홈
초파리 커넥톰의 배선만 제약으로 둔 네트워크와 대전해요
커넥톰에서 가져오는 것은 어느 뉴런이 어느 뉴런에 연결되는가( 뉴런 · 시냅스의 희소성 마스크)뿐이에요. 그 자리의 가중치 개는 교사를 모방하도록 학습된 값이고요. 대전에서 초파리가 두는 한 수마다 후보 배치 전부를 이 네트워크에 넣어 DN 개의 창 평균을 읽고 점수를 매겨요. 그 과정을 커넥톰 3D·후보 순위·뉴런 활성 화면에서 그대로 볼 수 있어요.
대전
사람 vs 초파리 C0 · 같은 엔진 · 같은 조각 순서대전 기록
이 브라우저에 남은 최근 판커넥톰
표본 뉴런 · 시냅스 · 전체 중 층화 표본입력층 = 시각 투사 뉴런(LC/LPLC), 중간층 = 2-hop 이내 뉴런, 출력층 = 하강뉴런(DN). 실제 그래프에서 입력 200·중간 600(ROI·KC 비율 보존)·출력 107 전부를 층화 표본으로 뽑았어요. 좌표는 neuPrint soma 위치(없으면 같은 ROI 평균 + 지터). 반투명 껍질은 장식용 뇌 형상이라 뉴런 좌표계에 수동 보정 상수로 맞췄어요. 재생하면 결정 탐색에서 고른 결정의 스텝별 뉴런 활성이 점등돼요.
결정 탐색
후보 배치 → 배선 제약 네트워크 → DN 창평균 → 점수신경 활동
고른 배치를 넣었을 때 표본 뉴런의 스텝별 활성플레이 분석
보드 품질과 선택 성향 · 사람과 나란히막힌 칸(구멍)은 지우기 전까지 줄을 완성할 수 없게 해요. 초파리는 구멍을 벌점으로 배웠지만 판이 길어지면 쌓여요.
20칸에 닿으면 탑아웃이에요. 가비지를 받으면 한 번에 여러 칸 올라가요.
교사는 학생이 모방하도록 학습된 기준이에요. 상위 20% 안이 많을수록 교사와 비슷하게 고른 거예요.
한 번에 4줄(테트리스)을 지워야 공격이 커요. 싱글이 많다는 건 우물을 오래 유지하지 못했다는 뜻이에요.
실험
7단계는 커넥톰의 배선(희소성 마스크)만 제약으로 두고 그 자리의 가중치를 학습해요. 수치는 web/data/stage7.json(실행 산출물을 그대로 구운 것)에서 읽어요.
조건 비교
초파리 vs 교사 vs 무작위 · 학습 전후 · 게이트설정
사람 쪽 입력 감도만 바꿔요. 초파리의 착수 간격(150 ms)과 모델은 설정에 두지 않아요 — 약하게 만들면 "이 배선이 둔 수"가 아니게 되니까요.