論文の概要: The Free Energy Principle drives neuromorphic development

• arxiv url: http://arxiv.org/abs/2207.09734v1
• Date: Wed, 20 Jul 2022 08:22:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-21 13:15:57.348712
• Title: The Free Energy Principle drives neuromorphic development
• Title（参考訳）: 自由エネルギー原理は神経型発達を促進する
• Authors: Chris Fields, Karl Friston, James F. Glazebrook, Michael Levin, and Antonino Marcian\`o
• Abstract要約: 形態学的な自由度と局所的に制限された自由エネルギーを持つシステムは、ニューロモルフィックな形態に向かってどのように進化するかを示す。 この形態学は、各レベルが入力の粗粒化を行い、出力の微細粒化を行う階層計算をサポートする。
• 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: We show how any system with morphological degrees of freedom and locally limited free energy will, under the constraints of the free energy principle, evolve toward a neuromorphic morphology that supports hierarchical computations in which each level of the hierarchy enacts a coarse-graining of its inputs, and dually a fine-graining of its outputs. Such hierarchies occur throughout biology, from the architectures of intracellular signal transduction pathways to the large-scale organization of perception and action cycles in the mammalian brain. Formally, the close formal connections between cone-cocone diagrams (CCCD) as models of quantum reference frames on the one hand, and between CCCDs and topological quantum field theories on the other, allow the representation of such computations in the fully-general quantum-computational framework of topological quantum neural networks.
• Abstract（参考訳）: 自由エネルギー原理の制約の下で、どのような形態学的な自由度や局所的な自由エネルギーの体系も、階層構造の各レベルが入力の粗粒化を行い、その出力を微細化する階層的な計算をサポートするニューロモルフォロジーへと進化していくかを示す。 このような階層構造は、細胞内シグナル伝達経路のアーキテクチャから哺乳類の脳における知覚と行動サイクルの大規模組織に至るまで、生物学を通して起こる。 形式的には、円錐円錐図(CCCD)を量子参照フレームのモデルとして、また、CCCDと位相量子場理論の間の密接な形式的な接続は、トポロジカル量子ニューラルネットワークの完全な量子計算の枠組みにおけるそのような計算の表現を可能にする。

関連論文リスト

• Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
  スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。 本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
  論文  参考訳（メタデータ） (2024-09-17T04:48:45Z)
• Neural Message Passing Induced by Energy-Constrained Diffusion [79.9193447649011]
  本稿では,MPNNのメカニズムを理解するための原理的解釈可能なフレームワークとして,エネルギー制約付き拡散モデルを提案する。 データ構造が(グラフとして)観察されたり、部分的に観察されたり、完全に観察されなかったりした場合に、新しいモデルが有望な性能が得られることを示す。
  論文  参考訳（メタデータ） (2024-09-13T17:54:41Z)
• Brain functions emerge as thermal equilibrium states of the connectome [0.3453002745786199]
  神経科学における基本的なパラダイムは、認知機能は脳の構造的構造によって形成されることである。 構造コネクトームの関数状態が代数量子系の熱平衡状態として現れる枠組みを提案する。 線虫Em Caenorhabditis elegansのコネクトームにこの枠組みを適用した。
  論文  参考訳（メタデータ） (2024-08-26T12:35:16Z)
• Emergence of global receptive fields capturing multipartite quantum correlations [0.565473932498362]
  量子物理学において、波動関数レベルで明確に定義された構造を持つ単純なデータでさえ、非常に複雑な相関によって特徴づけられる。 量子統計学を学習しながら、ニューラルネットワークの重み空間をモニタリングすることで、複雑な多部パターンに関する物理的直観を発達させることができることを示す。 この結果から,非局所パターンを用いたデータ処理のための畳み込みニューラルネットワークの構築について,新たな知見が得られた。
  論文  参考訳（メタデータ） (2024-08-23T12:45:40Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• Neural Crystals [1.5081272568823128]
  我々は、大規模で異質なグラフ構造化データの初期融合のためのスピン幾何学的ニューラルネットワークアーキテクチャを構想する。 我々は、指数的に大きな神経構造を効率的に符号化するために、少なくとも16量子ビットのレジスタ内のスピノリアル量子状態の自己双対的記述を描いている。 このアプローチは最大16の時間不変(反)モダリティの融合と潜在多次元パターンの結晶化に対応している。
  論文  参考訳（メタデータ） (2023-09-05T05:34:57Z)
• A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
  混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。 プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。 ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
  論文  参考訳（メタデータ） (2023-01-17T15:16:21Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Quantum Neural Networks -- Computational Field Theory and Dynamics [0.0]
  量子人工ニューラルネットワークの力学系としての形式化が開発されている。 量子コンピュータ科学、量子複雑性研究、量子技術、神経科学にもその意味がある。
  論文  参考訳（メタデータ） (2022-03-19T10:37:23Z)
• Neurons as hierarchies of quantum reference frames [0.0]
  我々は、シナプス、樹状突起および軸索過程、ニューロン、局所ネットワークの均一でスケーラブルな表現を開発する。 発達的・再生的文脈において、モデルがどのように非神経細胞や組織に一般化されるのかを概説する。
  論文  参考訳（メタデータ） (2022-01-04T00:53:56Z)
• Enhancement of quantum correlations and geometric phase for a driven bipartite quantum system in a structured environment [77.34726150561087]
  構造環境下で進化する初期最大絡み合い状態における運転の役割について検討した。 この知識は、散逸動力学の下で量子特性を最もよく保持する物理装置の探索に役立つ。
  論文  参考訳（メタデータ） (2021-03-18T21:11:37Z)

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。