論文の概要: A Deep Generative Artificial Intelligence system to decipher species coexistence patterns

• arxiv url: http://arxiv.org/abs/2107.06020v1
• Date: Tue, 13 Jul 2021 12:12:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-14 20:55:58.834989
• Title: A Deep Generative Artificial Intelligence system to decipher species coexistence patterns
• Title（参考訳）: 種共存パターンを解読する深部生成型人工知能システム
• Authors: J. Hirn, J. E. Garc\'ia, A. Montesinos-Navarro, R. Sanchez-Mart\'in, V. Sanz, M. Verd\'u
• Abstract要約: 植生パッチ中の種共存パターンを解析するための最先端機械学習手法について検討する。 GANは、植物種の親和性だけでなく、実際のパッチの種組成を異なる土壌タイプに正確に再現する。 逐次的な軌道を再構築することで、異なるパッチの多様性を生み出す大きな可能性を持つ先駆的な種を特定できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 1. Deciphering coexistence patterns is a current challenge to understanding diversity maintenance, especially in rich communities where the complexity of these patterns is magnified through indirect interactions that prevent their approximation with classical experimental approaches. 2. We explore cutting-edge Machine Learning techniques called Generative Artificial Intelligence (GenAI) to decipher species coexistence patterns in vegetation patches, training generative adversarial networks (GAN) and variational AutoEncoders (VAE) that are then used to unravel some of the mechanisms behind community assemblage. 3. The GAN accurately reproduces the species composition of real patches as well as the affinity of plant species to different soil types, and the VAE also reaches a high level of accuracy, above 99%. Using the artificially generated patches, we found that high order interactions tend to suppress the positive effects of low order interactions. Finally, by reconstructing successional trajectories we could identify the pioneer species with larger potential to generate a high diversity of distinct patches in terms of species composition. 4. Understanding the complexity of species coexistence patterns in diverse ecological communities requires new approaches beyond heuristic rules. Generative Artificial Intelligence can be a powerful tool to this end as it allows to overcome the inherent dimensionality of this challenge.
• Abstract（参考訳）: 1. 特に、これらのパターンの複雑さが、古典的な実験的アプローチとの近似を妨げる間接的な相互作用によって拡大されるリッチなコミュニティにおいて、共存パターンの解読は、多様性の維持を理解するための現在の課題である。 2. 我々は、ジェネレーティブ・人工知能(GenAI)と呼ばれる最先端の機械学習技術を検討し、植生パッチにおける種共存パターンを解読し、ジェネレーティブ・敵ネットワーク(GAN)と変分オートエンコーダ(VAE)を訓練し、コミュニティの集合の背後にあるいくつかのメカニズムを解明する。 3. GANは、植物種の異なる土壌タイプへの親和性だけでなく、実際のパッチの種組成を正確に再現し、VAEは99%以上の高い精度に達する。 人工的に生成したパッチを用いて,高次相互作用が低次相互作用の正の効果を抑制する傾向を示した。 最後に、逐次軌道の再構築により、種組成の点で異なるパッチの多様性を高い可能性を持つ先駆的な種を特定できる。 4. 多様な生態系における種共存パターンの複雑さを理解するには、ヒューリスティックなルールを超えた新しいアプローチが必要である。 生成的人工知能は、この課題の本質的な次元を克服できるため、この目的のための強力なツールとなり得る。

関連論文リスト

• Interpreting artificial neural networks to detect genome-wide association signals for complex traits [0.0]
  複雑な疾患の遺伝的アーキテクチャを調べることは、遺伝的および環境要因の高度にポリジェニックでインタラクティブな景観のために困難である。 我々は、シミュレーションと実際のジェノタイプ/フェノタイプデータセットの両方を用いて、複雑な特性を予測するために、人工ニューラルネットワークを訓練した。
  論文  参考訳（メタデータ） (2024-07-26T15:20:42Z)
• Toward Artificial Open-Ended Evolution within Lenia using Quality-Diversity [5.380545611878407]
  複雑なシステムにおける多種多様な自己組織化パターンの自動発見には,品質多様性が有効であることを示す。 我々のフレームワークは、Leniabreederと呼ばれ、手動で定義された多様性基準と教師なしの多様性尺度の両方を利用して、発見可能なパターンの範囲を広げることができる。
  論文  参考訳（メタデータ） (2024-06-06T16:35:27Z)
• On the Challenges and Opportunities in Generative AI [135.2754367149689]
  現在の大規模生成AIモデルは、ドメイン間で広く採用されるのを妨げるいくつかの基本的な問題に十分対応していない、と我々は主張する。 本研究は、現代の生成型AIパラダイムにおける重要な未解決課題を特定し、その能力、汎用性、信頼性をさらに向上するために取り組まなければならない。
  論文  参考訳（メタデータ） (2024-02-28T15:19:33Z)
• Unveiling the Unseen: Identifiable Clusters in Trained Depthwise Convolutional Kernels [56.69755544814834]
  深部分離型畳み込みニューラルネットワーク(DS-CNN)の最近の進歩は、新しいアーキテクチャをもたらす。 本稿では,DS-CNNアーキテクチャのもう一つの顕著な特性を明らかにする。
  論文  参考訳（メタデータ） (2024-01-25T19:05:53Z)
• Quality Diversity in the Amorphous Fortress (QD-AF): Evolving for Complexity in 0-Player Games [2.1374208474242815]
  アモルファス・フォートレス(AF)シミュレーションフレームワークを用いた多様な環境の創出について検討する。 フレームワーク内のエージェントの挙動と条件は、多エージェント人工生命と強化学習環境の共通構成要素を捉えるように設計されている。
  論文  参考訳（メタデータ） (2023-12-04T05:16:53Z)
• 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)
• PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
  本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。 我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-10-12T23:46:08Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• Heritability in Morphological Robot Evolution [2.7402733069181]
  遺伝性の生物学的概念を導入し,遺伝子型変異による表現型変異の量を把握する。 解析では,2つの異なるエンコーディングから進化した第1世代のロボットの遺伝性を測定した。 遺伝性は遺伝子型と表現型との関係をよりよく理解するための有用なツールであることを示す。
  論文  参考訳（メタデータ） (2021-10-21T14:58:17Z)
• Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
  本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。 提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
  論文  参考訳（メタデータ） (2020-10-11T06:26:56Z)
• Hierarchically Organized Latent Modules for Exploratory Search in Morphogenetic Systems [21.23182328329019]
  多様な表現の階層の教師なし学習を可能にする新しい動的・モジュラーアーキテクチャを導入する。 本システムは,ユーザの嗜好に対して効率よく多様性探索を適応できる発見アシスタントを構築できることを示す。
  論文  参考訳（メタデータ） (2020-07-02T15:28:27Z)

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。