docs/analysis/MODELADO_MATEMATICO_DROSOPHILA_v0.md

Diseño Arquitectónico: De la Drosophila al Hardware de Silicio

Síntesis, Validación y Directivas de Modelado Matemático

Ubicación: ~/openskynet/MODELADO_MATEMATICO_DROSOPHILA.md Propósito: Este documento sirve como ground truth teórico y manifiesto de diseño para los agentes de ingeniería de OpenSkyNet. Contiene la auditoría de la viabilidad biológica-matemática de sistemas dinámicos (vs. Transformers monolíticos) y establece las directivas exactas para modelar los primeros tensores basados en el conectoma de la Drosophila melanogaster.

---

PARTE I: Validación y Auditoría del Marco Teórico

La propuesta de reemplazar la atención auto-regresiva masiva por solucionadores de EDOs (Mamba/LIF) operando sobre una topología de grafo esparza con reglas Hebbianas locales (Nested Learning) es VERDADERA en sus fundamentos físicos y biológicos, pero presenta FRICCIONES DE TRADUCCIÓN al hardware actual que el agente desarrollador debe resolver.

1. La Falacia de la Atención Global y la Topología Esparza

• El Acierto: El cerebro de la mosca desmiente la necesidad matemática de complejidad $\mathcal{O}(N^2)$. Con $\approx 125,000$ neuronas y una densidad sináptica del $0.32%$, la cognición corporizada opera sobre un grafo dirigido altamente esparzo y fuertemente modularizado.
• La Fricción de Hardware (A resolver por el Agente): El Transformer domina por su "simpatía mecánica" con las GPUs, optimizadas para matrices densas. Una matriz $\mathbf{W}$ con $99.68%$ de ceros es ineficiente por el memory bandwidth wall.
• Directiva: El modelo debe traducirse a esparcidad estructurada (Block-Sparse o Mixture of Experts). Los módulos densos simularán ganglios/lóbulos específicos (e.g., complejo central), conectados por vías ultra-esparzas.

2. Isomorfismo LIF vs. SSMs (Mamba) y Dinámicas Continuas

• El Acierto: La analogía entre la ecuación LIF ($\tau_m \frac{dV}{dt} = -V + RI$) y el estado oculto de Mamba ($\dot{x} = Ax + Bu$) es el núcleo de la nueva causalidad computacional.
• La Fricción Matemática: Mamba exige que la evolución de la EDO sea estrictamente lineal respecto al estado $x(t)$ para paralelizar el entrenamiento mediante Parallel Scan. El modelo biológico (LIF) usa un "Fire" (spike) que es altamente no lineal y resetea el estado.
• Directiva: El agente debe formular una aproximación continua-diferenciable del spike biológico que preserve la asociatividad del operador en el tiempo para no perder la capacidad de entrenamiento paralelo.

3. La Falacia de BPTT y Nested Learning

• El Acierto: Backpropagation Through Time (BPTT) viola la termodinámica del aprendizaje continuo. Las reglas anidadas (Nested Learning) mediante el lema de Sherman-Morrison ($O(d^2)$) permiten la optimización causal.
• La Fricción Empírica: Las reglas locales puras sufren de mínimos locales miopes si carecen de una señal de optimización sistémica.
• Directiva: Instituir un tensor de Neuromodulación (análogo a Dopamina/Octopamina) que no rutee datos, sino que ajuste dinámicamente el hiperparámetro de tasa de aprendizaje ($\eta_t$) a nivel local basado en la recompensa global retardada.

---

PARTE II: Directivas para el Agente (Modelado del Tensor $\mathbf{W}$)

A la atención del Agente de Ingeniería / Arquitecto de IA: Tu tarea es derivar la topología de matriz dispersa $\mathbf{W}$ (Weight Matrix) basándote en los clústeres funcionales y conectores de neurotransmisores de la Drosophila, y plantear la ecuación de propagación forward.

Debes diseñar la arquitectura siguiendo estas estrictas restricciones matemáticas:

Paso 1: Partición de Signo y Función (El Principio de Dale)

En Deep Learning, los pesos varían de $-\infty$ a $+\infty$. En este modelo, las neuronas (nodos) están tipificadas biológicamente. Debes descomponer la matriz de pesos global $\mathbf{W} \in \mathbb{R}^{N \times N}$ en sub-matrices ortogonales proyectadas por máscaras de adyacencia binarias $\mathbf{M}$:

1. Excitación (Glutamato/Colina): $\mathbf{W}{exc} = \max(0, \mathbf{W}{raw}) \odot \mathbf{M}_{exc}$
2. Inhibición (GABA): $\mathbf{W}{inh} = \min(0, \mathbf{W}{raw}) \odot \mathbf{M}_{inh}$
3. Modulación (Dopamina/Serotonina): Matriz $\mathbf{H}{mod}$. No participa en la ecuación de estado $x(t)$, sino que define el campo dinámico de plasticidad: $\eta_t^{(i)} = f{mod}(\sum_j H_{mod, ij} \cdot r_{t-d})$ (Donde $r$ es la señal de recompensa corporizada).

