論文の概要: Neural Crystals
- arxiv url: http://arxiv.org/abs/2311.16111v2
- Date: Fri, 8 Dec 2023 07:36:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 18:07:37.838260
- Title: Neural Crystals
- Title(参考訳): 神経結晶
- Authors: Sofia Karamintziou, Thanassis Mavropoulos, Dimos Ntioudis, Georgios
Meditskos, Stefanos Vrochidis and Ioannis (Yiannis) Kompatsiaris
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.5081272568823128
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We face up to the challenge of explainability in Multimodal Artificial
Intelligence (MMAI). At the nexus of neuroscience-inspired and quantum
computing, interpretable and transparent spin-geometrical neural architectures
for early fusion of large-scale, heterogeneous, graph-structured data are
envisioned, harnessing recent evidence for relativistic quantum neural coding
of (co-)behavioral states in the self-organizing brain, under competitive,
multidimensional dynamics. The designs draw on a self-dual classical
description - via special Clifford-Lipschitz operations - of spinorial quantum
states within registers of at most 16 qubits for efficient encoding of
exponentially large neural structures. Formally 'trained', Lorentz neural
architectures with precisely one lateral layer of exclusively inhibitory
interneurons accounting for anti-modalities, as well as their co-architectures
with intra-layer connections are highlighted. The approach accommodates the
fusion of up to 16 time-invariant interconnected (anti-)modalities and the
crystallization of latent multidimensional patterns. Comprehensive insights are
expected to be gained through applications to Multimodal Big Data, under
diverse real-world scenarios.
- Abstract(参考訳): マルチモーダル人工知能(MMAI)における説明可能性の課題に直面している。
神経科学に触発された量子コンピューティングの分野において、大規模で不均一なグラフ構造データの初期融合のための解釈可能で透明な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が想定されており、競争的で多次元のダイナミクスの下で自己組織化脳における(共)挙動の相対論的量子ニューラルコーディングの最近の証拠を活用している。
この設計は、指数関数的に大きな神経構造の効率的なエンコーディングのために、少なくとも16キュービットのレジスタ内のスピノリカル量子状態の特別なクリフォード・リプシッツ演算を通じて、自己双対的な古典的記述を描いている。
形式的に「訓練された」ローレンツ神経アーキテクチャでは、抗モダリティを考慮に入れた、正確に1つの側層を持つ抑制性ニューロンと、層内接続による協調構造が強調される。
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。
さまざまな現実のシナリオの下で、総合的な洞察は、マルチモーダルビッグデータへのアプリケーションを通じて得られることが期待される。
関連論文リスト
- Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
神経科学とAIの両方において、ニューロン間の'結合'が競合学習の形式につながることは長年知られている。
完全に接続された畳み込みや注意機構などの任意の接続設計とともに人工的再考を導入する。
このアイデアは、教師なしオブジェクト発見、敵対的ロバスト性、不確実性、推論など、幅広いタスクに性能改善をもたらすことを示す。
論文 参考訳(メタデータ) (2024-10-17T17:47:54Z) - 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) - Explosive neural networks via higher-order interactions in curved statistical manifolds [43.496401697112695]
曲線ニューラルネットワークは,パラメータ数に制限のあるプロトタイプモデルのクラスとして導入する。
これらの曲線ニューラルネットワークは、メモリ検索を高速化する自己制御プロセスを実装している。
強磁性相とスピングラス相の境界付近のレプリカ手法を用いて, メモリ・検索能力の解析を行った。
論文 参考訳(メタデータ) (2024-08-05T09:10:29Z) - ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。
ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。
量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
論文 参考訳(メタデータ) (2023-08-22T09:11:53Z) - The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳(メタデータ) (2023-06-14T13:34:13Z) - ANTN: Bridging Autoregressive Neural Networks and Tensor Networks for Quantum Many-Body Simulation [5.283885355422517]
我々は,テンソルネットワークと自己回帰ニューラルネットワークを橋渡しする新しいアーキテクチャであるAutoregressive NeuralNetを開発した。
自己回帰ニューラルネットワークは、正規化波動関数をパラメータ化し、テンソルネットワークと自己回帰ニューラルネットワークの表現性を一般化し、自己回帰ニューラルネットワークから様々な対称性を継承することを示す。
我々の研究は、量子多体物理シミュレーション、量子技術設計、人工知能における生成モデリングの新しい機会を開く。
論文 参考訳(メタデータ) (2023-04-04T17:54:14Z) - 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) - Multimodal foundation models are better simulators of the human brain [65.10501322822881]
1500万の画像テキストペアを事前訓練した,新たに設計されたマルチモーダル基礎モデルを提案する。
視覚的エンコーダも言語的エンコーダもマルチモーダルで訓練され,脳に近いことが判明した。
論文 参考訳(メタデータ) (2022-08-17T12:36:26Z) - 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) - Scaling of neural-network quantum states for time evolution [0.0]
非可積分量子イジングチェーンのグローバルダイナミクスをシミュレートするために、異なる浅層および深層神経自己回帰量子状態の変動パワーをベンチマークする。
与えられた精度で量子状態を表現するのに必要なパラメータの数が指数関数的に増加することがわかった。
論文 参考訳(メタデータ) (2021-04-21T18:00:07Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z)
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。