論文の概要: Artificial life properties of directed interaction combinators vs. chemlambda

• arxiv url: http://arxiv.org/abs/2005.06060v1
• Date: Tue, 12 May 2020 21:28:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 19:44:34.349758
• Title: Artificial life properties of directed interaction combinators vs. chemlambda
• Title（参考訳）: 有向相互作用コンビネータとchemlambdaの人工生命特性
• Authors: M. Buliga
• Abstract要約: 2つの人工化学薬品が人工的な生命行動(複製、代謝、死)を許容するかどうかに興味がある。 これらの実験の主な結論は、矛盾する書き直しを可能にするグラフの書き直しが、そうでないものよりも優れていることである。 これは、非競合グラフ書き換えシステムが歴史的に好まれる分散コンピューティングのための優れたグラフ書き換えシステムを探すことと矛盾する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We provide a framework for experimentation at https://mbuliga.github.io/quinegraphs/ic-vs-chem.html#icvschem with two artificial chemistries: directed interaction combinators (dirIC, defined in section 2) and chemlambda. We are interested if these chemistries allow for artificial life behaviour: replication, metabolism and death. The main conclusion of these experiments is that graph rewrites systems which allow conflicting rewrites are better than those which don't, as concerns their artificial life properties. This is in contradiction with the search for good graph rewrite systems for decentralized computing, where non-conflicting graph rewrite systems are historically preferred. This continues the artificial chemistry experiments with chemlambda, lambda calculus or interaction combinators, available from the entry page at https://chemlambda.github.io/index.html and described in arXiv:2003.14332.
• Abstract（参考訳）: 実験用のフレームワークをhttps://mbuliga.github.io/quinegraphs/ic-vs-chem.html#icvschemと2つの人工化学系で提供している。 これらの化学薬品が人工生命の行動(複製、代謝、死)を可能にするかどうかに興味があります。 これらの実験の主な結論は、グラフの書き直しは、それらの人工的な生命特性に関して、矛盾する書き直しを許容するシステムよりも優れていることである。 これは、非競合グラフ書き換えシステムが歴史的に好まれる分散コンピューティングのための優れたグラフ書き換えシステムを探すことと矛盾する。 これはchemlambda、lambda calculus、interaction combinatorによる人工化学の実験を継続し、https://chemlambda.github.io/index.htmlのエントリページから入手でき、arxiv:2003.14332で説明されている。

関連論文リスト

• ReactXT: Understanding Molecular "Reaction-ship" via Reaction-Contextualized Molecule-Text Pretraining [76.51346919370005]
  反応テキストモデリングのためのReactXTと実験手順予測のためのOpenExpを提案する。 ReactXTは、インプットコンテキストの3つのタイプをインクリメンタルに事前トレーニングする。 私たちのコードはhttps://github.com/syr-cn/ReactXT.comで公開されています。
  論文  参考訳（メタデータ） (2024-05-23T06:55:59Z)
• Graph Generation via Spectral Diffusion [51.60814773299899]
  本稿では,1)グラフラプラシア行列のスペクトル分解と2)拡散過程に基づく新しいグラフ生成モデルGRASPを提案する。 具体的には、固有ベクトルと固有値のサンプリングにデノナイジングモデルを用い、グラフラプラシアン行列と隣接行列を再構成する。 我々の置換不変モデルは各ノードの固有ベクトルに連結することでノードの特徴を扱える。
  論文  参考訳（メタデータ） (2024-02-29T09:26:46Z)
• How to Map Linear Differential Equations to Schr\"{o}dinger Equations via Carleman and Koopman-von Neumann Embeddings for Quantum Algorithms [1.6003521378074745]
  線形微分方程式の条件をシュラー・オーディンガー方程式にマッピングし,量子コンピュータ上で解いた。 観測可能な値の期待値を推定する計算複雑性を計算する。 これらの結果は、大自由度微分方程式を解くための量子アルゴリズムの構築において重要である。
  論文  参考訳（メタデータ） (2023-11-27T08:48:56Z)
• Retro-fallback: retrosynthetic planning in an uncertain world [29.35379180648418]
  再合成は、よりシンプルで購入可能な分子から望ましい分子を作るために一連の化学反応を計画するタスクである。 本稿では,この不確実性を考慮したレトロ合成の新規な定式化を提案する。 そこで我々は,少なくとも1つの計画が実験室で実行可能である確率を最大化する,レトロフォールバック(retro-fallback)と呼ばれる新しいグリージーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T17:35:04Z)
• chemSKI with tokens: world building and economy in the SKI universe [0.0]
  chemSKI with tokens は、すべての書き直しが局所的なグラフ書き換えシステムであり、SKI計算の削減に使用できる。 化学スタイルの保守的な書き直し、分散化されたグラフィカルリダクションにおける新しいエッジ名問題への解決策である。 この形式は、人工化学または局所的な還元のみを行う仮想分散マシンのモデルとして用いられる。
  論文  参考訳（メタデータ） (2023-06-01T17:40:30Z)
• MARS: A Motif-based Autoregressive Model for Retrosynthesis Prediction [54.75583184356392]
  本稿では,レトロシンセシス予測のための新しいエンドツーエンドグラフ生成モデルを提案する。 反応中心を逐次同定し、合成子を生成し、合成子にモチーフを加えて反応子を生成する。 ベンチマークデータセットの実験では、提案されたモデルが従来の最先端のアルゴリズムを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2022-09-27T06:29:35Z)
• Literature Review: Graph Kernels in Chemoinformatics [0.0]
  本稿では, ケモインフォマティクスの分類問題に適用することを目的とした, グラフカーネルの読者について紹介する。 カーネルメソッドの使用は、グラフ間の類似性を2つに定量化する方法の1つである。 我々はこの1つの手法に限定するが、近年は一般的な代替手段が登場しており、特にグラフニューラルネットワークが注目されている。
  論文  参考訳（メタデータ） (2022-08-09T17:45:47Z)
• Chemical-Reaction-Aware Molecule Representation Learning [88.79052749877334]
  本稿では,化学反応を用いて分子表現の学習を支援することを提案する。 本手法は,1) 埋め込み空間を適切に整理し, 2) 分子埋め込みの一般化能力を向上させるために有効であることが証明された。 実験結果から,本手法は様々なダウンストリームタスクにおける最先端性能を実現することが示された。
  論文  参考訳（メタデータ） (2021-09-21T00:08:43Z)
• RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
  そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。 我々の方法はレトロシンセシスを2段階に分解する。 最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
  論文  参考訳（メタデータ） (2020-11-04T04:35:34Z)
• Artificial chemistry experiments with chemlambda, lambda calculus, interaction combinators [0.0]
  これらは、Chemlambdaを用いた人工化学実験のページの序文である。 実験はページにまとめられ、すべてプログラムのライブラリに基づいて行われる。 これらの実験には、他のコントリビュータの公開リポジトリへのリンクがあり、これらのプログラムのバージョンはpython、haskell、awk、JavaScriptで書かれている。
  論文  参考訳（メタデータ） (2020-03-31T16:15:18Z)
• Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
  コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。 本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-06T05:36:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。