Paso 2: Topología Block-Sparse (Afinidad de Hardware)

No inicializarás $\mathbf{W}$ como una matriz gigante dispersa al azar. Debes estructurarla por bloques que imiten el conectoma:

• $B_{vis}$: Lóbulos ópticos (Alta densidad interna, procesamiento paralelo rápido - Sistema 1).
• $B_{nav}$: Complejo central (Anillo atractor recurrente continuo - Representación de estado).
• $B_{motor}$: Vías descendentes (Baja latencia, salida de acción).

La matriz global tendrá bloques densos en la diagonal principal y conexiones altamente esparzas (matrices de permutación o de bajo rango) fuera de la diagonal.

Paso 3: La Ecuación de Propagación Forward (Sin Atención Masiva)

Debes unificar la dinámica del estado (Mamba/SSM) con el ruteo del grafo (Drosophila). Plantearás un sistema iterativo discreto temporal ($t$) para el estado de los nodos $x \in \mathbb{R}^N$:

Dinámica Discreta Base: $$x_t=\bar{A}{x}_{t-1}+\bar{B}{u}_{t}x\_t\; =\; \backslash bar\{A\}\; x\_\{t-1\}\; +\; \backslash bar\{B\}\; u\_t$$

Donde la señal de entrada al nodo ($u_t$) no es externa, sino el disparo ruteado del resto del conectoma en el tiempo anterior: $$u_t={\sigma }_{LIF}\left(({\mathbf{W}}_{exc}+{\mathbf{W}}_{inh})x_{t-1}\right)u\_t\; =\; \backslash sigma\_\{LIF\}\; \backslash left(\; \backslash left(\backslash mathbf\{W\}\_\{exc\}\; +\; \backslash mathbf\{W\}\_\{inh\}\backslash right)\; x\_\{t-1\}\; \backslash right)$$ (Nota para el agente: $\sigma_{LIF}$ debe ser la función de activación no lineal que emula el spike sin romper la diferenciabilidad si se planea usar hardware de tensores estándar).

Paso 4: Actualización Anidada (Local Learning sin BPTT)

Plantear la actualización de la matriz $\mathbf{W}$ en $t+1$ usando el postulado de Nested Learning, pero modulado por la red dopaminérgica:

$${\mathbf{W}}_{t+1}=({\mathrm{\nabla }}_{y_t}{\mathcal{L}}_{local}(\dots )x_t^{\mathrm{\top }}+{\eta }_t{\mathbf{W}}_t)\frac{1}{{\eta }_t}(I-\frac{1}{{\lambda }^2+{\eta }_t}{x}_t{x}_t^{\mathrm{\top }})\backslash mathbf\{W\}\_\{t+1\}\; =\; \backslash left(\; \backslash nabla\_\{y\_t\}\backslash mathcal\{L\}\_\{local\}(\backslash dots)\; x\_t^\backslash top\; +\; \backslash eta\_t\; \backslash mathbf\{W\}\_t\; \backslash right)\; \backslash frac\{1\}\{\backslash eta\_t\}\; \backslash left(\; I\; -\; \backslash frac\{1\}\{\backslash lambda^2\; +\; \backslash eta\_t\}\; x\_t\; x\_t^\backslash top\; \backslash right)$$ (El agente deberá expandir y pulir esta ecuación para asegurar la estabilidad numérica con el tensor modulador $\eta_t$ variante en el espacio y en el tiempo).

---

Entregables Esperados del Agente Asignado:

1. Código PyTorch/JAX base: Un esqueleto que defina las clases de los clústeres funcionales (VisBlock, NavBlock, MotorBlock) usando multiplicaciones Block-Sparse.
2. Capa de Integración Temporal: Un módulo que reemplace Attention por una integración de estado Mamba/LIF adaptada a la ecuación planteada.
3. Optimizador Local: Una subclase de optimizador (fuera de Autograd global) que aplique el lema de Sherman-Morrison en el pase forward usando la red moduladora como input.
4. Estudio de Estabilidad: Una comprobación del radio espectral (Jacobiano) de la topología cíclica del Complejo Central para asegurar que $|J| < 1$.