需要按照 ADA Title II / WCAG 2.1 AA 为市政机构或商业门户做网站审计？请前往 AIfaFocus 无障碍扫描器。
AIfa Cognitive Runtime (ACR)
基于黑腹果蝇全脑电子显微连接组 FlyWire v783 (139,255 个神经元，5450 万个突触) 的智能体认知控制运行时。五大生物计算基元以 CPU（Python/NumPy）实现，无需 GPU；本页每个数字均来自公开脚本。
参考底层结构：FlyWire FAFB v783 — 139,255 个神经元，5450 万个突触。双模架构：Faithful Connectome 模式 (拓扑结构与 SHA-256 完整性验证) · Distilled ACR 模式（面向软件智能体的 CPU 算法；连接组用于图统计）。
消融矩阵 — 真实测量（每种配置 360 个任务回合，2026-09-23）
| 智能体 / 配置 | 干扰 | 任务成功率 | 成功时步数 | 错误点击 | 目标丢失 / 次 | 决策 P50 |
|---|---|---|---|---|---|---|
| Naive agent (goal falls out of a 4-message window) | 35% | 0.3% ± 1.5 | 10.0 | 98.6% | 0.000 | 0.074 ms |
| Standard agent, goal pinned (system-prompt style) | 35% | 5.8% ± 3.8 | 5.71 | 97.9% | 0.000 | 0.076 ms |
| + APL novelty gate only | 35% | 4.2% ± 4.2 | 3.27 | 97.7% | 0.000 | 0.076 ms |
| + CANN focus ring only | 35% | 5.6% ± 3.9 | 5.45 | 97.9% | 0.025 | 0.097 ms |
| + APL + CANN | 35% | 1.4% ± 3.1 | 6.20 | 99.2% | 0.001 | 0.100 ms |
| + APL + CANN + CX (as shipped in aifa_sdk) | 35% | 1.4% ± 3.1 | 6.20 | 99.2% | 0.001 | 0.181 ms |
| Standard agent + visited-link memory only | 35% | 95.0% ± 5.5 | 6.16 | 53.8% | 0.000 | 0.218 ms |
| + APL + CANN + CX fixed (visited-link repulsion) | 35% | 94.7% ± 5.5 | 6.23 | 54.5% | 0.000 | 0.427 ms |
| Full ACR (fixed CX) + bilateral verifier | 35% | 93.6% ± 4.1 | 6.07 | 54.1% | 0.000 | 0.680 ms |
* 固定随机种子的合成网站（12 个任务 × 30 个种子），基于词重叠的词法嵌入。35% 干扰消息、重复 cookie 提示、诱饵链接和循环链接对所有智能体完全相同。没有任何结果由预设概率决定，全部由代码计算。脚本：bench/acr_agent_real_benchmark.py。结论：全部收益来自“已访问链接记忆”，而现有 CX 模块中缺少这一机制；仅加上这一记忆的标准智能体即可达到与 ACR 相同的结果。
实测延迟（Intel i7-14700 CPU，Python/NumPy）
N = 512，2026-09-21 在 aifa_sdk 引擎上实测。
P50，2,000 次试验，2026-09-21 实测。
P50；代码中没有防循环机制（见卡片 03）。
FlyHash P50，2026-09-23。FAISS 精确检索：8.8 毫秒。
可在任何无 GPU 的笔记本上运行。源代码在 aifa-biobench 仓库和 /digital 页面： aifa-biobench · /digital
哪些有效、效果多大：四项真实测量
1. 二值检索对决（N = 25,000，D = 512）
100 次查询，seed 42与经典二值化方法直接对决。FlyHash 的非零投影权重少 85 倍（2048×6 对 2048×512），但准确率落后：在相同延迟下为 18.9%，Sign-LSH 为 80.5%。
| 方法 | Recall@10 | NDCG@10 | P50 | 投影权重 |
|---|---|---|---|---|
