論文の概要: Emergence of Self-Reproducing Metabolisms as Recursive Algorithms in an Artificial Chemistry

• arxiv url: http://arxiv.org/abs/2103.08245v3
• Date: Tue, 7 Dec 2021 10:24:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-08 02:17:04.657633
• Title: Emergence of Self-Reproducing Metabolisms as Recursive Algorithms in an Artificial Chemistry
• Title（参考訳）: 人工化学における再帰的アルゴリズムとしての自己再生代謝の創出
• Authors: Germ\'an Kruszewski, Tomas Mikolov
• Abstract要約: 自己再生代謝の出現に必要な重要な性質は、チューリング完全反応の自己触媒的サブセットの存在である。 タトゥーラ・ラサ状態から始まるこの化学反応は、外部介入なしで、幅広い創発的な構造を発見している。
• 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: One of the main goals of Artificial Life is to research the conditions for the emergence of life, not necessarily as it is, but as it could be. Artificial Chemistries are one of the most important tools for this purpose because they provide us with a basic framework to investigate under which conditions metabolisms capable of reproducing themselves, and ultimately, of evolving, can emerge. While there have been successful attempts at producing examples of emergent self-reproducing metabolisms, the set of rules involved remain too complex to shed much light on the underlying principles at work. In this paper, we hypothesize that the key property needed for self-reproducing metabolisms to emerge is the existence of an auto-catalyzed subset of Turing-complete reactions. We validate this hypothesis with a minimalistic Artificial Chemistry with conservation laws, which is based on a Turing-complete rewriting system called Combinatory Logic. Our experiments show that a single run of this chemistry, starting from a tabula rasa state, discovers -- with no external intervention -- a wide range of emergent structures including ones that self-reproduce in each cycle. All of these structures take the form of recursive algorithms that acquire basic constituents from the environment and decompose them in a process that is remarkably similar to biological metabolisms.
• Abstract（参考訳）: 人工生命の主な目標の1つは、生命の出現の条件を研究することである。 人工化学はこの目的のために最も重要な道具の1つであり、そこでは代謝が自己を再生し、最終的に進化できる条件を調べる基本的な枠組みを提供している。 創発的自己再生代謝の例を作成する試みは成功したが、関連する一連の規則は複雑すぎて、作業の基盤となる原則に多くの光を当てるには至っていない。 本稿では, 自己再生代謝に必要な重要な性質として, チューリング完全反応の自己触媒的サブセットの存在を仮定する。 この仮説を,コンビネータ論理と呼ばれるチューリング完全書き換え系に基づく保存則付き最小論的人工化学を用いて検証する。 我々の実験は、この化学反応の単一実行は、表層ラザ状態から始まり、外部の介入なしに、それぞれのサイクルで自己複製する構造を含む幅広い創発的な構造を発見します。 これらの構造はすべて、環境から基本成分を取得し、生物学的代謝と非常に似たプロセスで分解する再帰的アルゴリズムの形式をとる。

関連論文リスト

• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• Computational Life: How Well-formed, Self-replicating Programs Emerge from Simple Interaction [37.95302339577743]
  本研究では,無作為で非自己複製プログラムが明示的なフィットネス環境を欠く環境に置かれる場合,自己複製プログラムが出現する傾向があることを示す。 また,自己複製器の出現に伴い,複雑なダイナミクスが出現し続けていることを示す。
  論文  参考訳（メタデータ） (2024-06-27T11:34:35Z)
• The Origin and Evolution of Information Handling [0.6963971634605796]
  本稿では、情報制御の開始過程と、生命の原始的な制御機構がいかに進化し、ますます洗練されていくかを説明する。 化学計算における原始遷移を正確に記述することにより、上記のギャップを説明することができる。 自由エネルギーの原理と互換性があるので、生命の起源から高レベルの認知までを記述できる計算エアクティビスト理論の枠組みを開発した。
  論文  参考訳（メタデータ） (2024-04-05T19:35:38Z)
• 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)
• Self-Organizing Intelligent Matter: A blueprint for an AI generating algorithm [4.970985745074165]
  知的生物の出現を促進することを目的とした人工生命の枠組みを提案する。 このフレームワークでは、エージェントの明確な概念はなく、代わりに原子要素で構成された環境があります。 進化過程が環境に共存し、繁栄する様々な生物の出現にどのように寄与するかを論じる。
  論文  参考訳（メタデータ） (2021-01-19T14:02:54Z)
• A synthetic biology approach for the design of genetic algorithms with bacterial agents [0.0]
  合成細菌によって全てのステップが実行される進化的アルゴリズムの設計の斬新さとして紹介する。 結果は、合成生物学の原理、メカニズム、遺伝回路から着想を得た進化的アルゴリズムの可能性が開かれた。
  論文  参考訳（メタデータ） (2021-01-19T09:59:33Z)
• 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)
• Learning Graph Models for Retrosynthesis Prediction [90.15523831087269]
  再合成予測は有機合成の基本的な問題である。 本稿では,前駆体分子のグラフトポロジーが化学反応中にほとんど変化しないという考え方を生かしたグラフベースのアプローチを提案する。 提案モデルでは,テンプレートフリーおよび半テンプレートベースの手法よりも高い5,3.7%の精度でトップ1の精度を実現している。
  論文  参考訳（メタデータ） (2020-06-12T09:40:42Z)
• Learning To Navigate The Synthetically Accessible Chemical Space Using Reinforcement Learning [75.95376096628135]
  ド・ノボ薬物設計のための強化学習(RL)を利用した新しい前方合成フレームワークを提案する。 このセットアップでは、エージェントは巨大な合成可能な化学空間をナビゲートする。 本研究は,合成可能な化学空間を根本的に拡張する上で,エンド・ツー・エンド・トレーニングが重要なパラダイムであることを示す。
  論文  参考訳（メタデータ） (2020-04-26T21:40:03Z)
• Combinatory Chemistry: Towards a Simple Model of Emergent Evolution [0.0]
  Combinatory Chemistryは、 Combinatory Logicという最小限の計算パラダイムに基づくアルゴリズム人工化学である。 実験の結果,外部介入を伴わないこの動的システムの単一実行は,広範囲の創発的パターンを発見できることがわかった。
  論文  参考訳（メタデータ） (2020-03-17T19:55:58Z)
• 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。