Fugu-MT 論文翻訳(概要): Emergent Collective Reproduction via Evolving Neuronal Flocks

論文の概要: Emergent Collective Reproduction via Evolving Neuronal Flocks

arxiv url: http://arxiv.org/abs/2409.13254v1
Date: Fri, 20 Sep 2024 06:22:24 GMT
ステータス: 処理完了
システム内更新日: 2024-11-07 07:51:11.426122
Title: Emergent Collective Reproduction via Evolving Neuronal Flocks
Title（参考訳）: 神経群形成による創発的集団再生
Authors: Nam H. Le, Richard Watson, Mike Levin, Chrys Buckley,
Abstract要約: この研究は、VitaNovaという新しい人工生命の枠組みを通じて、個人性(ETI)の進化的遷移の理解を促進する。 VitaNovaは複雑に自己組織化と自然選択を融合させ、複雑な生殖群の出現をシミュレートする。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study facilitates the understanding of evolutionary transitions in individuality (ETIs) through a novel artificial life framework, named VitaNova, that intricately merges self-organization and natural selection to simulate the emergence of complex, reproductive groups. By dynamically modelling individual agents within an environment that challenges them with predators and spatial constraints, VitaNova elucidates the mechanisms by which simple agents evolve into cohesive units exhibiting collective reproduction. The findings underscore the synergy between self-organized behaviours and adaptive evolutionary strategies as fundamental drivers of ETIs. This approach not only contributes to a deeper understanding of higher-order biological individuality but also sets a new precedent in the empirical investigation of ETIs, challenging and extending current theoretical frameworks.
Abstract（参考訳）: この研究は、複雑な生殖集団の出現をシミュレートするために、複雑に自己組織化と自然選択を融合させる新しい人工生命の枠組みであるVitaNovaを通じて、個人性(ETI)の進化的遷移の理解を促進する。捕食者と空間的制約によってそれらに挑戦する環境の中で個々のエージェントを動的にモデル化することで、VitaNovaは単純なエージェントが集合的複製を示す凝集単位へと進化するメカニズムを解明する。この結果は, 自己組織的行動と適応的進化戦略の相乗効果を, ETIの基本的要因として示している。このアプローチは、高次の生物学的個性に対する深い理解に寄与するだけでなく、ETIの実証的研究、現在の理論的枠組みの挑戦、拡張における新たな先例となる。

関連論文リスト

Evolving Neural Networks Reveal Emergent Collective Behavior from Minimal Agent Interactions [0.0]
ニューラルネットワークが動的環境におけるエージェントの行動を制御するためにどのように進化するかを検討する。レーン形成や層流のような単純な挙動は、より線形なネットワーク操作によって特徴づけられる。中程度のノイズ、広い視野、低いエージェント密度といった特定の環境パラメータは、非線形ネットワークの進化を促進する。
論文参考訳（メタデータ） (2024-10-25T17:43:00Z)
Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
しきい値単位の動的代替として人工内蔵ニューロン(AKOrN)を導入する。このアイデアは、幅広いタスクにまたがってパフォーマンス改善をもたらすことを示しています。これらの経験的結果は、神経表現の最も基本的なレベルにおいて、私たちの仮定の重要性を示していると信じている。
論文参考訳（メタデータ） (2024-10-17T17:47:54Z)
Emergence of specialized Collective Behaviors in Evolving Heterogeneous Swarms [3.918604886944516]
社会性昆虫の群れのような自然集団は、驚くべきタスク専門化の度合いを示している。我々は、表現型可塑性を持つシミュレーションロボット群を進化させ、特殊な集団行動の出現を研究する。
論文参考訳（メタデータ） (2024-02-07T11:26:53Z)
When large language models meet evolutionary algorithms [48.213640761641926]
事前訓練された大規模言語モデル(LLM)は、創造的な自然言語を生成する強力な能力を持つ。進化的アルゴリズム(EA)は、複雑な現実世界の問題に対する多様な解決策を発見できる。テキスト生成と進化の共通する集合性と方向性に動機づけられた本論文では,LLMとEAの並列性について述べる。
論文参考訳（メタデータ） (2024-01-19T05:58:30Z)
Agent Alignment in Evolving Social Norms [65.45423591744434]
本稿では,エージェント進化とアライメントのための進化的フレームワークであるEvolutionaryAgentを提案する。社会規範が継続的に進化する環境では、エージェントは現在の社会規範に適応し、生存と増殖の確率が高くなる。進化的エージェントは、一般的なタスクにおいてその能力を維持しながら、進化する社会規範と徐々に整合できることを示す。
論文参考訳（メタデータ） (2024-01-09T15:44:44Z)
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)
Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文参考訳（メタデータ） (2023-03-30T02:40:28Z)
The scaling of goals via homeostasis: an evolutionary simulation, experiment and analysis [0.0]
本研究では, 形態形成過程における細胞の集合的知能を, ホメオスタティックプロセスの中心における目標状態をスケールアップすることによって, 行動知能に転換することを提案する。これらの創発性形態形成因子は、その標的形態学を達成するために応力伝播ダイナミクスの使用を含む、多くの予測された特徴を示す。本研究では, 進化が最小目標指向行動(ホメオスタティックループ)をどのように高次問題解決剤に拡大するかを, 定量的に把握するための第一歩として提案する。
論文参考訳（メタデータ） (2022-11-15T21:48:44Z)
Understanding Emergent Behaviours in Multi-Agent Systems with Evolutionary Game Theory [1.0279748604797907]
本稿では,EGT と ABM の手法を用いて,本グループにおける主な研究方針と課題について要約する。このブリーフィングは、読者をEGTに基づく問題、結果、展望に敏感にすることを目的としており、機械による心のモデリングにおいて重要である。いずれの場合も,MAS研究において,グループによって優先される,あるいは優先される重要なオープンな問題について述べる。
論文参考訳（メタデータ） (2022-05-15T20:01:48Z)
An active inference model of collective intelligence [0.0]
本稿では,局所的な個人レベルの相互作用と集団的知性の関係をシミュレートする最小エージェントモデルを提案する。その結果, エージェントの局所的最適とグローバル的最適の整合性の相補的なメカニズムを提供することにより, 段階的認知遷移がシステム性能を向上させることが示された。
論文参考訳（メタデータ） (2021-04-02T14:32:01Z)

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。