| AIfa FlyHash | 18.90% | 0.3188 | 35.46 ms | 12,288 (轻 85 倍) |
| Sign-LSH (BQ 1-bit) | 80.50% | 0.8715 | 36.77 ms | 1,048,576 |
| Multi-table LSH | 0.10% | 0.0022 | 0.045 ms | — |
2. 输入“爪”数量扫描（d 从 2 到 16）
假设检验检验“果蝇的 d = 6 是最优”的假设。实测：d = 6 时为 19.8%，d = 7 时已达 23.3%，最高召回率为 d = 16 时的 24.9%。在此任务上 d = 6 并非最优。
| 爪数量 (d) | Recall@10 | P50 | 状态 |
|---|---|---|---|
| d = 2 | 13.80% | 29.35 ms | 基线 |
| d = 6 | 19.80% | 29.98 ms | 果蝇数值 |
| d = 7 | 23.30% | 28.37 ms | 更高 |
| d = 16 | 24.90% | 30.21 ms | 最高（权重多 2.7 倍） |
3. 智能体基准 — 真实引擎
每个智能体 360 个回合替换旧脚本（其结果由预设概率决定：22.47% → 94.58%）。真实 aifa_sdk 引擎，合成网站，35% 干扰。结果：收益来自已访问链接记忆；ACR 的其他机制在此没有可测量的贡献。
| 智能体 | 任务成功率 | 错误点击 |
|---|---|---|
| 标准，固定目标 | 5.8% ± 3.8 | 97.9% |
| ACR：APL + CANN + 现有 CX | 1.4% ± 3.1 | 99.2% |
| ACR（修复后的 CX） | 94.7% ± 5.5 | 54.5% |
| 完整 ACR + 验证器 | 93.6% ± 4.1 | 54.1% |
| 标准 + 已访问记忆 | 95.0% ± 5.5 | 53.8% |
4. 鲁棒性 — 真实关闭单元
5 个种子替换旧的公式生成曲线（“鲁棒性高 3.21 倍”）。编码位和环形神经元被真实关闭。FlyHash 的准确率下降比 Sign-LSH 更多；CANN 环在神经元死亡时精度下降。
| 关闭比例 | FlyHash R@10 | Sign-LSH R@10 | CANN 静息误差 |
|---|---|---|---|
| 0% | 58.9% | 86.1% | 0.13° |
| 10% | 52.3% | 84.5% | 7.0° |
| 30% | 39.6% | 82.2% | 15.2° |
| 50% | 25.4% | 78.2% | 14.6° |
- 一组生物启发算法（稀疏投影、APL 新颖性门控、CANN 环形吸引子、CX 导航、双侧验证器），以 Python/NumPy 实现在 aifa_sdk 包中。
- 部分机制按描述工作（APL 稀疏度、无干扰时 CANN 保持目标）；部分则不然（CX 防循环、WASM 构建、死锁检查）。
- 本页所有数字均来自 aifa-biobench 仓库中的脚本；结果文件公开。
- 不是果蝇大脑模拟，也不声称生物学等效。
- 算法使用随机连接，而非 FlyWire 权重；FlyWire v783 连接组仅用于图统计（C、L、KS）。
- 不存在“完整回路 58 微秒”或“真实 DOM ~122 毫秒”的运行——这些数字已删除。
无证据等级标注，不作核心性能断言
生物学假设
解析复杂度
模拟器 / 划分器
可复现的 CPU 测试
独立硬件
生产集群
连接组架构栈 TOP-10（L0–L4 生产候选核心 · 06–10 研究原型）
基础 L0–L4 核心认知管道与 06–10 实验性研究原型（遵循 E0–E5 证据层级分类规范）
FlyHash v783 连接组超稀疏联想记忆
受果蝇蘑菇体启发（Kenyon 细胞，约 6 个输入“爪”）。投影权重为随机稀疏矩阵——该机制并未加载 FlyWire 数据。
APL 感觉新颖性自适应抑制门控
前侧配对侧向 (APL) 巨型 GABA 能神经元，构建全脑全局反馈抑制网络。
中央复合体 (CX) 向量偏航导向导航
中央复合体扇形体 (FB) 与原脑桥 (PB) 的相位神经元环路。
CANN 连续吸引子长程对话焦点稳态网络
椭球体 64 神经元环形吸引子网络，具备局部递归激活与全域抑制连续动态。
双半球对称侧向互抑防幻觉交叉仲裁器
模拟果蝇左、右脑半球对称回路的并行推演与侧向互抑仲裁。
神经形态能效模型（LIF 脉冲引擎）
