論文の概要: Emergence: from physics to biology, sociology, and computer science

• arxiv url: http://arxiv.org/abs/2508.08548v1
• Date: Tue, 12 Aug 2025 01:24:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.267119
• Title: Emergence: from physics to biology, sociology, and computer science
• Title（参考訳）: 創世:物理学から生物学、社会学、計算機科学へ
• Authors: Ross H. McKenzie,
• Abstract要約: 創発は凝縮した物理物質、カオス系、流体力学、核物理学、量子重力、ニューラルネットワーク、タンパク質の折り畳み、社会的分離の中心である。 究極的な目標は創発的特性の設計と制御である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many systems involve numerous interacting parts and the whole system can have properties that the individual parts do not. I take this novelty as the defining characteristic of an emergent property. Other characteristics associated with emergence discussed include universality, order, complexity, unpredictability, irreducibility, diversity, self-organisation, discontinuities, and singularities. Emergent phenomena are widespread across physics, biology, social sciences, and computing, and are central to major scientific and societal challenges. Understanding emergence involves considering the stratification of reality across different scales (energy, time, length, complexity), each with its distinct ontology and epistemology, leading to semi-autonomous scientific disciplines. A central challenge is bridging the gap between macroscopic emergent properties and microscopic component interactions. Identifying an intermediate mesoscopic scale where new, weakly interacting entities or modular structures emerge is key. Theoretical approaches, such as effective theories (describing phenomena at a specific scale) and toy models (simplified systems for analysis), are vital. The Ising model exemplifies how toy models can elucidate emergence characteristics. Emergence is central to condensed matter physics, chaotic systems, fluid dynamics, nuclear physics, quantum gravity, neural networks, protein folding, and social segregation. An emergent perspective should influence scientific strategy by shaping research questions, methodologies, priorities, and resource allocation. An elusive goal is the design and control of emergent properties.
• Abstract（参考訳）: 多くの系は多数の相互作用する部分を含み、システム全体が個々の部が持たない性質を持つ。 私はこの斬新さを創発的特性の定義特性と捉えています。 他にも、普遍性、秩序、複雑さ、予測不可能性、既約性、多様性、自己組織化、不連続性、特異性などが議論されている。 創発的な現象は物理学、生物学、社会科学、コンピューティングに広がり、主要な科学的・社会的課題の中心となっている。 創発を理解するには、異なるスケール(エネルギー、時間、長さ、複雑さ)で現実の成層化を考える必要がある。 中心的な課題は、マクロな創発特性と微視的なコンポーネント相互作用のギャップを埋めることである。 新しい弱い相互作用を持つ実体やモジュラー構造が出現する中間メソスコピックスケールの同定が重要である。 効果的な理論(特定のスケールで現象を記述する)やおもちゃモデル(分析の単純化されたシステム)のような理論的なアプローチが不可欠である。 Isingモデルは、おもちゃのモデルが出現特性を解明する方法を実証している。 創発は凝縮物質物理学、カオス系、流体力学、核物理学、量子重力、ニューラルネットワーク、タンパク質の折り畳み、社会的分離の中心である。 創発的な視点は、研究の疑問、方法論、優先順位、資源配分を形作ることによって科学的戦略に影響を与えるべきである。 究極的な目標は創発的特性の設計と制御である。

関連論文リスト

• Grounding Intelligence in Movement [0.9895793818721335]
  機械学習の最近の進歩により、言語、視覚、その他の高次元データをモデル化する能力が劇的に向上した。 神経科学、医学、ロボティクス、倫理学全般において、行動の解釈、意図の予測、相互作用の実現には運動が不可欠である。 運動はAIの主要なモデリング対象として扱われるべきである、と我々は主張する。
  論文  参考訳（メタデータ） (2025-07-03T16:34:34Z)
• Reconceptualizing Smart Microscopy: From Data Collection to Knowledge Creation by Multi-Agent Integration [0.0]
  我々は、科学的研究のパートナーとして、スマート顕微鏡を再認識する理論的枠組みを導入する。 我々のフレームワークは、仮説生成、洞察発見、理論開発を積極的にサポートする自動化を超えて、マイクロスコープシステムを構築するためのロードマップを提供する。
  論文  参考訳（メタデータ） (2025-05-26T19:02:14Z)
• "Cause" is Mechanistic Narrative within Scientific Domains: An Ordinary Language Philosophical Critique of "Causal Machine Learning" [2.5782973781085383]
  因果学習は統計学と機械学習の研究の主要なテーマとして登場した。 本稿では,真の原因と影響現象の認識について考察する。
  論文  参考訳（メタデータ） (2025-01-10T10:36:26Z)
• 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)
• Binding Dynamics in Rotating Features [72.80071820194273]
  本稿では,特徴間のアライメントを明示的に計算し,それに応じて重みを調整する「コサイン結合」機構を提案する。 これにより、自己注意と生物学的神経プロセスに直接接続し、回転する特徴に現れるオブジェクト中心の表現の基本的なダイナミクスに光を当てることができます。
  論文  参考訳（メタデータ） (2024-02-08T12:31:08Z)
• Exploiting Hierarchical Interactions for Protein Surface Learning [52.10066114039307]
  本質的には、タンパク質表面のポテンシャル関数部位は、幾何学的特徴と化学的特徴の両方によって決定される。 本稿では,ディープラーニング技術,すなわち階層型化学・幾何学的特徴相互作用ネットワーク(HCGNet)に基づく原則的フレームワークを提案する。 提案手法は,現場予測タスクが2.3%,インタラクションマッチングタスクが3.2%,従来の最先端手法が2.3%向上した。
  論文  参考訳（メタデータ） (2024-01-17T14:10:40Z)
• 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)
• Intrinsic Physical Concepts Discovery with Object-Centric Predictive Models [86.25460882547581]
  PHYsical Concepts Inference NEtwork (PHYCINE) は、異なる抽象レベルの物理概念を監督なしで推論するシステムである。 物理概念変数を含むオブジェクト表現は因果推論タスクの性能向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-03-03T11:52:21Z)

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。