Como rodamos Doom no conectoma cerebral de uma mosca (em tempo real e a 300 FPS)

Existe uma lei não escrita na ciência da computação que diz: se algo processa informação, alguém vai tentar rodar Doom nele. De calculadoras gráficas a testes de gravidez digitais, de terminais de impressora a bactérias modificadas, “Can it run Doom?” é o rito de passagem definitivo de qualquer arquitetura.

Mas e se o sistema não for um microprocessador de silício, e sim o cérebro completo de um organismo biológico?

Pegamos o conectoma do sistema nervoso central do macho da mosca (Drosophila melanogaster, o dataset MaleCNS v1.0, contendo todos os 165.122 neurônios e 10,2 milhões de conexões sinápticas mapeadas por microscopia eletrônica), transformamos a rede em um operador recorrente compacto residente no cache do processador, e conectamos o cérebro em um loop sensorial-motor para navegar por uma arena 3D estilo Doom em tempo real.

O simulador completo está rodando interativamente no iframe abaixo — direto no seu navegador:

1. O Gargalo de Ferro: A Muralha da DRAM#

O conectoma de 165 mil neurônios parece modesto para os padrões dos Large Language Models de bilhões de parâmetros. No entanto, sua conectividade sináptica é esparsa (10,2 milhões de arestas com pesos dirigidos e sinais excitatórios/inibitórios).

Em precisão FP32 padrão no PyTorch (torch.sparse_csr_tensor), a matriz de adjacência ocupa cerca de 118 MB. Em formato comprimido SciPy CSR, ocupa 37,2 MB.

Parece pouco para a RAM de 16 GB do computador, certo? O problema é a física da arquitetura von Neumann:

• A cada passo recorrente da simulação ($x_{t+1} = \tanh(W x_t + I_t)$), o processador precisa ler a totalidade dos 37 MB de pesos da memória RAM principal (DRAM).
• O canal de memória de um processador comum entrega cerca de 25 a 35 GB/s.
• Fazer uma viagem completa à DRAM para cada frame impõe um teto severo: o PyTorch roda a míseros 16,3 ms por passo (61 passos por segundo). A CPU passa mais de 80% dos ciclos ociosa, esperando os dados atravessarem o barramento.

Para rodar em tempo real a taxas de 300+ FPS, havia apenas uma saída: fazer o cérebro inteiro caber dentro do cache L3 do processador (8 MB).

2. A Compressão: FlatBuffers Zero-Copy e Quantização 4-Bit#

Para reduzir a matriz de adjacência de 37,2 MB para menos de 5 MB sem destruir a dinâmica biológica, aplicamos três técnicas combinadas:

1. Poda de Ruído Sináptico: Conexões com $|w| < 18$ sinapses (que representam ruído de reconstrução de micrografia) foram podadas, retendo as 1,54 milhão de autoestradas sinápticas principais.
2. Delta Encoding em uint16: Em vez de armazenar índices de coluna de 32 bits, armazenamos o deslocamento relativo ($\Delta$) em 16 bits.
3. Quantização Não-Linear por Codebook de 4 bits (LUT): Os pesos sinápticos foram mapeados para um dicionário logarítmico de 16 níveis em 4 bits (nibbles empaquetados), consumindo apenas 2,5 bytes por aresta.
4. Serialização FlatBuffers (.mcns): Criamos um schema binário estrito que permite carregar o cérebro via mmap em 14 microssegundos, com tempo de carregamento zero e zero alocação de heap.

O resultado final: 4,98 MB. O cérebro inteiro cabe confortavelmente dentro do cache L3 de 8 MB do nosso Intel Core i5-1145G7, eliminando as viagens à DRAM.

O throughput saltou de 61 passos/s para 335+ FPS na CPU, um speedup de 5,4x.

3. O Loop Sensorial-Motor Multimodal#

Para a mosca navegar no mapa de Doom, não bastava rodar matrizes no vácuo — era preciso acoplar os sensores biológicos reais aos controles da arena:

[Arena 3D / Doom Engine]
      │
      ├─► Visão: 32 feixes raycasting ────► 4.589 Neurônios Visuais (visual_projection L/R)
      │
      └─► Olfato: Pluma de cheiro (ppm) ──► 2.639 Neurônios Olfativos (antennal ORNs)
                                                    │
                                                    ▼
                                   [165.122 Neurônios Recorrentes no L3]
                                                    │
                                                    ▼
                                     1.314 Neurônios Descendentes (DNs)
                                                    │
                                                    ▼
                                [Torque de Curva + Aceleração Frontal + Disparo]

A. Visão Bilateral e Evasão Contralateral#

Um motor de raycasting DDA (exatamente igual ao de Wolfenstein 3D e Doom clássico) projeta 32 feixes no campo de visão de 145°.

• Os feixes esquerdos ativam os 4.589 neurônios de projeção visual esquerdos.
• Os feixes direitos ativam os 4.612 neurônios de projeção visual direitos.
• Conectamos o reflexo biológico contralateral: quando uma parede cresce na esquerda, a excitação motora comanda a mosca a virar para a direita, deslizando suavemente pelas quinas (wall sliding).

B. Quimiotaxia e Tropotaxia Antenal (Olfato)#

Moscas reais não encontram comida olhando para ela — encontram pelo olfato.

• No conectoma MaleCNS, identificamos 2.639 neurônios receptores olfativos (cell_class = olfactory).
• A mosca possui duas antenas separadas no espaço ($w = 0.5\text{ m}$). O prêmio emite uma pluma aromática que decai com o quadrado da distância.
• Se o cheiro for mais forte na antena direita ($C_R > C_L$), o gradiente induz uma manobra de busca na direção da pluma. Conforme a concentração geral sobe, o circuito comanda um surge frontal (aceleração em direção à comida).

4. O Teste de Hipótese: Topologia Real vs Grafo Embaralhado#

Para ter certeza de que o comportamento de navegação é fruto da fiação biológica real e não de um mero truque estatístico, comparamos a mosca contra um Modelo Nulo de Grau Preservado (onde as conexões sinápticas foram aleatoriamente permutadas, mantendo o número de entradas e saídas de cada neurônio):

O cérebro aleatório bateu na parede 34 vezes, ficando preso em cantos escuros. O conectoma biológico real preservado em 4-bit no L3 navegou pelas salas, fez as curvas em 90°, farejou o prêmio através das portas e capturou alvos randômicos de forma autônoma.

5. Onde o Código e a Demonstração Vivem#

Toda a infraestrutura do FlyDoom é código aberto:

• A demonstração interativa completa em tela cheia está disponível em: /flydoom/
• O formato binário Zero-Copy FlatBuffers (.mcns), os kernels JIT em Numba/AVX2 e os relatórios de benchmarks estão no repositório de experimentos.

Se até um conectoma de 165 mil neurônios de uma mosca agora roda Doom a 335 FPS dentro do cache L3 de um notebook comum, a pergunta para os próximos modelos neuromórficos já não é se eles conseguem rodar — mas quem vai conseguir vencê-los no multiplayer.