基于果蝇事件驱动动力学的生物物理能耗模型（设定事件成本 1 pJ/脉冲 vs GPU FP16 1–3 pJ/FLOP）。稀疏度分解：连接稀疏度 (Connectivity Sparsity) = 85.0% 结构零；活动稀疏度 (Activity Sparsity) = 96.86% 基准运行期间静息神经元。硬件功率计 (RAPL/瓦特表) 物理实测已列入路线图。
AIfa BioMatch 拓扑度量评分 (BioMatch v1.0)
黑腹果蝇全脑连接组计量特征（FlyWire v783：139,255 个神经元、5450 万突触、约 270 万阈值化图边缘；Nature 2024）。用于评估人工记忆图谱相对生物基准的拓扑同构性。
浏览器端 WASM 检索（端侧微基准测试）
浏览器端客户端检索：普通 JavaScript（TypedArrays，7.1 KB），倒排索引加 Jaccard 相似度。未使用 WebAssembly 或 SIMD。
神经形态图编译器原型（Loihi 2 / SynSense 导出器）
软件原型：将连接图转换为地址事件（AER）路由表，并把权重量化为 INT8。核心划分只是简单的连续分块——没有使用 Metis，也没有最小割；代码中并未使用 78 个神经纤网。“无死锁”检查是常量 True。尚未在 Loihi 2 实体板上进行遥测。
人机共生指数（数学度量 Φ_sym）
基于异突触可塑性原理的形式化人机协同对齐标量模型。为严格避免负散度，采用严格有界的指数变换：Φ_sym = exp(-lambda * D_KL(P_intent || P_action)) * 对齐度 * 信任度。P_intent 形式化已建立；针对人类操作员的效标关联效度实证研究正在进行中。
检索、智能体与鲁棒性——分别测量
运行：python bench/aifa_biobench.py · python bench/acr_agent_real_benchmark.py · python bench/robustness_real.py在 50,000 个向量（1024 维）中检索
与精确 L2 暴力检索对比。
在合成网站上导航
9 个智能体 × 360 个回合，35% 干扰。
关闭编码位与神经元
5 个种子，20,000 个向量，512 位。
完整 30 项连接组工程创新名录
基于 FlyWire v783 连接组的完整工程专著：详述生物学神经回路、数学模型公式与生产落地部署架构
Connectome Innovation 1
受果蝇蘑菇体启发。文献数据：约 783 个投射神经元把气味信号传给约 2,000–2,500 个 Kenyon 细胞，每个细胞接收约 6–8 个随机输入，APL 神经元抑制全部细胞，最终约 5% 保持激活。由此得到的思路：随机稀疏投影到高维空间再加“胜者全取”，可得到抗噪的二值哈希。我们的实现把 1024 维投影到 2048 个单元，权重随机（未加载 FlyWire 数据），保持 30% 单元激活，按汉明距离初筛后精确重排序。
Connectome Innovation 2
受果蝇 APL 神经元启发：文献显示，每个半球有一个大型抑制神经元，汇集 Kenyon 细胞活动，当刺激与已见过的相似时将其抑制。我们的实现是重复检测器：新向量与已见向量缓冲区比较，相似度超过阈值即视为重复。2026-09-21 实测（bench/novelty_detector.py）：缓冲区 5,000，检查 4,000 次（2,000 新 + 2,000 重复），在该合成测试上准确率 100%，P50 1,069 微秒，P95 2,092 微秒。此前的“3.4 微秒”未得到证实。
Connectome Innovation 3
受果蝇中央复合体启发：文献显示，椭圆体中的神经元环保存当前朝向，扇形体将其与目标比较并发出转向指令。我们的实现按指向目标的向量选择页面上的下一个元素，而不是用 Tab 键逐个遍历。
Connectome Innovation 4
FlyWire v783 连接组（Zenodo 10.5281/zenodo.10676866，CC BY 4.0）。2026-09-23 基于发布文件实测（bench/connectome_real_metrics.py）：139,255 个神经元、54,492,922 个突触、15,091,983 对相连神经元、2,700,513 对 ≥5 个突触的连接；数据中的神经递质：乙酰胆碱、GABA、谷氨酸、章鱼胺、血清素、多巴胺。此前的“3,869,878 条连接”未得到证实。文件指纹：Zenodo md5（f48f972d… 与 e0e6c197…）。bench/proof_of_connectome.py 中的 Merkle 树基于同等神经元数量的合成记录构建：构建 1.23 秒，子树校验 1.6 毫秒，20 次伪造叶节点全部被发现。
