SkyalyticAI 0.2.1

Neural Isomorphic Evolutionary Architecture - A brain-inspired AI framework

NIEA - Neural Isomorphic Evolutionary Architecture

基于人脑认知架构的通用人工智能框架，实现从感知运动到博士级别的类人成长训练路径。

项目简介

NIEA 是一个脑启发AI框架，融合四大理论支柱与七大功能模块：

四大理论支柱：

1. SNN基底 -- 生物神经元的事件驱动计算基元（LIF/ALIF + STDP）
2. 预测编码学习 -- 层次化自由能最小化的世界模型（PCN）
3. 互补记忆系统 -- 海马体快速编码 + 皮层慢速巩固的双系统架构（HDC + CMS）
4. 全局工作空间意识涌现 -- 模块竞争广播与意识点火机制（Global Workspace）

七大功能模块：

1. 脉冲编码器 -- 速率/时间编码，将连续信号转换为脉冲序列
2. SNN计算核心 -- LIF/ALIF神经元 + STDP赫布可塑性
3. 预测编码网络（PCN） -- 层次化预测与误差校正
4. 超维记忆系统（HDC） -- 关联记忆、情景记忆、概念存储
5. 主动推理引擎 -- 期望自由能最小化、好奇心驱动探索
6. 世界模型（WM） -- RSSM循环状态空间模型 + 奖励预测 + 想象规划
7. 元认知与结构自进化模块 -- 不确定性估计 + 神经发生/突触修剪/结构可塑性

类人成长训练路径：

0~3岁感知运动期 -> 幼儿园 -> 小学 -> 初中 -> 高中 -> 本科 -> 硕士 -> 博士

环境要求

• Python >= 3.9
• numpy >= 1.22.0
• scipy >= 1.9.0

可选依赖（按需安装）：

依赖	用途	安装命令
torch >= 1.12	GPU加速（SNN层、世界模型）	pip install torch
pytest	运行单元测试	pip install pytest
openai	AI教师NPC（DeepSeek等）	pip install openai

安装：

# 从 PyPI 安装
pip install SkyalyticAI

# 或从源码安装
pip install -e .

快速开始

1. 最简创建

from skyalyticAI import NIEABrain

brain = NIEABrain(input_dim=10, action_dim=4)

2. 使用预设方案

from skyalyticAI import NIEABrain

# 小规模（个人电脑）
brain = NIEABrain(input_dim=10, action_dim=4, brain_scale="small")

# 中规模（单卡GPU）
brain = NIEABrain(input_dim=10, action_dim=4, brain_scale="medium")

# 大规模（多卡GPU）
brain = NIEABrain(input_dim=10, action_dim=4, brain_scale="large")

# 超大规模（GPU集群）
brain = NIEABrain(input_dim=10, action_dim=4, brain_scale="xlarge")

# 人脑规模（神经形态芯片/超大规模集群）
brain = NIEABrain(input_dim=10, action_dim=4, brain_scale="human")

3. 预设 + 自定义覆盖

# 使用large预设，但覆盖hidden_dim
brain = NIEABrain(
    input_dim=10,
    action_dim=4,
    brain_scale="large",
    override_hidden_dim=16384,  # 覆盖预设的8192
)

4. 完全自定义参数

brain = NIEABrain(
    input_dim=128,
    hidden_dim=2048,
    action_dim=10,
    n_observations=2048,
    hd_dim=32000,
    pcn_hidden_dim=1024,
    world_model_hidden_dim=1024,
    ai_hidden_dim=1024,
    sparse=True,
    synapses_per_neuron=1000,
)

5. 启动训练

python scripts/run_growth_training.py

训练脚本会交互式选择成长线（human/social/society）、起始学段等。

6. AI教师NPC配置

通过环境变量配置外部AI教师服务（如DeepSeek）：

# Linux/macOS
export NIEA_TEACHER_API_BASE=https://api.deepseek.com
export NIEA_TEACHER_API_KEY=your-api-key
export NIEA_TEACHER_MODEL=deepseek-v4-flash

# Windows PowerShell
$env:NIEA_TEACHER_API_BASE = "https://api.deepseek.com"
$env:NIEA_TEACHER_API_KEY = "your-api-key"
$env:NIEA_TEACHER_MODEL = "deepseek-v4-flash"

参数说明

brain_scale 预设方案

预设	适用机型	hidden_dim	hd_dim	pcn_hidden	wm_hidden	syn/neuron	稀疏连接	估算内存
small	PC/笔记本（CPU）	256	10,000	128	256	100	否	~50MB
medium	单卡GPU（RTX 3090/4090, 24GB）	2,048	32,000	1,024	1,024	1,000	否	~2GB
large	多卡GPU（A100 80GB x 4~8）	8,192	128,000	4,096	4,096	3,000	是	~32GB
xlarge	GPU集群（A100/H100 x 32+）	65,536	1,000,000	32,768	32,768	5,000	是	~1TB
human	神经形态芯片/超大规模集群	16B	15M	8B	2B	7,000	是	~4,000TB

