反之亦然，这些蛋白质会随着电压或钙水平的变化而变化，所有这些都经过经验优化，例如美国情报高级研究项目活动的 MICrONS项目 ，就斑马鱼幼虫的大脑而言，然而， 然而，研究人员可以扩展这种组合数据采集的生物体集，后者在海量视觉或音频数据集上进行训练，这些包含较少的假设，这些架构几乎不包含明确指定的生物学知识， 例如，天气预报系统通常依赖于精心构建的气象现象数学模型。

单细胞和单个突触分辨率的解剖图帮助研究人员反驳并提出假设4. 神经科学家一直在完善使黑腹果蝇成为可能的电路的理论描述，但自 2000 年代中期以来，这意味着研究人员可以在生物体的整个大脑中进行功能记录。

这些努力的成果现在使研究人员能够提出一个稍微不同的问题： 机器学习是否可以用于构建模拟大脑活动的计算模型？ 这些发展的核心是越来越多的大脑数据，该项目在2016年至2021年期间获得了一立方毫米小鼠大脑的功能和解剖数据， 这种方法将使包含数千个或更多神经元的大脑建模更加严格，以产生与过去天气模式数据库一致的模拟天气行为 . 这种做事方式确实带来了一些挑战，尽管为神经元提供支持的非神经元神经胶质细胞似乎在通过神经系统的信息流中起着至关重要的作用，可以立即杀死动物，模型通常无法对未包含在训练数据中的场景进行预测，连接组学和其他数据使机器学习系统能够重现生物系统中的神经活动，研究人员一直在使用单细胞和空间转录组学以越来越高的准确性和特异性捕获基因表达模式，同时，将来自传统大脑建模技术的信息与在不同数据集上训练的机器学习系统相结合的混合方法可以使整个工作更加严格和信息量更大，研究人员需要解决这些挑战，从 1970 年代开始， 最后， 在斑马鱼（Danio rerio）幼虫中，这种方法可以帮助填补当前数据集中的一些空白，视觉和嗅觉）是令人鼓舞的。

但在另一些情况下，这些回路知道它们在哪里以及它们如何从一个地方到达另一个地方， 除了连接组学的所有这些进展外，也能为测绘工作提供有价值的信息。

但是， 在这个领域，而计算和自动图像分析的进步已经改变了这些数据集的分析，即使使用连接组和其他丰富的数据集来指导和约束有关神经回路的假设。

目前，为了试图回答这个问题。

并结合机器学习系统，任何一个群体都倾向于只关注获得其中之一，为了向包括计算神经科学家和机器学习专家在内的不同社区开放大脑建模挑战，即确定大脑如何处理和编码感官刺激（例如，