# Phase 4AG：设计、证据范围与限制

本文是独立于已登记模型和实验文件的解释性文档，不是预注册协议的修订，也不是最终实验报告。状态快照日期：2026-09-30。

在本说明对应的检查节点，r2 的 8 个固定小型测试场景已完成每场景 3 次 GPU 运行及 1 次 Brian 对照，数值门禁通过；两个预先指定的全图 100 ms Brian 对照也已通过。后续 60 次 CAL 基础运行和 12 次重复检查仍在进行中。本文不宣布 CAL 通过或失败，更不宣布学习成功。正式状态应以各阶段原始审计记录及最终封存报告为准。

## 本阶段到底测试什么

Phase 4AG 测试一个明确的新组合：在 MaleCNS 原有全图上，将已经核对过作者语义的 float64 LIF 动力学，与项目旧版 float32 graded APL 模块连接起来，先检查实现是否符合声明，再检查固定旧 CAL 输入下的嗅觉表征是否满足完整原门槛。

全图仍为 166,700 个神经元、25,582,938 条规范化有向边。原始连接计数、递质符号、W_syn、旧 APL 参数以及 eligibility-v2 的 14,232 边掩码不修改。本阶段不训练，不搜索增益、阈值、刺激强度或时间窗，不新增连接，不做行为、奖励或游戏演示。

作者语义来源是已归档的 Shiu 等人代码，而不是重新选取的最新版本：GitHub commit `91bdd1e7dcf193f3e7ca5a8933497fcef63b7960`，归档 `model.py` 的 SHA-256 为 `fc45837d7122c6ce2a7f3f2f23c515992e4b232aadb919efabb72337fac88e4e`。[固定提交的作者代码](https://github.com/philshiu/Drosophila_brain_model/blob/91bdd1e7dcf193f3e7ca5a8933497fcef63b7960/model.py) 对应 Shiu 等人的论文 [A Drosophila computational brain model reveals sensorimotor processing](https://www.nature.com/articles/s41586-024-07763-9)（Nature，2024）。本项目使用不同的连接组及额外的旧 APL 工程模块，因此不能称为该论文或作者完整模型的严格复现。

## 混合精度与每一步的明确顺序

LIF 的 `v`、`g` 和解剖边权使用 float64、SI 伏特；这里的 `g` 是作者方程中以伏特表示的状态量，不应仅凭变量名解释成电导。LIF 核心复用已封存的 CUDA 运算，不修改数学语义。固定步长为 0.1 ms，解剖传递延迟为 18 步，不应期为 22 步。

APL 则保留旧环境中的 float32 矩阵、状态和运算序列。输入矩阵始终是 `2 × 166700`，输出矩阵始终是 `2 × 4064`；即使测试小型诱导子图，也不裁剪矩阵或重算归一化。每次独立运行从零 APL 状态开始。APL 输入是本步实际产生的二值放电，而不是外部请求：被不应期拒绝的请求不能被当作放电反馈。

每步先完成 LIF 核心、请求处理、真实延迟到达和复位的声明调度，再在 `end` 执行旧 APL。APL 衰减与增加保持分开的 eager 操作：

```text
s32.mul_(float(float32(exp(-0.1 / 20.0))))
drive32 = torch.mv(I32, actual_spikes32)
s32.add_(drive32)
h32 = torch.matmul(s32, O32) * float32(0.01)

delta64 = h32.to(float64) * float64(0.001)
g64[KC] = g64[KC] - delta64
```

其中 `h32` 沿用旧模块的 mV 语义。必须先拓宽为 float64，再乘 0.001 转成伏特，最后单独减去；不能先在 float32 中乘 0.001，也不能将 `mul_`、`add_` 或最后的转换与减法融合成另一条运算路径。tau=20 ms、gain=0.01、normalization=1 均不调整，也不额外加入 APL 延迟、裁剪或 `dt/tau` 缩放。