Connectome Innovation 5
思路：像神经科学家研究连接组那样研究知识图谱——节点度、聚类、枢纽、短路径。真实的 FlyWire v783 连接组（2026-09-23 实测，2,700,513 对 ≥5 突触的连接）：聚类系数 C = 0.160，平均路径长度 L = 4.03。此前的“C = 0.34”和“2.3% 枢纽”未得到证实。在我们的实现中，节点是组织、域名、电话和技术，边是它们之间的联系。
Connectome Innovation 6
文献显示，果蝇大脑功耗约为 10 微瓦，且任一时刻只有少量神经元处于激活状态。模型思路：按事件（脉冲）数量计算能耗，而不是像稠密神经网络那样按全部乘法计算。这是计算模型而非实测：未使用功率计或 RAPL 计数器。
AIfa BioMatch 拓扑度量评分 (BioMatch v1.0)
架构原型：黑腹果蝇全脑连接组计量特征（FlyWire v783：139,255 个神经元、5450 万突触、约 270 万阈值化图边缘；Nature 2024）。 用于评估人工记忆图谱相对生物基准的拓扑同构性。
浏览器端检索（Browser Client-Side Search）
架构原型：端侧联想检索引擎 (public/aifa_connectome_web.js)。21.09.2026：此前卡片声称'基于 WebAssembly (Wasm SIMD128, 126.7 KB) 的二进制模块'。直接检查文件后发现：这是纯 JavaScript，零字节 WASM，零 SIMD 指令 —— 文件自身注释如实写明'pure JavaScript / TypedArrays'。实际文件大小为 7,121 字节，而非声称的 126,700 字节（相差 17.79 倍）。实际算法为倒排索引配合 Kenyon 细胞激活与 Jaccard 相似度计算，而非 popcount 位运算。
神经形态图编译器原型（Loihi 2 / SynSense 导出器）
架构原型：将连接组突触图谱翻译为异步地址事件表示 (AER) 的软件原型。 基于 Metis 对 78 个脑区神经纤网进行图分区、INT8 突触量化及虫洞路由仿真。21.09.2026：'1,000 次仿真运行 0 死锁' 的说法经核实——原始引擎将 is_deadlock_free 硬编码为常量 True，从未实际测量。已添加如实的检测方法（bench/neuromorphic_compiler_run.py）：1,000/1,000 次运行发现核心间循环依赖，这并不证明真实硬件死锁，但如实表明此前的 0/1000 从未被计算过。
人机共生指数（数学度量 Φ_sym）
架构原型：基于异突触可塑性原理的形式化人机协同对齐标量模型。Φ_sym = exp(-lambda * D_KL(P_intent || P_action)) * 对齐度 * 信任度。21.09.2026：对齐度与信任度从未被赋予数值定义。发现已有引擎实现了另一套完全定义的 4 因子公式。在 1,000 轮合成交互上如实测量——平均 Phi=0.1547，P50=0.0974，单轮延迟 49.7-54.7 微秒。
Connectome Innovation 11
2026-09-23 基于真实 FlyWire v783 连接组实测（bench/connectome_topology_extra.py；134,181 个有连接的神经元，2,511,789 对 ≥5 突触的连接）：聚类系数 C = 0.155，平均路径 L = 4.02。同等规模的随机图用同样方法测得 C = 0.00029、L = 3.65。小世界指数 σ = (C/C_rand)/(L/L_rand) = 490——果蝇大脑高度聚类且路径很短。卡片原先的数字（C = 0.284、L = 3.82、σ = 8.42 或 79.81）未得到证实。对合成记忆图（500 个节点，p = 0.08），2026-09-21 的运行得到 σ = 19.7，而非宣称的 7.15。
Connectome Innovation 12
2026-09-23 基于真实 FlyWire v783 连接组实测（bench/connectome_topology_extra.py，134,181 个有连接的神经元）：⟨k²⟩/⟨k⟩ = 190.9，由此随机失效的崩溃阈值 f_c = 1 − 1/(⟨k²⟩/⟨k⟩ − 1) = 0.995。直接实验：随机删除 30% 神经元后，最大连通部分仍包含全图 68.5% 的神经元；删除连接最多的 30% 后为 57.5%；删除 50% 时分别为 48.1% 和 28.0%。此前的“⟨k²⟩/⟨k⟩ ≈ 42.6、f_c ≈ 0.976”未得到证实。
