論文の概要: AutomataGPT: Forecasting and Ruleset Inference for Two-Dimensional Cellular Automata

• arxiv url: http://arxiv.org/abs/2506.17333v1
• Date: Thu, 19 Jun 2025 05:54:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.358002
• Title: AutomataGPT: Forecasting and Ruleset Inference for Two-Dimensional Cellular Automata
• Title（参考訳）: AutomataGPT:2次元セルオートマタの予測とルールセット推論
• Authors: Jaime A. Berkovich, Noah S. David, Markus J. Buehler,
• Abstract要約: 約100万の擬似軌道上で事前訓練されたデコーダのみの変換器であるAutomataPTを提案する。 最大96%の関数的(アプリケーション)精度と82%の正確なルール行列マッチングで、ガバナンス更新ルールを再構築する。 トランスフォーマーモデルがデータのみからCAダイナミクスを忠実に推論し実行できることを示すことによって、我々の研究は現実世界の力学現象をデータ効率のCAサロゲートに抽象化する基礎となる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cellular automata (CA) provide a minimal formalism for investigating how simple local interactions generate rich spatiotemporal behavior in domains as diverse as traffic flow, ecology, tissue morphogenesis and crystal growth. However, automatically discovering the local update rules for a given phenomenon and using them for quantitative prediction remains challenging. Here we present AutomataGPT, a decoder-only transformer pretrained on around 1 million simulated trajectories that span 100 distinct two-dimensional binary deterministic CA rules on toroidal grids. When evaluated on previously unseen rules drawn from the same CA family, AutomataGPT attains 98.5% perfect one-step forecasts and reconstructs the governing update rule with up to 96% functional (application) accuracy and 82% exact rule-matrix match. These results demonstrate that large-scale pretraining over wider regions of rule space yields substantial generalization in both the forward (state forecasting) and inverse (rule inference) problems, without hand-crafted priors. By showing that transformer models can faithfully infer and execute CA dynamics from data alone, our work lays the groundwork for abstracting real-world dynamical phenomena into data-efficient CA surrogates, opening avenues in biology, tissue engineering, physics and AI-driven scientific discovery.
• Abstract（参考訳）: 細胞オートマトン (CA) は、交通の流れ、生態学、組織形態形成、結晶成長など多様な領域における単純な局所的相互作用が、どのように豊かな時空間的振る舞いを生じさせるかについて、最小限の定式化を提供する。 しかし、ある現象の局所的な更新ルールを自動的に発見し、それらを定量的な予測に使用することは、依然として困難である。 ここでは, トロイダル格子上の100個の異なる2次元2値決定性CA規則にまたがる約100万の擬似軌道上で事前訓練されたデコーダのみの変換器であるAutomataGPTを提案する。 同じCAファミリーから引き出された前例のないルールを評価すると、AutomataGPTは98.5%の完全なワンステップ予測を獲得し、最大96%の関数的(アプリケーション)精度と82%の正確なルール行列マッチングで管理された更新ルールを再構築する。 これらの結果から,ルール空間の広い領域における大規模事前学習は,手作りの事前学習を伴わずに,前方(状態予測)問題と逆(ルール推論)問題の両方において実質的な一般化をもたらすことが示された。 トランスフォーマーモデルがデータのみからCAダイナミクスを忠実に推論し実行できることを示すことで、我々の研究は、現実世界の力学現象をデータ効率のCAサロゲートに抽象化し、生物学、組織工学、物理学、AI駆動の科学的発見の道を開くための基礎を築いた。

関連論文リスト

• A Path to Universal Neural Cellular Automata [6.7822488410082755]
  この研究は、連続的なユニバーサルセルオートマトンを開発するための神経細胞オートマトンの可能性を探究する。 本稿では, セルラーオートマトンモデル, 目的関数, トレーニング戦略を導入し, 連続した環境での普遍計算に向けて神経セルオートマトンを誘導する。
  論文  参考訳（メタデータ） (2025-05-19T12:46:01Z)
• Learning Elementary Cellular Automata with Transformers [3.7013865226473848]
  本研究では,トランスフォーマーが基本セルオートマタを規定するルールを抽象化し,一般化することができることを示す。 我々の分析は、将来の状態や規則予測をトレーニング損失に含めることで、モデルがルールの内部表現を形成する能力を高めることを明らかにした。
  論文  参考訳（メタデータ） (2024-12-02T11:57:49Z)
• LifeGPT: Topology-Agnostic Generative Pretrained Transformer Model for Cellular Automata [0.0]
  本稿では,デコーダのみによる事前学習型トランス (GPT) モデルを用いて,トロイドグリッド上でのコンウェイのゲーム・オブ・ライフ (Life) のシミュレーションを行う。 我々の結果は,大規模言語モデルフレームワーク内での真の普遍計算への道筋をたどる。
  論文  参考訳（メタデータ） (2024-09-03T11:43:16Z)
• Automatic Rule Induction for Efficient Semi-Supervised Learning [56.91428251227253]
  半教師付き学習は、少量のラベル付きデータからNLPモデルを一般化できることを約束している。 事前訓練されたトランスモデルはブラックボックス相関エンジンとして機能し、説明が困難であり、時には信頼性に欠ける振る舞いをする。 本稿では,これらの課題に,簡易かつ汎用的なフレームワークであるAutomatic Rule Injection (ARI) を用いて対処することを提案する。
  論文  参考訳（メタデータ） (2022-05-18T16:50:20Z)
• Towards self-organized control: Using neural cellular automata to robustly control a cart-pole agent [62.997667081978825]
  我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。 我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
  論文  参考訳（メタデータ） (2021-06-29T10:49:42Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• Understanding Self-Training for Gradual Domain Adaptation [107.37869221297687]
  段階的なドメイン適応は、対象領域へ徐々にシフトするラベルのないデータのみを与えられたソースドメインで訓練された初期分類器を適応させることが目的である。 目標領域への直接適応が非有界誤差をもたらすような設定下において、段階的なシフトを伴う自己学習の誤差に対する最初の非無空上界を証明した。 この理論解析はアルゴリズムの洞察を導き、無限のデータを持つ場合でも正規化とラベルのシャープ化が不可欠であることを強調し、より小さなワッサーシュタイン無限距離のシフトに対して自己学習が特にうまく働くことを示唆している。
  論文  参考訳（メタデータ） (2020-02-26T08:59:40Z)

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。