論文の概要: Towards a Theory of Evolution as Multilevel Learning
- arxiv url: http://arxiv.org/abs/2110.14602v1
- Date: Wed, 27 Oct 2021 17:21:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-28 15:34:56.662213
- Title: Towards a Theory of Evolution as Multilevel Learning
- Title（参考訳）: 多レベル学習としての進化論に向けて
- Authors: Vitaly Vanchurin, Yuri I. Wolf, Mikhail I. Katsnelson, Eugene V.
Koonin
- Abstract要約: 生命の起源を含む生物学的進化の理論を多段階学習として発展させるために, 物理的に再正規化可能なシステムに学習理論を適用した。
我々は、宇宙を観測可能なものにするのに必要で十分と思われる進化の7つの基本原理を定式化する。
これらの原理は、複製や自然選択を含む生物進化の主要な特徴を包含していることを示す。
- 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 apply the theory of learning to physically renormalizable systems in an
attempt to develop a theory of biological evolution, including the origin of
life, as multilevel learning. We formulate seven fundamental principles of
evolution that appear to be necessary and sufficient to render a universe
observable and show that they entail the major features of biological
evolution, including replication and natural selection. These principles also
follow naturally from the theory of learning. We formulate the theory of
evolution using the mathematical framework of neural networks, which provides
for detailed analysis of evolutionary phenomena. To demonstrate the potential
of the proposed theoretical framework, we derive a generalized version of the
Central Dogma of molecular biology by analyzing the flow of information during
learning (back-propagation) and predicting (forward-propagation) the
environment by evolving organisms. The more complex evolutionary phenomena,
such as major transitions in evolution, in particular, the origin of life, have
to be analyzed in the thermodynamic limit, which is described in detail in the
accompanying paper.
- Abstract（参考訳）: 生命の起源を含む生物学的進化の理論を多段階学習として発展させるために, 物理的に再正規化可能なシステムに学習理論を適用した。
我々は、宇宙を観測可能なものにするために必要で十分と思われる7つの進化の基本原理を定式化し、それらが複製や自然選択を含む生物学的進化の主要な特徴を伴っていることを示す。
これらの原理は学習理論からも自然に従う。
ニューラルネットワークの数学的枠組みを用いて進化論を定式化し,進化現象の詳細な解析を行う。
提案する理論枠組みの可能性を実証するために, 学習中の情報の流れを解析し, 進化する生物による環境の予測(前方伝播)を行うことにより, 分子生物学のCentral Dogmaの一般化版を導出する。
進化における大きな遷移、特に生命の起源のようなより複雑な進化現象は熱力学的極限で分析されなければならず、これに付随する論文で詳細に記述されている。
関連論文リスト
- Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。
我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。
我々は、理論的な主張を合成データ実験で裏付ける。
論文 参考訳（メタデータ） (2024-06-01T18:01:03Z) - LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。
本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。
法発見と分子設計における枠組みの有効性を実証するための実験を行った。
論文 参考訳（メタデータ） (2024-05-16T03:04:10Z) - 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) - When large language models meet evolutionary algorithms [48.213640761641926]
事前訓練された大規模言語モデル(LLM)は、創造的な自然言語を生成する強力な能力を持つ。
進化的アルゴリズム(EA)は、複雑な現実世界の問題に対する多様な解決策を発見できる。
テキスト生成と進化の共通する集合性と方向性に動機づけられた本論文では,LLMとEAの並列性について述べる。
論文 参考訳（メタデータ） (2024-01-19T05:58:30Z) - Role of Morphogenetic Competency on Evolution [0.0]
進化計算において、逆関係(進化に関する知性の影響)は、生物レベルの振る舞いの観点からアプローチされる。
我々は、解剖学的形態空間をナビゲートするシステムの最小限のモデルの知性に焦点を当てる。
我々はシリコの標準遺伝アルゴリズムを用いて人工胚の個体群を進化させた。
論文 参考訳（メタデータ） (2023-10-13T11:58:18Z) - The Evolution theory of Learning: From Natural Selection to
Reinforcement Learning [0.0]
強化学習は、人工知能において、環境から学習するインテリジェントエージェントを開発するための強力なツールである。
近年、研究者たちはこれら2つの明らかに異なる分野の関連性を探り、これまで考えられていたよりも密接な関係にあるという説得力のある証拠を発見した。
本稿では、これらの関係とその意味を考察し、進化システムにおける進化の理解とフィードバックの役割を高めるための強化学習原則の可能性を明らかにする。
論文 参考訳（メタデータ） (2023-06-16T16:44:14Z) - Towards Predicting Equilibrium Distributions for Molecular Systems with
Deep Learning [60.02391969049972]
本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。
DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
論文 参考訳（メタデータ） (2023-06-08T17:12:08Z) - Evolved Open-Endedness in Cultural Evolution: A New Dimension in
Open-Ended Evolution Research [0.0]
我々は、文化的進化は、オープンエンド進化システムのもう一つの実例と見なされるべきであると主張する。
本稿では,進化系としての文化の概観を,オープンエンド進化系としての人類文化進化の興味深い事例として紹介する。
論文 参考訳（メタデータ） (2022-03-24T12:55:23Z) - Complex Evolutional Pattern Learning for Temporal Knowledge Graph
Reasoning [60.94357727688448]
TKG推論は、歴史的KG配列を考えると、将来の潜在的な事実を予測することを目的としている。
進化のパターンは、長さの多様性と時間変化の2つの側面において複雑である。
本稿では,CEN(Complex Evolutional Network)と呼ばれる新しいモデルを提案する。CNN(Convolutional Neural Network)を用いて,長さの異なる進化パターンを扱う。
論文 参考訳（メタデータ） (2022-03-15T11:02:55Z) - Thermodynamics of Evolution and the Origin of Life [0.0]
古典熱力学の定式化と統計的学習の記述を組み合わせることで、進化と生命の起源の現象論的理論を概説する。
この熱力学の枠組みでは、分子の集合体から生物の集合体への転移、すなわち生命の起源をモデル化することができる。
論文 参考訳（メタデータ） (2021-10-28T12:27:33Z) - Embodied Intelligence via Learning and Evolution [92.26791530545479]
環境の複雑さが形態学的知能の進化を促進することを示す。
また、進化は速く学習する形態を素早く選択することを示した。
我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
論文 参考訳（メタデータ） (2021-02-03T18:58:31Z)
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。