Connectome Innovation 13
受果蝇嗅觉启发：文献显示，“危险 / 可食”的初步判断由固定的受体完成，无需复杂计算。对 IT 的启示：简单情况——域名、标题、错误文本——用快速模式匹配处理，只有模式无法判断时才调用大模型。此前关于服务器发热、模型延迟和“12–18% 幻觉”的数字未经测量，已撤下。
Connectome Innovation 14
受果蝇椭圆体启发：文献显示，一圈“罗盘”神经元维持一个活动峰，随果蝇转动并保持朝向。思路：用这样的环保存对话的当前阶段。我们的实现是环形吸引子（Amari 方程，“墨西哥帽”权重）；运行使用 16 个神经元，与卡片一致（引擎默认 64 个）。
Connectome Innovation 15
FlyWire 连接组为每条连接标注了预测的神经递质。2026-09-23 基于发布数据实测（bench/connectome_transmitters.py，5,446 万个带预测的突触），按最可能递质统计的突触占比：乙酰胆碱 55.8%，GABA 23.3%，谷氨酸 17.8%，多巴胺 1.4%，血清素 1.2%，章鱼胺 0.6%。卡片上原先的比例（乙酰胆碱约 45%，多巴胺约 5%，血清素和章鱼胺各约 3%）未得到证实。模型思路：兴奋与抑制相互平衡，使网络维持设定的活动水平。
Connectome Innovation 16
受果蝇感觉适应启发：文献显示，持续的背景刺激不再被感知，而罕见的重要信号会被放大。思路：给罕见特征更大权重，并修剪高频连接。公式：w(f) = log(1 + N/df) · (1 − e^(−λ·Δt))，修剪阈值为最大权重的 5%。
Connectome Innovation 17
思路：像 FlyWire 描述大脑那样严格地描述 AI 系统架构——每个元素有标识和类型，每条连接有类型和权重。CADF 格式：S = ⟨V, E, T, W⟩，其中连接类型 T ∈ {Sync, Async, Inhibitory, Modulatory}，权重 W > 0。
Connectome Innovation 18
思路：正如 FlyWire 为所有人提供了开放的参考大脑，一套开放的网站无障碍测量数据也能为研究者提供共同基准。我们的数据集是对美国网站的键盘遍历：八类典型页面中哪些能打开、能用键盘操作。
Connectome Innovation 19
文献显示（Caron et al., Nature 2013；Litwin-Kumar et al., Neuron 2017），果蝇 Kenyon 细胞约从 6–8 个投射神经元接收输入，这一数值被认为接近区分气味的最优值。我们在自己的任务上做了检验。
Connectome Innovation 20
思路：在终端和浏览器中直观展示活动在果蝇大脑中的传播，并用随脉冲数变化的声音配合。点到屏幕的投影：[u, v] = R(α, β)·[x, y, z]；声音：f(t) = f0 + k·Σ s_i(t)。
Connectome Innovation 21
受果蝇中央复合体启发：文献显示，P-EN 和 P-FN 神经元连接椭圆体与前脑桥，帮助转向目标。卡片公式：V = α·∇Φ_目标 − β·Σ 对已访问节点的排斥。引擎代码（aifa_sdk/cx_steering.py）只实现了第一部分——被目标吸引；已访问节点字段虽已声明却从未使用。
Connectome Innovation 22
受果蝇神经调质启发：文献显示，多巴胺、章鱼胺和血清素让大脑在睡眠、安静清醒、觅食与逃跑之间切换。用于爬虫的思路：按成功与错误调整并行工作进程数和暂停时间，就像调质改变大脑模式。
Connectome Innovation 23
受 APL 神经元启发：文献显示，每个半球有一个大型抑制神经元接收所有激活的 Kenyon 细胞的信号，并按比例抑制它们，只留下少数保持激活。卡片公式：A = ReLU(X − 分位数(1−k))，再按总和归一化。
Connectome Innovation 24
C1-FFL 模体（Alon，2007）：节点 X 激活 Y，只有 X 和 Y 同时激活时输出 Z 才触发（逻辑“与”）。短脉冲来不及经过 Y 就消失，长信号则能通过。该模体在 FlyWire v783 中具体富集到什么程度，我们尚未检验。
Connectome Innovation 25
文献显示，果蝇视觉系统中的 T4 和 T5 神经元按 Hassenstein–Reichardt 模型检测明暗边缘的运动：一个感光细胞的信号经延迟后与相邻感光细胞的信号相乘。思路：用同样方法检测页面上的危险闪烁和干扰性动画。此前的“比显卡高效一百万倍”并非测量，已撤下。
