项目
证明方式： 构建.
公开记录：从零开始的机器学习、联邦学习，以及一个将生物学与 swarm 论点联系起来的连接组学旗舰项目。我们逐行构建——然后我们分享代码。
开启这一论题的项目。
P1 · 旗舰
脑连接矩阵超分辨率
从粗粒度连接组中恢复高分辨率大脑连接图——神经科学的超分辨率。
构建模型，从稀疏、低分辨率的观测中预测稠密、精确的神经连接矩阵；将矩阵作为公开的 CC0 Kaggle 数据集发布（289 次下载），以便社区在此基础上继续构建。
pythonjupyter连接矩阵模型
从粗粒度扫描中恢复细粒度连接，是从神经科学通向多 agent 智能的方法论桥梁——而且数据集是公开的，整个领域都能在此基础上继续构建。
从零构建的库与应用工作。
P2
基于逻辑回归的联邦学习
私有、分布式学习——跨数据孤岛训练而不移动数据。
一个带有逻辑回归分类器的联邦学习实现：从经典机器学习迈向隐私保护的分布式训练的入门之路。
这里的每一个都是从内到外构建的——只有当我们能看清模型内部时，我们才信任它。这就是我们带给 agent 系统的纪律：编排、工具使用、记忆和评估，全部建立在同样的实现深度之上。