論文の概要: Evolving Complexity is Hard
- arxiv url: http://arxiv.org/abs/2209.13013v1
- Date: Fri, 16 Sep 2022 19:13:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 23:24:41.649688
- Title: Evolving Complexity is Hard
- Title(参考訳): 複雑さの進化は難しい
- Authors: Alden H. Wright and Cheyenne L. Laue
- Abstract要約: ジェノタイプフェノタイプマップは進化の基本であり、ジェノタイプ空間における表現型保存ウォークに従うことによって進化を可能にする。
ここでは,ディジタル論理ゲート回路G-Pマップを用いて,ジェノタイプを回路で表現し,表現型を回路が計算する関数で表現する。
論理ゲート回路は, 表現型展開性, 頑健性, 複雑さの計算方法の1つの関係を除いて, 生物学的に導出されたG-Pマップの普遍的性質を多数共有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://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Understanding the evolution of complexity is an important topic in a wide
variety of academic fields. Implications of better understanding complexity
include increased knowledge of major evolutionary transitions and the
properties of living and technological systems. Genotype-phenotype (G-P) maps
are fundamental to evolution, and biologically-oriented G-P maps have been
shown to have interesting and often-universal properties that enable evolution
by following phenotype-preserving walks in genotype space. Here we use a
digital logic gate circuit G-P map where genotypes are represented by circuits
and phenotypes by the functions that the circuits compute. We compare two
mathematical definitions of circuit and phenotype complexity and show how these
definitions relate to other well-known properties of evolution such as
redundancy, robustness, and evolvability. Using both Cartesian and Linear
genetic programming implementations, we demonstrate that the logic gate circuit
shares many universal properties of biologically derived G-P maps, with the
exception of the relationship between one method of computing phenotypic
evolvability, robustness, and complexity. Due to the inherent structure of the
G-P map, including the predominance of rare phenotypes, large interconnected
neutral networks, and the high mutational load of low robustness, complex
phenotypes are difficult to discover using evolution. We suggest, based on this
evidence, that evolving complexity is hard and we discuss computational
strategies for genetic-programming-based evolution to successfully find
genotypes that map to complex phenotypes in the search space.
- Abstract(参考訳): 複雑性の進化を理解することは、幅広い学術分野において重要なトピックである。
より理解しやすい複雑性には、進化の遷移に関する知識の増大や、生活と技術システムの特性が含まれる。
遺伝子型フェノタイプ (G-P) マップは進化の基本であり、生物学的に指向するG-Pマップは、表現型保存ウォークを遺伝子型空間で追従することによって進化を可能にする興味深い、しばしばユニバーサルな性質を持つことが示されている。
ここでは,ディジタル論理ゲート回路G-Pマップを用いて,ジェノタイプを回路で表現し,表現型を回路が計算する関数で表現する。
回路と表現型複雑性の数学的定義を比較し、これらの定義が、冗長性、堅牢性、進化性といった他のよく知られた進化特性とどのように関連しているかを示す。
カルテシアンと線形遺伝的プログラミングの両実装を用いて, 論理ゲート回路は, 表現型展開性, 堅牢性, 複雑さの計算方法の1つの関係を除いて, 生物学的に導出されたG-Pマップの普遍的性質を多数共有していることを示す。
希少な表現型、大きな相互接続型中立ネットワーク、低ロバスト性の高い突然変異負荷を含むG-Pマップの固有の構造のため、複雑な表現型は進化を用いて発見することが困難である。
この証拠に基づき,進化の複雑さは困難であり,探索空間の複雑な表現型にマップする遺伝子型をうまく見つけるための遺伝的プログラミングに基づく進化の計算戦略について議論する。
関連論文リスト
- Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。
BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。
BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文 参考訳(メタデータ) (2024-06-05T06:42:27Z) - 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) - Probabilistic Genotype-Phenotype Maps Reveal Mutational Robustness of
RNA Folding, Spin Glasses, and Quantum Circuits [0.0]
本稿では,各遺伝子型を表現型確率ベクトルにマッピングする確率的遺伝子型フェノタイプマップを紹介する。
本研究では,様々な物理源から生じる不確実性に対処できることを示す3つのモデルシステムについて検討する。
いずれのケースにおいても,より頻繁な表現型に対するランダムな期待に対して拡張された,新しい双相性頑健性尺度が観察される。
論文 参考訳(メタデータ) (2023-01-04T23:09:38Z) - The Effect of Epigenetic Blocking on Dynamic Multi-Objective
Optimisation Problems [1.4502611532302039]
エピジェネティックなメカニズムは、環境変化に素早く非あるいは部分的に適応できる。
本稿では、自然界におけるエピジェネティック継承の利点が、動的多目的問題において複製されるかどうかを問う。
論文 参考訳(メタデータ) (2022-11-25T16:33:05Z) - On the Complexity of Bayesian Generalization [141.21610899086392]
我々は、多様かつ自然な視覚スペクトルにおいて、概念一般化を大規模に考える。
問題空間が大きくなると、2つのモードが研究され、$complexity$が多様になる。
論文 参考訳(メタデータ) (2022-11-20T17:21:37Z) - Phenotype Search Trajectory Networks for Linear Genetic Programming [8.079719491562305]
中立性(英: Neutrality)は、いくつかの突然変異が表現型変化を起こさないという観察である。
遺伝的プログラミングシステムの探索軌跡をグラフベースモデルとして検討する。
遺伝子型とコルモゴロフ複雑性を含む表現型の特徴を測定した。
論文 参考訳(メタデータ) (2022-11-15T21:20:50Z) - 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) - Epigenetic opportunities for Evolutionary Computation [0.0]
進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。
遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。
本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
論文 参考訳(メタデータ) (2021-08-10T09:44:53Z) - Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。
異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。
提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文 参考訳(メタデータ) (2021-04-12T12:45:16Z) - 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)
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。