以及基于实验数据的精细突触和间隙连接结构。该模型是目前已知首个同时在神经元层面和神经网络层面都具有真实动力学特性的，基于多舱室建模的高精度秀丽隐杆线虫神经网络模型。

图片

2. 身体环境模型

该模型符合生物线虫解剖特性，可精准稳定的追踪和度量三维软体运动。相比于 OpenWorm，在仿真性能和环境尺度等指标上取得了数量级的提升。

图片

3. 高精度神经系统模型与身体环境模型的闭环仿真

BAAIWorm 天宝首次建立了线虫神经网络模型与身体环境模型的闭环交互，模拟线虫通过之字形运动接近食物的行为。环境中的食物浓度刺激感觉神经元，运动神经元驱动肌肉收缩，生成协调的运动轨迹。在这一过程中，研究人员可以通过模拟的方法，实时观察线虫的轨迹、神经活动以及肌肉信号。

图片

通过 BAAIWorm 天宝，可同时观察线虫运动情况与神经网络每个细节的动态情况。


四、BAAIWorm 天宝基于 OpenWorm 的新进展

OpenWorm 是一个开创性的开放科学项目，致力于通过建模秀丽线虫（C. elegans）推进计算生物学的发展。智源研究团队在研究中使用了 OpenWorm 提供的诸多宝贵工具和数据，如细胞模型形态、突触动态及 3D 线虫体信息。基于 OpenWorm，BAAIWorm 天宝在多个关键方面实现了显著的进展，推动了这一领域的进一步发展：

1. 增强版神经网络模型

OpenWorm 提供了许多有价值的神经系统建模工具和标准，如 ChannelWorm 和 c302。然而，BAAIWorm 天宝在以下几个方面进行了显著创新：

a) 单神经元建模：c302 提供了多舱室的神经模型，且所有神经元的参数均统一。然而，BAAIWorm 天宝通过调整五种单神经元模型，使其更精确地拟合电生理数据，确保模型能够准确反映真实的神经动力学。

b) 连接精细程度：在 c302 的多舱室神经模型中，神经元的连接位于胞体上，而 BAAIWorm 天宝则在神经元的神经突（neurite）上建立连接，极大提升了神经元连接的解剖学准确性。

c) 训练：c302 生成的多舱室神经网络模型并没有经过训练，而 BAAIWorm 天宝的神经网络模型则经过了严格的训练，以匹配功能图谱，从而更好地捕捉到复杂且真实的神经动力学。

2. 增强版生物体与环境建模

Sibernetic 是 OpenWorm 项目中用于模拟 C. elegans 物理体动态的物理模拟器。尽管 Sibernetic 的粒子模型在某些任务（如压力计算）上有一定优势，BAAIWorm 天宝的生物体与环境模型在多个方面表现出色：

a) 生物体建模效率：BAAIWorm 天宝的体表数据是基于 Sibernetic 的体表数据进行转换的，但四面体线虫体模型相比 Sibernetic 的粒子模型，元素数量大幅减少，极大提高了性能，同时保持了解剖学的真实性。

b) 3D 环境：借助简化的流体动力学，BAAIWorm 天宝的 3D 仿真场景的规模相比 Sibernetic 提高了两个数量级，从而能够模拟更加复杂和大范围的环境。

c) 仿真：BAAIWorm 天宝采用了投影动力学（projective dynamics）作为形变求解器，相比 Sibernetic 显著缩短了每个迭代步骤的仿真时间。同时，投影动力学在使用较大时间步长时也表现出了较高的稳定性，这使得仿真能够更高效地运行。

d) 可视化：BAAIWorm 天宝采用了实时网格渲染和 GPU 光线追踪技术，不仅带来了更佳的视觉效果，还在保证高性能的前提下，提升了仿真场景的真实感和互动性。

3. 闭环互动

OpenWorm 将 c302 神经网络和 Sibernetic 的生物体模型联合实现了两者的交互，但这种交互是开放式的，缺乏环境对于神经系统的反馈。而这一感觉反馈对生物体在环境中生存来说至关重要，BAAIWorm 天宝通过引入感官反馈，实现了神经网络与生物体模型的闭环互动。这一重要创新能够更全面地理解线虫如何与其环境进行互动、处理感官信息并执行协调的运动。

五、未来展望

智源研究院的生命模拟研究中心通过 BAAIWorm 天宝展示了数字生命体建模的潜力，为进一步理解神经控制机制和智能行为的生成机制提供了全新工具。这一成果基于创新的闭环建模思想，将大脑、身体与环境作为整体进行整合，为构建其他数字生命体积累了宝贵经验。

当前人工通用智能（AGI）研究主要沿三条路径展开：数据驱动的人工神经网络（ANN）模型，如 OpenAI 的 GPT 系列；基于 ANN 的强化学习，如 DeepMind 的 DQN；基于 “结构决定功能” 原则的类脑方法，例如脉冲神经网络（SNN）。

智源研究院积极探索第三条路径，通过类脑建模探索神经网络结构如何驱动智能行为。这一方向不仅致力于研究生物智能，还旨在为通用人工智能的实现提供新思路。在这一路径中，生命模拟研究中心开发的天演平台（eVolution）提供了强大的建模和优化能力。该平台通过整合详实的生物数据和微调模型参数，实现模型的 “电子进化”（electronic-evolution），在通往 AGI 的探索中开辟了独特路径。

除了 BAAIWorm 天宝，智源研究院还在开发 OpenComplex（一个开源蛋白质或 RNA 建模平台）和 BAAIHeart（亚细胞层级的高精度心脏建模）。

通过在生命的多个尺度领域研究的协同发展，智源研究院正推动生物智能与人工智能交叉研究的前沿探索，以实现对智能本质的深刻理解和应用。

参考文献
[1] https://www.nature.com/articles/s41592-022-01466-7
[2] https://www.nature.com/articles/s41592-024-02497-y
[3] https://www.nature.com/articles/s41586-024-07633-4
查看原图 86K