論文の概要: Closing the Loop: How Semantic Closure Enables Open-Ended Evolution

• arxiv url: http://arxiv.org/abs/2404.04374v6
• Date: Fri, 27 Jun 2025 12:06:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 15:06:56.73792
• Title: Closing the Loop: How Semantic Closure Enables Open-Ended Evolution
• Title（参考訳）: ループを閉じる: セマンティッククロージャがオープンな進化を可能にする方法
• Authors: Amahury J. López-Díaz, Carlos Gershenson,
• Abstract要約: この写本は意味的クロージャの進化的出現を探求している。 関係生物学、物理生物疫学、生態心理学の概念を統一的な計算行動論の枠組みに統合する。
• 参考スコア（独自算出の注目度）: 0.5755004576310334
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This manuscript explores the evolutionary emergence of semantic closure -- the self-referential mechanism through which symbols actively construct and interpret their own functional contexts -- by integrating concepts from relational biology, physical biosemiotics, and ecological psychology into a unified computational enactivism framework. By extending Hofmeyr's (F, A)-systems -- a continuation of Rosen's (M, R)-systems -- with temporal parametrization and multiscale causality, we develop a model capable of capturing critical life properties, including autopoiesis, anticipation, and adaptation. We then establish a formal equivalence between our extended (F, A)-systems and swarms of communicating automata, resolving self-referential challenges concerning the realizability of relational models. Our stepwise model traces the evolution of semantic closure from simple reaction networks that recognize regular languages to self-replicating chemical systems with memory and anticipatory capabilities, identifying self-reference as necessary for robust self-replication and open-ended evolution. Such a computational enactivist perspective underscores the essential necessity of implementing symbol-matter transformations into computing architectures, providing a cohesive theoretical basis for a recently proposed trialectic between autopoiesis, anticipation, and adaptation to solve the problem of relevance realization. Thus, our work opens pathways to new models of computation for life, agency and cognition, offering fundamental principles underlying biological information processing.
• Abstract（参考訳）: この写本は、リレーショナル生物学、物理生物疫学、生態心理学の概念を統合された計算活動フレームワークに統合することで、記号が自身の機能的文脈を積極的に構築し解釈する自己参照メカニズムであるセマンティッククロージャの進化的出現を探求している。 Hofmeyr (F, A)-systems -- Rosen (M, R)-systems の継続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で拡張することにより、オートポエシス、予測、適応を含む重要な生命特性を捉えることができるモデルを開発する。 次に、拡張された(F, A)-システムと通信オートマトン群との形式的等価性を確立し、関係モデルの実現可能性に関する自己参照的課題を解決する。 我々のステップワイドモデルでは、通常の言語を認識でき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型化学システムまで、セマンティッククロージャの進化を辿り、堅牢な自己複製とオープンな進化に必要な自己参照を識別する。 このような計算エアクティビストの観点は、コンピュータアーキテクチャにシンボル・マター変換を実装することの本質的な必要性を浮き彫りにして、最近提案されたオートポエシス(英語版)、予測(英語版)、適応(英語版)の合理な理論的基礎を提供する。 そこで本研究は,生物情報処理の基礎となる基本原理を提供する,生命・エージェンシー・認知のための新しい計算モデルへの道を開く。

関連論文リスト

• GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
  本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。 DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。 また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-11T05:39:49Z)
• No Foundations without Foundations -- Why semi-mechanistic models are essential for regulatory biology [5.925258390690544]
  規制生物学の真の「基礎モデル」は、機械的洞察を原理化された実験設計と統合するフレームワークによってガイドされない限り、手の届かないままである、と我々は主張する。 本稿では、摂動に基づく実験設計を統一する基礎的な半機械的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-01-31T14:43:16Z)
• No Equations Needed: Learning System Dynamics Without Relying on Closed-Form ODEs [56.78271181959529]
  本稿では,従来の2段階モデリングプロセスから離れることで,低次元力学系をモデル化する概念シフトを提案する。 最初に閉形式方程式を発見して解析する代わりに、我々のアプローチ、直接意味モデリングは力学系の意味表現を予測する。 私たちのアプローチは、モデリングパイプラインを単純化するだけでなく、結果のモデルの透明性と柔軟性も向上します。
  論文  参考訳（メタデータ） (2025-01-30T18:36:48Z)
• Rethinking Cognition: Morphological Info-Computation and the Embodied Paradigm in Life and Artificial Intelligence [1.14219428942199]
  本研究の目的は,情報,計算,認知に関する現在の研究のより広い文脈に,ロレンツォ・マグナニス・エコ認知計算主義を配置することである。 我々は、認知を、物理的、化学的、生物学的領域にまたがる自己集合、自己組織化、自己ポエシスのプロセスによって駆動される、同時モルフォロジー計算の網としてモデル化する。
  論文  参考訳（メタデータ） (2024-12-01T10:04:53Z)
• 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)
• 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)
• Towards Predicting Equilibrium Distributions for Molecular Systems with Deep Learning [60.02391969049972]
  本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。 DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
  論文  参考訳（メタデータ） (2023-06-08T17:12:08Z)
• 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)
• Evolution TANN and the discovery of the internal variables and evolution equations in solid mechanics [0.0]
  材料表現をインクリメンタルな定式化から切り離す新しい手法を提案する。 熱力学に基づくニューラルネットワーク(TANN)と内部変数の理論にインスパイアされた進化 TANN(eTANN)は、連続時間である。 提案手法の主な特徴は、通常の微分方程式の形で内部変数の進化方程式の発見である。
  論文  参考訳（メタデータ） (2022-09-27T09:25:55Z)
• 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)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• 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。