論文の概要: Structural Cellular Hash Chemistry

• arxiv url: http://arxiv.org/abs/2412.12790v1
• Date: Tue, 17 Dec 2024 10:51:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-18 13:59:15.919919
• Title: Structural Cellular Hash Chemistry
• Title（参考訳）: 構造セル型ハッシュ化学
• Authors: Hiroki Sayama,
• Abstract要約: ハッシュ化学(Hash Chemistry)は、オープンエンド進化の最小限の人工化学モデルである。 非空間型および細胞型に拡張されている。 構造セルハッシュ化学(Structure Cellular Hash Chemistry)と呼ばれる改良版を提案する。
• 参考スコア（独自算出の注目度）: 0.24475591916185496
• License:
• Abstract: Hash Chemistry, a minimalistic artificial chemistry model of open-ended evolution, has recently been extended to non-spatial and cellular versions. The non-spatial version successfully demonstrated continuous adaptation and unbounded growth of complexity of self-replicating entities, but it did not simulate multiscale ecological interactions among the entities. On the contrary, the cellular version explicitly represented multiscale spatial ecological interactions among evolving patterns, yet it failed to show meaningful adaptive evolution or complexity growth. It remains an open question whether it is possible to create a similar minimalistic evolutionary system that can exhibit all of those desired properties at once within a computationally efficient framework. Here we propose an improved version called Structural Cellular Hash Chemistry (SCHC). In SCHC, individual identities of evolving patterns are explicitly represented and processed as the connected components of the nearest neighbor graph of active cells. The neighborhood connections are established by connecting active cells with other active cells in their Moore neighborhoods in a 2D cellular grid. Evolutionary dynamics in SCHC are simulated via pairwise competitions of two randomly selected patterns, following the approach used in the non-spatial Hash Chemistry. SCHC's computational cost was significantly less than the original and non-spatial versions. Numerical simulations showed that these model modifications achieved spontaneous movement, self-replication and unbounded growth of complexity of spatial evolving patterns, which were clearly visible in space in a highly intuitive manner. Detailed analysis of simulation results showed that there were spatial ecological interactions among self-replicating patterns and their diversity was also substantially promoted in SCHC, neither of which was present in the non-spatial version.
• Abstract（参考訳）: オープンエンド進化の最小限の人工化学モデルであるHash Chemistryは、最近非空間的および細胞的バージョンに拡張された。 非空間バージョンは、自己複製エンティティの連続的な適応と複雑さの非有界成長をうまく証明したが、エンティティ間のマルチスケールな生態的相互作用をシミュレートしなかった。 それとは対照的に、細胞版は進化するパターン間のマルチスケールの空間生態的相互作用を明示的に表しているが、適応的な進化や複雑性の増大は示さなかった。 計算効率のよいフレームワークの中で、これらの望ましい性質をすべて一度に示すことができるような、同様の最小主義の進化システムを作成できるかどうかという問題は、まだ未解決のままである。 本稿では,Structure Cellular Hash Chemistry (SCHC) と呼ばれる改良版を提案する。 SCHCでは、活性細胞の隣り合うグラフの連結成分として、進化するパターンの個々のアイデンティティが明示的に表現され、処理される。 近隣の接続は、ムーア地区の他の活性細胞と2次元の細胞グリッドで接続することで確立される。 SCHCの進化力学は、2つのランダムに選択されたパターンのペアの競合を通じてシミュレートされる。 SCHCの計算コストは、原型や非空間型よりも大幅に低かった。 数値シミュレーションにより, 空間変化パターンの自然運動, 自己複製, および非有界成長が得られた。 シミュレーション結果の詳細な分析により、自己複製パターン間の空間的相互作用があり、その多様性もSCHCにおいて著しく促進された。

関連論文リスト

• Graph Fourier Neural ODEs: Bridging Spatial and Temporal Multiscales in Molecular Dynamics [39.412937539709844]
  分子動力学における空間的・時間的多スケール相互作用を共同でモデル化する新しい枠組みを提案する。 MD17データセット上で本モデルを評価し,最先端のベースラインに対して一貫した性能向上を示す。
  論文  参考訳（メタデータ） (2024-11-03T15:10:48Z)
• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• Case Study of Novelty, Complexity, and Adaptation in a Multicellular System [0.0]
  DISHTINYシミュレーションシステムを用いたケーススタディにおいて、新規性、複雑さ、適応の共進化を追究する。 定性的に異なる10個の多細胞形態を記述し、その一部は非対称な成長と異なる生活段階を示す。 私たちのケーススタディは、新奇性、複雑さ、適応の間に緩やかな(時には相違する)関係が存在することを示唆しています。
  論文  参考訳（メタデータ） (2024-05-12T10:13:36Z)
• Non-Spatial Hash Chemistry as a Minimalistic Open-Ended Evolutionary System [0.24475591916185496]
  本稿では,粒子の空間的近接をマルチセットの形で明示的に表現するHash Chemistryの非空間的変種を提案する。 数値シミュレーションの結果, 模擬実体の最大サイズと平均サイズは, 原モデルよりも有意に増大した。
  論文  参考訳（メタデータ） (2024-04-27T23:29:55Z)
• DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
  本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。 我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。 今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
  論文  参考訳（メタデータ） (2023-12-08T16:51:10Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Towards Large-Scale Simulations of Open-Ended Evolution in Continuous Cellular Automata [0.0]
  並列計算フレームワーク JAX を用いた大規模進化シミュレーションを構築した。 遺伝子操作子を暗黙的に実装するなど、システム設計の選択肢を多数報告する。 オープンエンド進化を促進する要因をいくつか提案する。
  論文  参考訳（メタデータ） (2023-04-12T06:40:11Z)
• Growing Isotropic Neural Cellular Automata [63.91346650159648]
  我々は、元のGrowing NCAモデルには、学習された更新規則の異方性という重要な制限があると主張している。 細胞系は2つの方法のいずれかによって、正確な非対称パターンを成長させる訓練が可能であることを実証する。
  論文  参考訳（メタデータ） (2022-05-03T11:34:22Z)
• Learning Anisotropic Interaction Rules from Individual Trajectories in a Heterogeneous Cellular Population [0.0]
  細胞群集の運動をモデル化するための第2次IPSのためのWSINDyを開発する。 本手法は,異種細胞集団の動態を規定する相互作用規則を学習する。 本研究では, 一般的な細胞移動実験を動機とした, いくつかのテストシナリオにおいて, 提案手法の有効性と性能を実証する。
  論文  参考訳（メタデータ） (2022-04-29T15:00:21Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• Learning Neural Generative Dynamics for Molecular Conformation Generation [89.03173504444415]
  分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。 分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-02-20T03:17:58Z)

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。