Connectome Innovation 26
k-核是其中每个节点在子图内至少有 k 个邻居的最大子图；通过反复删除度小于 k 的节点得到。2026-09-23 基于真实 FlyWire v783 连接组实测（bench/connectome_topology_extra.py，≥5 突触的连接）：k_max = 57，最内层核心有 258 个神经元。此前的“k_max = 78、1,420 个神经元”未得到证实。
Connectome Innovation 27
文献显示（Turrigiano，1998），神经元会按比例缩放其全部输入突触，使总强度保持不变——否则赫布学习会把它推向饱和。思路：同样保持记忆“容量”恒定，并删除弱的、未使用的连接。
Connectome Innovation 28
思路：用真实脑图测试图数据库，因为合成图无法复现其结构。2026-09-23 对真实 FlyWire v783 图实测：139,255 个神经元、15,091,983 对相连神经元、54,492,922 个突触；取 ≥5 突触阈值时为 134,181 个神经元和 2,511,789 条边。此前的“3,869,878 条连接”和“387 万条边”未得到证实。
Connectome Innovation 29
文献显示，果蝇大脑呈镜像对称，两个半球通过连合交换信号。思路：两个独立的“半球”分别评估答案，只有两者一致时才采纳。代码中（aifa_sdk/bilateral_verifier.py）一致度计算为 √(s_左·s_右)·(1 − 0.4·|s_左 − s_右|)，阈值 0.52（卡片上写的是 0.95）。
Connectome Innovation 30
文献显示，果蝇中央复合体的神经元（E-PG、P-EN、P-FN、Δ7）构成连续环形吸引子：活动峰可以停在环上任意位置，并在无外部输入时保持。我们的引擎（aifa_sdk/cann_focus.py，64 个神经元）正确实现了这一点：“墨西哥帽”权重，用群体向量读出位置。
开源基准测试与企业主权内核授权
面向全球科研机构的 Apache 2.0 可复现基准测试工具链，以及面向物理隔离专网、具身智能与防务系统的闭源二进制内核授权。
AIfa BioBench Suite v3
面向连接组学 LSH 哈希、CANN 连续吸引子网络及多智能体关联检索的可复现完整基准测试套件。
43.2 毫秒（P50，2026-09-23）；查询为库中向量的加噪副本（σ = 0.08），并非独立检索。
43.9 毫秒（P50，2026-09-23）；查询独立于索引——具有代表性的检索。FAISS 精确检索：8.8 毫秒达到 100%。
- 测量套件： 50,000 × 1024 检索、方法对决、“爪”数量扫描、真实引擎智能体测试、关闭测试、FlyWire v783 连接组统计。
- CPU，无需 GPU： 任何装有 Python 和 NumPy 的电脑均可运行；浏览器内检索使用 JavaScript（非 WebAssembly）。
- 开源 Apache 2.0 许可： 可自由用于科研论文、对比评测和研究。
AIfa Cognitive Runtime Core (.aci)
面向自主软件智能体、工业具身机器人、金融核心及物理隔离机房的闭源高性能原生二进制内核。
在 CPU 上检索 50,000 个 1024 维向量，2026-09-23 实测。
交付：Linux（.so）/ Windows（.dll）/ 带 Merkle 审计的 C++ SDK——按合同提供。
- 定制蒸馏： 针对客户领域训练和校准投影矩阵。
- 密码学审计： 文件指纹与 Merkle 树，并加盖 OpenTimestamps 比特币时间戳。
- 专属研发共建： 专属解决方案架构师、与首席架构师直接沟通，并提供 SLA 保障。
法律法权地位、知识产权与专利防卫矩阵
AIfa Cognitive Runtime (ACR) 全栈架构及 30 项连接组底层创新技术的唯一创始人、作者与总架构师：马克西姆·加拉廷 (Maksim Valentinovich Galatin)。全部排他性权利保留。
知识产权明晰：黑腹果蝇连接组底层数据属于开放科学 (FlyWire Consortium, Nature 2024, CC-BY-4.0)。我们的自主知识产权在于 6 爪突触投影、k-WTA APL 门控及中央复合体导航算法的 CPU 原生数学蒸馏与工程实现。测试基准脚本 aifa_biobench.py 采用 Apache 2.0 开源；编译后的二进制 AIfa Core 运行时 (.aci) 受 CODE Eternal 商业专有 EULA 与商业秘密保护。