北京智源人工智能研究院的“天宝”仿真线虫，首次实现了秀丽线虫神经系统、身体与环境的闭环仿真。该系统精细建模了线虫的302个神经元、96块肌肉和3341个力学单元，并模拟了其在3D环境中的行为，如根据食物信号自主蠕动。天宝的创新之处在于将线虫的身体与环境纳入考量，形成闭环系统，从而探索神经结构如何影响智能行为。研究团队表示，未来天宝有望实现更复杂的生命体行为，推动类脑智能研究。该研究成果已登上《自然・计算科学》封面。

🧠 “天宝”对秀丽线虫的302个神经元进行了精细建模，同时模拟了96块肌肉和3341个力学计算单元，力求最大程度地还原真实线虫的身体结构和神经感知能力。

🐛 “天宝”构建了一个闭环系统，将线虫的身体与环境纳入考量，通过模拟线虫的行为，探索神经结构如何影响智能行为，例如根据食物化学信号自主蠕动。

🔬 “天宝”的生物体建模效率高，其体表数据基于Sibernetic的体表数据转换，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。

✨ “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。

IT之家 12 月 28 日消息，北京智源人工智能研究院研制的“天宝（BAAIWorm ）”高精度仿真秀丽线虫于 12 月 16 日登上了国际学术期刊《自然・计算科学》，并于 12 月 21 日被选为封面（IT之家附 DOI:10.1038/s43588-024-00738-w）。

秀丽线虫是一种体长仅约 1 毫米的微小生物，但它却是生物学研究中重要的模式生物，因其神经系统相对简单且已被深入研究而闻名。

在此基础上，智源人工智能研究院构建了“天宝”仿真线虫，这是一个全新的、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：

精细建模： “天宝”对秀丽线虫的 302 个神经元进行了精细建模，并模拟了 96 块肌肉和 3341 个力学计算单元，力求最大程度地还原真实线虫的身体结构和神经感知能力。

闭环仿真： “天宝”不仅关注神经系统的建模，还将线虫的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，例如根据食物化学信号自主蠕动，探索神经结构如何影响智能行为，这正是其重要的创新之处。

未来展望： 研究团队表示，“天宝”下一步有望实现避障、觅食等更复杂的生命体行为，这将进一步推动类脑智能的研究。

智源研究院表示，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。

智源研究院理事长黄铁军认为，当前人工通用智能（AGI）研究主要沿三条路径展开。一是数据驱动的人工神经网络（ANN）模型，例如美国 OpenAI 的 GPT；二是基于 ANN 的强化学习，例如英国 DeepMind 的 DQN；三是基于“结构决定功能”原则的类脑方法，例如脉冲神经网络（SNN）。

他表示，他们正在探索的就是第三条路径，即通过高精度地模拟生物神经和身体系统实现更强智能，简称类脑智能。据称，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。

《自然・计算科学》资深编辑阿纳尼娅・拉斯托吉评价，这项研究成果让其“眼睛一亮”，动态机体与环境相互作用以及精细模拟相结合，使得在闭环系统中研究大脑活动如何影响行为成为可能。