NIEABrain 完整参数

参数	类型	默认值	说明
input_dim	int	10	感官输入维度
hidden_dim	int	256	SNN和PCN的隐藏层维度
action_dim	int	4	离散动作数量
n_observations	int	10	主动推理的离散观测数
hd_dim	int	10000	HDC记忆向量维度
pcn_hidden_dim	int	128	预测编码网络隐藏维度
world_model_hidden_dim	int	256	世界模型隐藏维度
world_model_n_layers	int	4	世界模型层数
n_snn_layers	int	3	SNN层数
ai_hidden_dim	int	128	主动推理引擎隐藏维度
development_stages	bool	True	是否模拟发展阶段转换
spike_encoding_steps	int	20	脉冲编码时间步数
surprise_threshold	float	0.5	惊喜阈值（记忆存储触发）
consolidation_interval	int	100	记忆巩固间隔步数
consolidation_batch_size	int	20	记忆巩固批量大小
sparse	bool	False	是否使用稀疏连接
synapses_per_neuron	int	7000	每神经元突触数（稀疏模式）
brain_scale	str/bool	False	预设方案：small/medium/large/xlarge/human/True/False
language_vocab_size	int	None	语言头词表大小
device	str	None	计算设备（cuda/cpu）

override 参数（覆盖预设值）

当使用 brain_scale 预设时，可通过 override 参数覆盖预设中的特定值：

override 参数	覆盖的预设参数
override_hidden_dim	hidden_dim
override_hd_dim	hd_dim
override_pcn_hidden_dim	pcn_hidden_dim
override_world_model_hidden_dim	world_model_hidden_dim
override_ai_hidden_dim	ai_hidden_dim
override_n_observations	n_observations
override_spike_encoding_steps	spike_encoding_steps
override_synapses_per_neuron	synapses_per_neuron

优先级：override_xxx > brain_scale预设 > 参数默认值

各机型推荐配置

个人电脑（8~16GB内存，无GPU）：

brain = NIEABrain(input_dim=10, action_dim=4, brain_scale="small")

游戏本（1632GB内存，RTX 3060/4060, 812GB显存）：

brain = NIEABrain(
    input_dim=128, action_dim=10,
    brain_scale="small",
    override_hidden_dim=512,
    override_synapses_per_neuron=200,
)

工作站（64GB内存，RTX 3090/4090, 24GB显存）：

brain = NIEABrain(input_dim=128, action_dim=10, brain_scale="medium")

服务器（A100 80GB x 4~8）：

brain = NIEABrain(input_dim=256, action_dim=20, brain_scale="large")

GPU集群（A100/H100 x 32+）：

brain = NIEABrain(input_dim=512, action_dim=50, brain_scale="xlarge")

项目结构

skyalyticAI/
  skyalyticAI/                      # 核心包
    neurons/                     # 神经元模型（LIF, ALIF, SNN层, 稀疏连接）
    plasticity/                  # 突触可塑性（STDP）
    predictive_coding/           # 预测编码网络（PCN）
    memory/                      # 记忆系统（HDC, 巩固）
    active_inference/            # 主动推理引擎
    world_model/                 # 世界模型（RSSM）
    metacognition/               # 元认知模块
    consciousness/               # 全局工作空间（意识涌现）
    evolution/                   # 结构自进化
    language/                    # 语言头（文本编码, 语言生成）
    perception/                  # 感知编码器（视觉, 听觉, 多模态融合）
    env/                         # 训练环境（GridWorld, 课程世界, 考试世界）
    society/                     # 社会模拟世界
    npc/                         # AI教师NPC
    training/                    # 训练器（基础训练, 类人成长训练）
    exams/                       # 考试系统
    data/                        # 数据管理
    gpu/                         # GPU加速工具
    brain.py                     # NIEABrain 主类 + BrainScalePresets
  scripts/
    run_growth_training.py       # 一键训练启动器
    seed_curriculum_corpus.py    # 语料种子脚本
  理论.md                        # 完整理论文档

注意事项

1. 内存需求：brain_scale="human" 需要约4,000TB内存，仅适用于神经形态芯片或超大规模分布式集群。普通机器请使用 small/medium 预设。

2. GPU加速：SNN层和世界模型支持PyTorch CUDA加速。稀疏连接模式（sparse=True）使用scipy CSR格式，在CPU上运行。large及以上预设自动启用稀疏连接。

3. AI教师NPC：社会模拟模式（society）需要配置外部AI教师服务。通过环境变量设置API密钥，代码中不会硬编码任何密钥。

4. 训练数据：本框架不依赖大规模预训练语料。训练通过AI教师NPC交互进行，模拟人类从0岁开始的学习过程。

5. Checkpoint：训练过程自动保存checkpoint，支持断点续训。checkpoint保存在 checkpoints/ 目录。

6. 发展阶段：brain.development_stages=True 时，Brain会根据经验步数自动推进发展阶段（sensorimotor -> phd）。

7. 稀疏连接：当 brain_scale 为 large/xlarge/human 时，自动启用稀疏连接（sparse=True），每个神经元仅连接有限数量的其他神经元，匹配人脑的稀疏连接模式。

8. 向后兼容：brain_scale=True 等同于 brain_scale="human"。

开源协议

本项目采用 CC BY-NC-SA 4.0（知识共享 署名-非商业性使用-相同方式共享 4.0 国际）协议。

• 开源：源代码完全开放
• 可修改：允许修改和衍生
• 可下载：允许自由下载和分发
• 可提交审查：欢迎提交Issue和Pull Request
• 不可商用：禁止商业使用

详见 LICENSE 文件。

贡献

欢迎提交Issue和Pull Request参与贡献。