APL 不改变原环境的默认 TF32／矩阵乘精度／CuBLAS 设置，而是记录实际设置、版本和设备，并核对组件输出。保留“数学上等价”的表达式并不足以保证逐位相同；PyTorch 官方说明明确指出，浮点运算顺序、后端和版本都可能影响结果。[PyTorch 数值精度说明](https://docs.pytorch.org/docs/2.14/notes/numerical_accuracy.html)、[可复现性说明](https://docs.pytorch.org/docs/2.14/notes/randomness.html) 在此用于解释工程风险，不作为改变冻结环境的理由；文档不能替代实验记录中的实际安装版本和设备信息。

## 不应期中的 APL 写入是被检验的假设

本组合在复位后的 `end` 阶段，无条件向所有对应 KC 的 `g` 写入 APL 抑制，包括刚放电或仍处于不应期的 KC。这里没有补加 `ref == 0` 条件。

这必须与作者核心的普通解剖输入区分：作者方程中带有 `unless refractory` 的状态在不应期冻结，普通突触更新受相应保护；本分支的 APL 是显式的末尾直接状态写入，不是把它伪装成普通受保护突触。[Brian 2.5.1 不应期文档](https://brian2.readthedocs.io/en/2.5.1/user/refractoriness.html) 解释了不应期和状态冻结的区别；具体执行依据仍是已归档作者代码及本项目保存的实际生成代码。

由这套代码顺序可以推得：APL 写入的负 `g` 可能在不应期内继续累积，而该期间作者核心不会按通常的 `g` 方程衰减它。这个组合效应是此次被检验的显式工程假设，不是已确认的生理机制，也不是作者原模型的主张。若改成不应期屏蔽、写入后再次清零或更换写入阶段，就已经是另一项假设，不能作为此次结果不好时的即时“修复”。

## 5,845 条 fast APL 掩码及 1,212 条未替换边

旧 APL 模块的兼容规则是：将全部 5,845 条原始 APL fast 出边的有效权重置零，然后仅向 KC 提供 graded 替代。置零只发生在新运行时的内存副本中；磁盘上的原始图、计数、符号和基础权重不改写，边身份也不删除。

其中 1,212 条出边的目标不是 KC，因此其 fast 作用被关闭后，没有获得本模块的 graded 替代。这是已知且保留的覆盖缺口。不能把该组合描述成“所有 APL 输出均被等价替换”，也不能为了得到更好的结果悄悄恢复这些边或新增非 KC 的 graded 通路。这两个数字描述的是本项目图中的有向边计数，不是新增的生物学结论。

## 三类数值证据分别能说明什么

| 检查 | 能支持的结论 | 不能支持的结论 |
| --- | --- | --- |
| Brian 闭环对照 | Brian 自己推进 LIF、产生实际放电，独立进程中的 APL 状态据此更新；与 GPU 比较逐步状态、事件、请求、队列顺序与接受掩码、APL drive/state/h | APL 算法本身完全独立实现，或所有输入下的普遍等价 |
| 原代码 AST 影子重放 | 从冻结旧初始化代码重建矩阵，并提取旧更新语句；用已记录的真实放电重放，检查组件字节是否保持一致 | 新的独立全脑闭环证明，或摆脱共同 Torch/CUDA 底层原语的验证 |
| float64 算术测量与误差界 | 在明确的非负矩阵、正常有限运算等前提下，量化 float32 组件相对独立 float64 测量的偏差，检查预先定义的误差界 | 用 float64 替换 APL、事后放宽容差，或用误差界替代逐位旧组件一致性 |

Brian 的 APL worker 不接收候选 GPU 的抑制轨迹，而只接收 Brian 自己产生的实际放电；它有独立的零初始状态，并通过握手核对矩阵哈希与运行环境。但候选与 worker 共享 APL 组件实现，所以准确名称是“共享 APL 组件的闭环 Brian 对照”，不能写成“全部组件独立的 CPU oracle”。

AST 影子又提供一层不同的代码来源检查，但仍使用相同的 Torch/CUDA 原语。float64 测量不反馈到任一脑模型，其误差界不根据观测误差拟合。各证据应并列阅读，不能互相替代。

