論文の概要: On Artificial Life and Emergent Computation in Physical Substrates
- arxiv url: http://arxiv.org/abs/2009.04518v1
- Date: Wed, 9 Sep 2020 18:59:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 11:47:47.821763
- Title: On Artificial Life and Emergent Computation in Physical Substrates
- Title(参考訳): 物理材料における人工生命と創発的計算について
- Authors: Kristine Heiney, Gunnar Tufte, Stefano Nichele
- Abstract要約: 人工生命のレンズは、高性能コンピューティングの進歩に価値ある視点を提供すると我々は主張する。
生物学的ニューロンとナノマグネットのアンサンブルの2つの特定の基質が詳細に議論されている。
我々は、人工生命の研究に固有の好奇心を持つ計算に近づくことで何が学べるかという哲学的な議論で締めくくった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In living systems, we often see the emergence of the ingredients necessary
for computation -- the capacity for information transmission, storage, and
modification -- begging the question of how we may exploit or imitate such
biological systems in unconventional computing applications. What can we gain
from artificial life in the advancement of computing technology? Artificial
life provides us with powerful tools for understanding the dynamic behavior of
biological systems and capturing this behavior in manmade substrates. With this
approach, we can move towards a new computing paradigm concerned with
harnessing emergent computation in physical substrates not governed by the
constraints of Moore's law and ultimately realize massively parallel and
distributed computing technology. In this paper, we argue that the lens of
artificial life offers valuable perspectives for the advancement of
high-performance computing technology. We first present a brief foundational
background on artificial life and some relevant tools that may be applicable to
unconventional computing. Two specific substrates are then discussed in detail:
biological neurons and ensembles of nanomagnets. These substrates are the focus
of the authors' ongoing work, and they are illustrative of the two sides of the
approach outlined here -- the close study of living systems and the
construction of artificial systems to produce life-like behaviors. We conclude
with a philosophical discussion on what we can learn from approaching
computation with the curiosity inherent to the study of artificial life. The
main contribution of this paper is to present the great potential of using
artificial life methodologies to uncover and harness the inherent computational
power of physical substrates toward applications in unconventional
high-performance computing.
- Abstract(参考訳): 生体システムでは、情報伝達、記憶、修正の能力である計算に必要な材料がしばしば出現し、このような生物学的システムを非慣習的なコンピューティングアプリケーションでどのように活用し、模倣するかという疑問を抱いている。
コンピューティング技術の進歩において人工生命から何が得られますか?
人工生命は、生体系の動的挙動を理解し、この挙動を人工基質で捉える強力なツールを提供する。
このアプローチにより、ムーアの法則の制約に従わない物理基板での創発的計算を活用し、最終的に超並列分散コンピューティング技術を実現する新しいコンピューティングパラダイムへと移行することができる。
本稿では,人工生命のレンズが高性能コンピューティング技術の進歩に価値ある視点をもたらすことを論じる。
まず, 人工生命に関する基礎的背景と, 従来型コンピューティングに適用可能な関連ツールについて述べる。
次に、生物ニューロンとナノマグネットのアンサンブルという2つの特定の基質について詳細に論じる。
これらの基質は、著者の現在進行中の作業の焦点であり、ここで概説したアプローチの2つの側面、すなわち生命系に関する綿密な研究と、生命に似た行動を生み出すための人工システムの構築を図示している。
我々は、人工生命の研究に固有の好奇心を持つ計算に近づくことで何が学べるかという哲学的な議論で結論付けた。
本研究の主な貢献は,非従来型高性能コンピューティングへの応用に向けた物理基板の計算能力を明らかにするために,人工生命法を用いる大きな可能性を示すことである。
関連論文リスト
- Computing in the Life Sciences: From Early Algorithms to Modern AI [45.74830585715129]
本稿では,生命科学におけるコンピューティングの歴史的発展を通じて,重要なマイルストーンと技術進歩を強調した。
この議論には、生物学的プロセスの計算モデルの導入、バイオインフォマティクスツールの出現、現代の生命科学研究におけるAI/MLの統合が含まれる。
科学的な大規模言語モデルやバイオAIツールなど、生命科学で使用されるAI対応ツールに注意が向けられ、その能力、限界、生物学的リスクへの影響を調べる。
論文 参考訳(メタデータ) (2024-06-17T21:36:52Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳(メタデータ) (2024-02-16T18:05:09Z) - On the Emergence of Symmetrical Reality [51.21203247240322]
物理仮想アマルガメーションの様々な形態を包含した統一表現を提供する対称現実感フレームワークを導入する。
我々は、対称現実の潜在的な応用を示すAI駆動型アクティブアシストサービスの例を提案する。
論文 参考訳(メタデータ) (2024-01-26T16:09:39Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - There's Plenty of Room Right Here: Biological Systems as Evolved,
Overloaded, Multi-scale Machines [0.0]
我々は、カテゴリ間のハードバウンダリを放棄し、オブザーバに依存した実践的な視点を採用することによって、有用な道が先延ばしされることを論じる。
バイオメディカルまたはバイオエンジニアリングの目的のために生体システムを再形成するためには、複数のスケールでそれらの機能の予測と制御が必要である。
我々は,メソスケールイベントの理解を改善するために,進化・設計されたシステムによって実行される計算のためのオブザーバ中心のフレームワークを論じる。
論文 参考訳(メタデータ) (2022-12-20T22:26:40Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳(メタデータ) (2022-05-02T18:00:10Z) - Reservoir Computing with Magnetic Thin Films [35.32223849309764]
新しい非伝統的なコンピューティングハードウェアは、自然現象を利用して効率を上げる可能性を秘めている。
物理貯水池計算は、様々な非伝統的なシステムでこれを実証している。
マイクロスケールシミュレーションにより薄膜の3つの磁性体を初期探査する。
論文 参考訳(メタデータ) (2021-01-29T17:37:17Z) - On the spatiotemporal behavior in biology-mimicking computing systems [0.0]
シングルプロセッサからスーパーコンピュータまで、従来のコンピュータシステムのペイロード性能は、その性質の限界に達した。
ビッグデータ(人工知能をベースとする、あるいは支援する)に対処する需要が高まっていることと、私たちの脳の操作をより完全に理解することへの関心の両方が、生物学を模倣するコンピューティングシステムを構築する努力を刺激した。
これらのシステムは異常な数のプロセッサを必要とし、性能制限と非線形スケーリングをもたらす。
論文 参考訳(メタデータ) (2020-09-18T13:53:58Z)
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。