論文の概要: Networks of Classical Conditioning Gates and Their Learning
- arxiv url: http://arxiv.org/abs/2312.15161v1
- Date: Sat, 23 Dec 2023 04:31:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 19:23:34.791421
- Title: Networks of Classical Conditioning Gates and Their Learning
- Title（参考訳）: 古典的コンディショニングゲートのネットワークとその学習
- Authors: Shun-ichi Azuma, Dai Takakura, Ryo Ariizumi, Toru Asai
- Abstract要約: 分子サイバーネティックスプロジェクトと呼ばれる化学AIの研究プロジェクトは2021年に日本で開始された。
本稿では,古典的条件付けを実装可能なノードネットワークにおいて,所望の関数を学習する手法を開発した。
- 参考スコア（独自算出の注目度）: 0.7373617024876724
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chemical AI is chemically synthesized artificial intelligence that has the
ability of learning in addition to information processing. A research project
on chemical AI, called the Molecular Cybernetics Project, was launched in Japan
in 2021 with the goal of creating a molecular machine that can learn a type of
conditioned reflex through the process called classical conditioning. If the
project succeeds in developing such a molecular machine, the next step would be
to configure a network of such machines to realize more complex functions. With
this motivation, this paper develops a method for learning a desired function
in the network of nodes each of which can implement classical conditioning.
First, we present a model of classical conditioning, which is called here a
classical conditioning gate. We then propose a learning algorithm for the
network of classical conditioning gates.
- Abstract（参考訳）: ケミカルAIは、情報処理に加えて学習能力を持つ化学合成された人工知能である。
分子サイバーネティックスプロジェクトと呼ばれる化学AIの研究プロジェクトは、2021年に日本で開始され、古典的条件付けと呼ばれるプロセスを通じて条件付き反射を学習できる分子機械を作ることを目的としている。
もしプロジェクトがそのような分子機械の開発に成功すれば、次のステップはより複雑な機能を実現するためにそのような機械のネットワークを構成することである。
そこで本研究では,古典的条件付けを実装可能なノードネットワークにおいて,所望の関数を学習する手法を開発した。
まず、古典的条件付けのモデルを示し、これを古典的条件付けゲートと呼ぶ。
次に,古典的条件付けゲートのネットワークに対する学習アルゴリズムを提案する。
関連論文リスト
- Automated Molecular Concept Generation and Labeling with Large Language Models [40.16671798724945]
本稿では,自動分子概念(AutoMolCo)生成とラベリングのための新しいフレームワークを提案する。
AutoMolCoフレームワーク全体が、概念生成、ラベル付け、精巧化のいずれにおいても、人間の知識を入力せずに自動化されている。
我々は,AutoMolCoによる説明可能なCMが分子科学研究に有用であり,有望であることを示す。
論文 参考訳（メタデータ） (2024-06-13T22:44:08Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳（メタデータ） (2023-03-27T22:48:28Z) - Retrieval-based Controllable Molecule Generation [63.44583084888342]
制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。
我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。
提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
論文 参考訳（メタデータ） (2022-08-23T17:01:16Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-06-07T07:32:57Z) - Neuromorphic Artificial Intelligence Systems [58.1806704582023]
フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。
この記事では、そのような制限と、それらが緩和される方法について論じる。
これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
論文 参考訳（メタデータ） (2022-05-25T20:16:05Z) - Towards AutoQML: A Cloud-Based Automated Circuit Architecture Search
Framework [0.0]
自動量子機械学習(AutoQML)への第一歩を踏み出す
本稿では,この問題の具体的記述を提案し,その後,古典的量子ハイブリッドクラウドアーキテクチャを開発する。
応用例として、量子生成適応ニューラルネットワーク(qGAN)をトレーニングし、既知の歴史的なデータ分布に従うエネルギー価格を生成する。
論文 参考訳（メタデータ） (2022-02-16T12:37:10Z) - The Physics of Machine Learning: An Intuitive Introduction for the
Physical Scientist [0.0]
この記事では、機械学習アルゴリズムに関する深い洞察を得たいと願う物理科学者を対象としている。
まず、エネルギーベースの2つの機械学習アルゴリズム、ホップフィールドネットワークとボルツマンマシンのレビューと、Isingモデルとの関係について述べる。
次に、フィードフォワードニューラルネットワーク、畳み込みニューラルネットワーク、オートエンコーダを含む、さらに"実践的"な機械学習アーキテクチャを掘り下げます。
論文 参考訳（メタデータ） (2021-11-27T15:12:42Z) - A backend-agnostic, quantum-classical framework for simulations of
chemistry in C++ [62.997667081978825]
本稿では,量子古典ソフトウェアをプロトタイピング,開発,デプロイするためのプラットフォームとして,XACCシステムレベルの量子コンピューティングフレームワークを提案する。
現在XACCで実装されている最先端の化学アルゴリズムのいくつかを示す一連の例を示す。
論文 参考訳（メタデータ） (2021-05-04T16:53:51Z) - A Quantum Finite Automata Approach to Modeling the Chemical Reactions [0.0]
量子計算モデルを用いた化学情報処理の研究は自然な目標である。
線形時間で停止する2方向量子有限オートマトンを用いた化学反応をモデル化した。
化学アクセプション/リジェクトシグネチャと量子オートマトンモデルを組み合わせることで、計算の汎用性を向上できることが証明されている。
論文 参考訳（メタデータ） (2020-07-08T09:15:33Z) - Deep Molecular Programming: A Natural Implementation of Binary-Weight
ReLU Neural Networks [7.700240949386079]
本稿では,シリコで訓練されたBinaryConnectニューラルネットワークを等価な化学反応ネットワークにコンパイルする方法を示す。
私たちの研究は、ニューラルネットワークと分子プログラミングコミュニティ間の豊富な知識伝達のステージを設定します。
論文 参考訳（メタデータ） (2020-03-30T18:12:11Z)
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。