8 个固定小型场景检验零输入、真实 PN/KC 输入、不应期边界、自然放电与请求重合、延迟到达、APL mask 和高 fan-in 等情形；每场景 3 次 GPU 运行检查精确重复。两个全图 probe 是预先指定的第一个旧 CAL 气味、首个原始 seed、两种编码模式，各 100 ms。通过这些检查只说明已测试场景符合本组合的声明，不证明所有气味、时间尺度或后续学习任务都有效。同步、IPC、逐步哈希和诊断保存的耗时也不是性能基准。

## CAL 必须通过完整原 4L 门槛

CAL 设计固定为原 6 个校准气味 × 5 个原始 seed（51101–51105）× 2 种模式（`physiological`、`matched_energy`），共 60 次基础运行，每次 100 ms；每个气味／模式的首个 seed 再运行一次，共 12 次重复。它们不是额外的训练 seed。

输入在任何轨迹运行前保存，保留旧 PN 编码、目标／随机数列顺序。matched-energy 的参考值仍取原冻结 12 气味 panel 的中位数，不能换成 6 CAL 的中位数，也不能换成后续其他 panel。读取这份静态参考数据不等于读取 heldout 动态结果。

每种模式都必须同时满足以下原始条件，两种模式都通过才满足表征门槛：

- KC 活跃比例的平均值在闭区间 3%–9%。
- 单次运行的最小活跃比例严格大于 0，最大值严格小于 50%。
- 同气味跨 seed 的平均活跃集 Jaccard，严格大于不同气味同 seed 的平均 Jaccard。
- 不同气味同 seed 的平均欧氏距离，严格大于同气味跨 seed 的平均欧氏距离。
- 至少 3 对气味通过成对分离检查：该对气味在相同 seed 下的 5 个距离均值，严格大于这两个气味各自全部 10 个跨 seed 距离合并后的 20 项均值。

距离来自原始 KC spike-count 向量，欧氏距离先转 float64，不另做向量归一化；Jaccard 使用是否放电的布尔活跃集。6 CAL 每种模式有 15 对气味、60 项 within 距离和 75 项 between 距离。成对比较的基线不是全部气味混在一起的平均 within 距离；只检查平均稀疏率与“至少 3 对”的旧简化 `r4` 不能代替完整原 4L 门槛。

本阶段另加输出完整性、有限值和 12 次精确重复要求；缺失文件、失败运行、NaN 或全静默都不能当成通过。原 4L 虽记录 finite，但没有将它写进原最终 gate，因此这里应明确称为新增的完整性前置检查，而非改写历史。

即使最终 CAL 通过，含义也仅限于这组固定校准输入下的表征检查。它不等于 heldout 泛化、刺激特异性信用分配、记忆、条件化或可用学习；本阶段没有训练或生成新的候选模型结论。后续学习验证仍需在授权范围内另行登记并通过专门门槛，不能由本阶段的数值一致性推导出来。

## 为什么保留 v1，并单独运行 r2

第一次登记的 v1 在启动 APL worker 时，对科学虚拟环境的 Python 路径调用了 `resolve()`，跟随符号链接到了系统解释器，丢失预期包环境。异常发生在首个 Brian tick 之前，错误记录的 `last_complete_tick` 为 -1；v1 已保留源代码、部分输出和故障记录，并以 `INCOMPLETE-NUMERICAL-EXECUTION` 封存。

这不是已观测到的动力学或科学假设失败，也不能反过来称作数值通过。r2 使用新模型目录 `author-apl-lab-v2` 和新实验目录 `phase4ag-author-apl-r2`，保留虚拟环境的调用入口路径，只修执行入口及相应记录／检查，不更改方程、运算精度、掩码、刺激、门槛、参数或测试选择。全部声明流程从新状态重跑，不覆盖或挑选性省略 v1 的记录。

本文所述已通过的 r2 数值门禁与仍在进行的 CAL 是两件事。是否完成、是否通过，以及允许得出的结论，最终都必须回到对应原始证据和封存状态，而不是依据本解释文档升级。