論文の概要: The Origin and Evolution of Information Handling
- arxiv url: http://arxiv.org/abs/2404.04374v5
- Date: Fri, 07 Feb 2025 16:54:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-10 14:53:25.146403
- Title: The Origin and Evolution of Information Handling
- Title（参考訳）: 情報処理の起源と進化
- Authors: Amahury Jafet López-Díaz, Hiroki Sayama, Carlos Gershenson,
- Abstract要約: 情報ファーストアプローチは、ホフメイユの(F, A)-システムと時間的パラメトリゼーションとマルチスケール因果関係を統合する。
我々のモデルは、正規言語を認識する単純な反応ネットワークから、記憶と予測能力を備えた自己複製化学システムまで、情報処理の進化を辿る。
- 参考スコア（独自算出の注目度）: 0.6963971634605796
- License:
- Abstract: Understanding the emergence and evolution of information handling is essential for unraveling the origins of life. Traditional genetic-first and metabolism-first models fall short in explaining how instructional information control systems naturally arise from molecular dynamics. To address this gap, we adopt an information-first approach, integrating Hofmeyr's (F, A)-systems -- an extension of Rosen's (M, R)-systems -- with temporal parametrization and multiscale causality. These models, which embody closure to efficient causation while remaining open to formal causation, provide a robust framework for primitive autopoiesis, anticipation, and adaptation. We establish a formal equivalence between extended (F, A)-systems and communicating X-machines, resolving self-referential challenges and demonstrating the hypercomputational nature of life processes. Our stepwise model traces the evolution of information handling from simple reaction networks that recognize regular languages to self-replicating chemical systems with memory and anticipatory capabilities. This transition from analog to digital architectures enhances evolutionary robustness and aligns with experimental evidence suggesting that chemical computation does not require life-specific chemistry. Furthermore, we incorporate open-ended evolutionary dynamics driven by computational undecidability and irreducibility, reinforcing the necessity of unconventional computing frameworks. This computational enactivist perspective provides a cohesive theoretical basis for a recently proposed trialectic between autopoiesis, anticipation and adaptation in order to solve the problem of relevance. By highlighting the critical role of hypercomputational processes in life's emergence and evolution, our framework offers new insights into the fundamental principles underlying biological information processing.
- Abstract（参考訳）: 生命の起源を明らかにするためには、情報処理の出現と進化を理解することが不可欠である。
従来の遺伝第一モデルと代謝第一モデルでは、インストラクショナル情報制御システムが分子動力学から自然に生じる方法を説明できない。
このギャップに対処するため、Hofmeyrの(F, A)-systems -- Rosenの(M, R)-systemsの拡張 -- を時間的パラメトリゼーションとマルチスケール因果関係に組み込む、情報優先のアプローチを採用する。
これらのモデルは、正式な因果関係を保ちながら効率的な因果関係への閉包を具現化したものであり、原始的自己ポエシス、予測、適応のための堅牢な枠組みを提供する。
我々は、拡張(F, A)-システムとX-マシン間の形式的等価性を確立し、自己参照的課題を解決し、生命プロセスの超計算的性質を実証する。
我々のステップワイドモデルは、通常の言語を認識する単純な反応ネットワークから、記憶と予測能力を備えた自己複製化学システムまで、情報処理の進化を辿る。
このアナログからデジタルアーキテクチャへの遷移は、進化的堅牢性を高め、化学計算が生命固有の化学を必要としないことを示す実験的証拠と一致している。
さらに、計算的不決定性と既約性によって駆動されるオープンな進化力学を取り入れ、非伝統的な計算フレームワークの必要性を補強する。
この計算実践主義的観点は、関連性の問題を解決するために、最近提案されたオートポエシス、予測、適応の間の試行錯誤の結束的な理論的基礎を提供する。
生命の出現と進化における超コンピュータプロセスの重要な役割を強調することで、我々のフレームワークは生物学的情報処理の基礎となる基本原理に関する新たな洞察を提供する。
関連論文リスト
- LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。
本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。
法発見と分子設計における枠組みの有効性を実証するための実験を行った。
論文 参考訳（メタデータ） (2024-05-16T03:04:10Z) - 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) - 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) - Large Language Models for Scientific Synthesis, Inference and
Explanation [56.41963802804953]
大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。
我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。
このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
論文 参考訳（メタデータ） (2023-10-12T02:17:59Z) - Interactive Molecular Discovery with Natural Language [69.89287960545903]
対象分子を記述・編集するための自然言語を用いた対話型分子設計を提案する。
この課題をより良くするために、実験プロパティ情報を注入することによって強化された知識的で汎用的な生成事前学習モデルChatMolを設計する。
論文 参考訳（メタデータ） (2023-06-21T02:05:48Z) - Discovery of structure-property relations for molecules via
hypothesis-driven active learning over the chemical space [0.0]
本稿では,仮説学習に基づく化学空間上の能動的学習のための新しいアプローチを提案する。
我々は,データサブセットの小さな部分集合に基づいて,関心の構造と機能の関係性に関する仮説を構築した。
このアプローチでは、SISSOやアクティブラーニングといったシンボリックレグレッションメソッドの要素をひとつのフレームワークに統合する。
論文 参考訳（メタデータ） (2023-01-06T14:22:43Z) - A Molecular Multimodal Foundation Model Associating Molecule Graphs with
Natural Language [63.60376252491507]
本稿では,分子グラフとその意味的関連テキストデータから事前学習した分子マルチモーダル基礎モデルを提案する。
我々のモデルは、生物学、化学、材料、環境、医学などの分野において、AIを動力とする分野に幅広い影響を与えるだろうと考えています。
論文 参考訳（メタデータ） (2022-09-12T00:56:57Z) - Detailed Balanced Chemical Reaction Networks as Generalized Boltzmann
Machines [0.0]
本稿では,生物化学計算機が内在性化学ノイズを用いて複雑な計算を行う方法を示す。
また、我々の明示的な物理モデルを用いて、推論の熱力学的コストを導出する。
論文 参考訳（メタデータ） (2022-05-12T18:59:43Z) - Towards a Theory of Evolution as Multilevel Learning [0.0]
生命の起源を含む生物学的進化の理論を多段階学習として発展させるために, 物理的に再正規化可能なシステムに学習理論を適用した。
我々は、宇宙を観測可能なものにするのに必要で十分と思われる進化の7つの基本原理を定式化する。
これらの原理は、複製や自然選択を含む生物進化の主要な特徴を包含していることを示す。
論文 参考訳（メタデータ） (2021-10-27T17:21:16Z) - Applications of the Free Energy Principle to Machine Learning and
Neuroscience [0.0]
我々は、自由エネルギー原理にインスパイアされた手法を機械学習と神経科学の2つの重要な分野に適用する。
我々は、自由エネルギー原理から派生した神経生物学的に妥当なプロセス理論である予測符号化に焦点を当てる。
第2に、変動メッセージパッシングによる行動の神経生物学的根拠である能動推論について検討する。
最後に, 生物学的に有効な脳内クレジット代入法について検討した。
論文 参考訳（メタデータ） (2021-06-30T22:53:03Z) - Immersive Interactive Quantum Mechanics for Teaching and Learning
Chemistry [0.0]
学生が典型的な化学反応の中核的な概念を理解するのに、どのように没入型学習環境を適用できるかを示す。
我々の設定は化学系のインタラクティブな探索と操作に依存しており、このシステムは量子化学法でリアルタイムでシミュレートされている。
論文 参考訳（メタデータ） (2020-11-06T09:37:04Z)
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。