論文の概要: Increased Complexity and Fitness of Artificial Cells that Reproduce
Using Spatially Distributed Asynchronous Parallel Processes
- arxiv url: http://arxiv.org/abs/2103.08406v1
- Date: Mon, 15 Mar 2021 14:33:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-08 02:19:20.230636
- Title: Increased Complexity and Fitness of Artificial Cells that Reproduce
Using Spatially Distributed Asynchronous Parallel Processes
- Title（参考訳）: 空間分散非同期並列プロセスを用いた人工細胞の複雑さと適合性の向上
- Authors: Lance R. Williams
- Abstract要約: 本稿では,より小さな細胞よりも少ない時間で複製する人工細胞について述べる。
これは、細胞がコンポーネント部品を合成するために使用するプロセスの制限ステップを実装するプログラムの余分なコピーを利用することによって達成される。
- 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: Replication time is among the most important components of a bacterial cell's
reproductive fitness. Paradoxically, larger cells replicate in less time than
smaller cells despite the fact that building a larger cell requires increased
quantities of raw materials and energy. This feat is primarily accomplished by
the massive over expression of ribosomes, which permits translation of mRNA
into protein, the limiting step in reproduction, to occur at a scale that would
be impossible were it not for the use of parallel processing. In computer
science, spatial parallelism is the distribution of work across the nodes of a
distributed-memory multicomputer system. Despite the fact that a non-negligible
fraction of artificial life research is grounded in formulations based on
spatially parallel substrates, there have been no examples of artificial
organisms that use spatial parallelism to replicate in less time than smaller
organisms. This paper describes artificial cells defined using a
combinator-based artificial chemistry that replicate in less time than smaller
cells. This is achieved by employing extra copies of programs implementing the
limiting steps in the process used by the cells to synthesize their component
parts. Significant speedup is demonstrated, despite the increased complexity of
control and export processes necessitated by the use of a parallel replication
strategy.
- Abstract（参考訳）: 複製時間は、細菌細胞の生殖能の最も重要な構成要素の一つである。
逆説的に、大きな細胞はより小さな細胞よりも少ない時間で複製するが、大きな細胞を作るには大量の原料とエネルギーを必要とする。
この偉業は主にリボソームの過剰発現によって達成され、これはmRNAのタンパク質への翻訳を、並列処理を使わなければ不可能なスケールで行うことができる。
計算機科学において、空間並列性とは分散メモリマルチコンピュータシステムのノード間での作業の分散である。
空間的平行な基質に基づく定式化によって、非無視的な人工生命の研究が根底にあるという事実にもかかわらず、空間的並列性を用いてより小さな生物よりも少ない時間で複製する人工生物の例はない。
本稿では、コンビネータベースの人工化学を用いて、より小さな細胞よりも少ない時間で複製する人工細胞について述べる。
これは、細胞がコンポーネント部品を合成するために使用するプロセスの制限ステップを実装するプログラムの余分なコピーを利用することによって達成される。
並列レプリケーション戦略によって必要となる制御およびエクスポートプロセスの複雑さにもかかわらず、大幅なスピードアップが実証されている。
関連論文リスト
- Multicell-Fold: geometric learning in folding multicellular life [0.34952465649465553]
細胞群が特定の構造にどのように折り畳むかは、生物がどのように形成されるかを定義する生物学の中心的な問題である。
