論文の概要: Biophysical Cybernetics of Directed Evolution and Eco-evolutionary
Dynamics
- arxiv url: http://arxiv.org/abs/2305.03340v1
- Date: Fri, 5 May 2023 07:45:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 15:00:17.985011
- Title: Biophysical Cybernetics of Directed Evolution and Eco-evolutionary
Dynamics
- Title（参考訳）: 向進化と生態進化のバイオフィジカルサイバネティクス
- Authors: Bryce Allen Bagley
- Abstract要約: 我々は、生態学と個々の遺伝子型/フェノタイプの両方の複雑さをマップする双対性を導入する。
我々は、部分的に観察可能なマルコフ決定プロセスという形で「直接進化」の問題に対処する。
これは、非常に一般的なタイプのエコ進化軌道を研究するという、難解なケースを提供する。
- 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: Many major questions in the theory of evolutionary dynamics can in a
meaningful sense be mapped to analyses of stochastic trajectories in game
theoretic contexts. Often the approach is to analyze small numbers of distinct
populations and/or to assume dynamics occur within a regime of population sizes
large enough that deterministic trajectories are an excellent approximation of
reality. The addition of ecological factors, termed "eco-evolutionary
dynamics", further complicates the dynamics and results in many problems which
are intractable or impractically messy for current theoretical methods.
However, an analogous but underexplored approach is to analyze these systems
with an eye primarily towards uncertainty in the models themselves. In the
language of researchers in Reinforcement Learning and adjacent fields, a
Partially Observable Markov Process. Here we introduce a duality which maps the
complexity of accounting for both ecology and individual genotypic/phenotypic
types onto a problem of accounting solely for underlying information-theoretic
computations rather than drawing physical boundaries which do not change the
computations. Armed with this equivalence between computation and the relevant
biophysics, which we term Taak-duality, we attack the problem of "directed
evolution" in the form of a Partially Observable Markov Decision Process. This
provides a tractable case of studying eco-evolutionary trajectories of a highly
general type, and of analyzing questions of potential limits on the efficiency
of evolution in the directed case.
- Abstract（参考訳）: 進化力学の理論における多くの主要な質問は、ゲーム理論の文脈における確率的軌跡の分析に意味のある意味でマッピングすることができる。
しばしばこのアプローチは、少数の異なる個体群を解析し、あるいは、決定論的軌道が現実の優れた近似となるほど大きな個体群の大きさの体制内でダイナミクスが生じると仮定する。
生態学的要因(eco-evolutionary dynamics)の付加は、さらにダイナミクスを複雑化し、現在の理論的な手法では扱いにくい、あるいは実用的でない多くの問題を引き起こす。
しかし、類似しているが未熟なアプローチは、モデル自体の不確実性に主に目を向けて、これらのシステムを分析することである。
強化学習と隣接する分野の研究者の言語では、部分的に観察可能なマルコフプロセスがある。
ここでは、生態学と個別の遺伝子型/フェノタイプ型の両方の会計の複雑さを、計算を変えない物理的境界を描くのではなく、基礎となる情報理論計算にのみ考慮する問題にマッピングする双対性を導入する。
この計算とTaak-dualityと呼ばれる関連する生物物理学の等価性に則って、我々は部分的に観察可能なマルコフ決定プロセスという形で「直接進化」の問題に対処する。
これは、非常に一般的なタイプのエコ進化軌道の研究や、有向の場合の進化の効率に対する潜在的な限界の問題を解析することのできるケースを提供する。
関連論文リスト
- Exploring the Dynamics of Lotka-Volterra Systems: Efficiency, Extinction Order, and Predictive Machine Learning [0.0]
破壊効率が持続的でないシステムをいかに生み出すかを示す。
我々は、出生、死、自己規制、相互作用の強さの合計値の不平等が、食物網の持続性や安定性に関する洞察をいかにもたらすかを示す。
論文 参考訳（メタデータ） (2024-10-14T18:29:55Z) - Deep Signature: Characterization of Large-Scale Molecular Dynamics [29.67824486345836]
ディープシグナチャ(Deep Signature)は、複雑な力学と原子間相互作用を特徴付ける、計算的に抽出可能な新しいフレームワークである。
提案手法では,協調力学を局所的に集約してシステムのサイズを小さくするソフトスペクトルクラスタリングと,非滑らかな対話力学のグローバルな評価を行うシグネチャ変換を取り入れた。
論文 参考訳（メタデータ） (2024-10-03T16:37:48Z) - Towards Definition of Higher Order Causality in Complex Systems [0.0]
本稿では,因果推論に対する情報理論的アプローチの一般化と改良を提案する。
特に、多変量因果集合に因果的役割を割り当てるが、個々の入力には直交しない。
我々は、この概念を、実演理論的な例に適用し、生体物理学的に現実的な生体神経力学シミュレーションに応用することによって実証する。
論文 参考訳（メタデータ） (2024-08-30T12:04:51Z) - Phylogeny-Informed Interaction Estimation Accelerates Co-Evolutionary Learning [42.642008092347986]
本稿では、系統解析を用いて相互作用結果を推定する系統情報インフォームドインタラクション推定手法を提案する。
系統的インフォームド推定は,問題解決に必要な計算量を大幅に削減できることがわかった。
論文 参考訳（メタデータ） (2024-04-09T19:29:19Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - 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) - Deep Learning-based Analysis of Basins of Attraction [49.812879456944984]
本研究は,様々な力学系における盆地の複雑さと予測不可能性を特徴づけることの課題に対処する。
主な焦点は、この分野における畳み込みニューラルネットワーク(CNN)の効率性を示すことである。
論文 参考訳（メタデータ） (2023-09-27T15:41:12Z) - GeoPhy: Differentiable Phylogenetic Inference via Geometric Gradients of
Tree Topologies [0.3263412255491401]
連続幾何学空間における位相分布のユニークな表現を利用する、系統推論の新規で完全に微分可能な定式化を導入する。
実際のベンチマークデータセットを用いた実験では、GeoPhyは全トポロジーを考慮した他の近似ベイズ法よりも著しく優れていた。
論文 参考訳（メタデータ） (2023-07-07T15:45:05Z) - Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。
以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。
この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文 参考訳（メタデータ） (2023-06-06T19:05:01Z) - 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。