マルチセルの折り畳みや胚発生を予測できる幾何学的深層学習モデルを提案する。
我々は,4次元形態素配列アライメントの解釈と局所的な細胞再構成の予測という,2つの重要な課題を達成するために,我々のモデルをうまく利用した。
論文 参考訳（メタデータ） (2024-07-09T17:21:49Z) - Decreasing the Computing Time of Bayesian Optimization using
Generalizable Memory Pruning [56.334116591082896]
本稿では,任意のサロゲートモデルと取得関数で使用可能なメモリプルーニングとバウンダリ最適化のラッパーを示す。
BOを高次元または大規模データセット上で実行することは、この時間の複雑さのために難解になる。
すべてのモデル実装はMIT Supercloudの最先端コンピューティングハードウェア上で実行される。
論文 参考訳（メタデータ） (2023-09-08T14:05:56Z) - ReLU and Addition-based Gated RNN [1.484528358552186]
従来のリカレントゲートの乗算とシグモイド関数を加算とReLUアクティベーションで置き換える。
このメカニズムは、シーケンス処理のための長期メモリを維持するために設計されているが、計算コストは削減されている。
論文 参考訳（メタデータ） (2023-08-10T15:18:16Z) - 3D Mitochondria Instance Segmentation with Spatio-Temporal Transformers [101.44668514239959]
本稿では,空間的および時間的注意を並列に効率的に計算するハイブリッドエンコーダデコーダフレームワークを提案する。
また,ミトコンドリアインスタンスの領域を背景から支援する訓練中に,意味的クラッタ・バックグラウンドの逆行性障害も導入した。
論文 参考訳（メタデータ） (2023-03-21T17:58:49Z) - Block-Recurrent Transformers [49.07682696216708]
本稿では,逐次的にトランス層を適用するBlock-Recurrent Transformerを提案する。
我々のリカレントセルはシングルトークンではなくトークンブロック上で動作し、アクセルハードウェアを効率的に活用するためにブロック内の並列計算を利用する。
論文 参考訳（メタデータ） (2022-03-11T23:44:33Z) - Multi-StyleGAN: Towards Image-Based Simulation of Time-Lapse Live-Cell
Microscopy [23.720106678247888]
生体細胞の時間分解蛍光顕微鏡像をシミュレートする手法としてMulti-StyleGANを提案する。
この新規な生成逆ネットワークは連続した時間ステップのマルチドメイン配列を合成する。
このシミュレーションは、細胞の形態、成長、物理的相互作用、および蛍光レポータータンパク質の強度など、基礎となる生理的要因と時間的依存を捉えている。
論文 参考訳（メタデータ） (2021-06-15T16:51:16Z) - Visualizing computation in large-scale cellular automata [24.62657948019533]
セルオートマトンのような複雑なシステムの創発的プロセスは、複雑さが増大する計算を実行することができる。
セル状態,クラスタリング,オートエンコーダの周波数解析に基づく粗粒度セルオートマトンの方法を提案する。
論文 参考訳（メタデータ） (2021-04-01T08:14:15Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Split and Expand: An inference-time improvement for Weakly Supervised
Cell Instance Segmentation [71.50526869670716]
本研究では,分割マップのインスタンスへの変換を改善するために,2段階の後処理手順であるSplitとExpandを提案する。
Splitのステップでは,セルの集合をセグメント化マップから個々のセルインスタンスに分割し,セル中心の予測を導出する。
拡張ステップでは、細胞中心予測を用いて、小さな細胞が欠落していることが分かる。
論文 参考訳（メタデータ） (2020-07-21T14:05:09Z) - DistNet: Deep Tracking by displacement regression: application to
bacteria growing in the Mother Machine [2.741266294612776]
本稿では,トラッキングエラー率とセグメンテーションエラー率を極端に低くする自己認識機構を活用するディープニューラルネットワークアーキテクチャを提案する。
本手法はDISTance+DISplacement and Tracking Networkの略であるDiSTNetと名付けられた。
論文 参考訳（メタデータ） (2020-03-17T16:13:44Z) - Accelerating Feedforward Computation via Parallel Nonlinear Equation
Solving [106.63673243937492]
ニューラルネットワークの評価や自己回帰モデルからのサンプリングなどのフィードフォワード計算は、機械学習においてユビキタスである。
本稿では,非線形方程式の解法としてフィードフォワード計算の課題を定式化し,ジャコビ・ガウス・シーデル固定点法とハイブリッド法を用いて解を求める。
提案手法は, 並列化可能な繰り返し回数の削減(あるいは等値化)により, 元のフィードフォワード計算と全く同じ値が与えられることを保証し, 十分な並列化計算能力を付与する。
論文 参考訳（メタデータ） (2020-02-10T10:11:31Z)
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。