論文の概要: nDNA -- the Semantic Helix of Artificial Cognition

• arxiv url: http://arxiv.org/abs/2509.18216v2
• Date: Thu, 02 Oct 2025 04:07:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 21:54:12.771849
• Title: nDNA -- the Semantic Helix of Artificial Cognition
• Title（参考訳）: nDNA -- 人工認知のセマンティックヘリックス
• Authors: Amitava Das,
• Abstract要約: AIファンデーションモデルが能力で成長するにつれて、より深い疑問が浮かび上がってくる。 そこで我々は,本質的な信念の幾何学を通して,この潜伏したアイデンティティを捉える意味的遺伝子型表現としてニューラルDNAを提案する。 生物学的DNAと同様に、nDNAは祖先、突然変異、セマンティックな遺伝をコードし、微調整やアライメントの傷跡、文化的なインプリント、建築的な漂流などに見られる。
• 参考スコア（独自算出の注目度）: 5.569601290331175
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As AI foundation models grow in capability, a deeper question emerges: What shapes their internal cognitive identity -- beyond fluency and output? Benchmarks measure behavior, but the soul of a model resides in its latent geometry. In this work, we propose Neural DNA (nDNA) as a semantic-genotypic representation that captures this latent identity through the intrinsic geometry of belief. At its core, nDNA is synthesized from three principled and indispensable dimensions of latent geometry: spectral curvature, which reveals the curvature of conceptual flow across layers; thermodynamic length, which quantifies the semantic effort required to traverse representational transitions through layers; and belief vector field, which delineates the semantic torsion fields that guide a model's belief directional orientations. Like biological DNA, it encodes ancestry, mutation, and semantic inheritance, found in finetuning and alignment scars, cultural imprints, and architectural drift. In naming it, we open a new field: Neural Genomics, where models are not just tools, but digital semantic organisms with traceable inner cognition. Modeling statement. We read AI foundation models as semantic fluid dynamics: meaning is transported through layers like fluid in a shaped conduit; nDNA is the physics-grade readout of that flow -- a geometry-first measure of how meaning is bent, paid for, and pushed -- yielding a stable, coordinate-free neural DNA fingerprint tied to on-input behavior; with this fingerprint we cross into biology: tracing lineages across pretraining, fine-tuning, alignment, pruning, distillation, and merges; measuring inheritance between checkpoints; detecting drift as traits shift under new data or objectives; and, ultimately, studying the evolution of artificial cognition to compare models, diagnose risks, and govern change over time.
• Abstract（参考訳）: AIファンデーションモデルが能力で成長するにつれて、より深い疑問が浮かび上がってくる。 ベンチマークは行動を測定するが、モデルの魂はその潜在幾何学に存在している。 本研究では,本研究で提案するニューラルDNA (nDNA) を,本質的な信念の幾何学を通して,この潜伏したアイデンティティを捉える意味型表現として提案する。 中心となるnDNAは、層間の概念フローの曲率を明らかにするスペクトル曲率、層間の表現遷移を横切るのに必要な意味的労力を定量化する熱力学的長さ、モデルの方向方向を導く意味的トーション場を規定する信念ベクトル場である。 生物学的DNAと同様に、遺伝、突然変異、セマンティック継承をコードし、微調整やアライメントの傷跡、文化的なインプリント、建築的な漂流などに見られる。 モデルとは単なるツールではなく、追跡可能な内的認知を持つデジタル意味生物である。 モデリング文。 意味は、形状の導管内の流体のような層を通して輸送される; nDNAは、その流れの物理グレードの読み出しである -- 意味がどのように曲げられ、支払いされ、プッシュされるかの幾何学第一の尺度で、オンインプットの振る舞いに結びついた安定した、座標のない神経DNA指紋を生成する。

関連論文リスト

• Self-Organizing Survival Manifolds: A Theory for Unsupervised Discovery of Prognostic Structures in Biological Systems [0.0]
  生存は、生物学的状態空間に固有の曲率と流れの創発的な性質である。 我々は,低曲率な測地流から生存関連力学が生ずる,自己組織化生存多様体(SOSM)の理論を開発した。 目的の離散的かつ連続的な定式化を導出し、生存軌道の出現と収束を示す理論的結果を証明する。
  論文  参考訳（メタデータ） (2025-08-04T14:04:54Z)
• Recursive Variational Autoencoders for 3D Blood Vessel Generative Modeling [0.7722830505405722]
  階層構造をフル活用する再帰変動ニューラルネットワーク(RvNN)を開発した。 RvNNは、ターゲット表面を記述する幾何学的特徴とともに、分岐接続を符号化する低次元多様体を学習する。 我々は、正確で多様な血管の3Dモデルを生成し、医療や外科訓練、血行動態シミュレーション、その他多くの目的に欠かせない。
  論文  参考訳（メタデータ） (2025-06-17T18:47:27Z)
• Integrating Dynamical Systems Learning with Foundational Models: A Meta-Evolutionary AI Framework for Clinical Trials [0.0]
  NetraAIは、小さな臨床試験データセットの安定性と解釈性のために設計されたシステムベースのフレームワークである。 我々はNetraAIの基礎を定式化し、収縮マッピング、情報幾何学、進化的アルゴリズムを組み合わせて予測的患者コホートを同定する。 信頼できる説明可能な知識を優先することによって、NetraAIは、臨床発見を加速するために、適応的で自己反射的なAIの新しい世代を提供する。
  論文  参考訳（メタデータ） (2025-05-25T03:34:33Z)
• How high is `high'? Rethinking the roles of dimensionality in topological data analysis and manifold learning [8.397730500554047]
  我々は、一般化されたハンソン・ライトの不等式を示し、それをデータポイントクラウドの幾何学に関する新しい統計的知見を確立するために利用する。 ガードナーらによる格子細胞活動における等尺トロイダル構造の画期的な神経科学的な発見を再考する。 我々の発見は、この構造が実際に物理空間にあるという証拠を初めて明らかにし、格子状細胞活動が現実世界の幾何学的に忠実な表現を伝達していることを意味する。
  論文  参考訳（メタデータ） (2025-05-22T16:34:15Z)
• Concept-Guided Interpretability via Neural Chunking [64.6429903327095]
  ニューラルネットワークは、トレーニングデータの規則性を反映した生の集団活動のパターンを示す。 神経集団レベルで繰り返しチャンクを抽出する3つの方法を提案する。 私たちの研究は、認知原則と自然主義的データの構造の両方を活用する、解釈可能性の新しい方向性を指し示しています。
  論文  参考訳（メタデータ） (2025-05-16T13:49:43Z)
• Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
  我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。 物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。 本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
  論文  参考訳（メタデータ） (2023-04-25T15:53:45Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)
• DeepRetinotopy: Predicting the Functional Organization of Human Visual Cortex from Structural MRI Data using Geometric Deep Learning [125.99533416395765]
  我々は,脳機能と解剖学の複雑な関係を構造的および機能的MRIデータから学習するために,大脳皮質の構造を活用できるディープラーニングモデルを開発した。 我々のモデルは解剖学的特性だけで人間の視覚野の機能的構造を予測することができ、また個人間でのニュアンスの変化を予測することができた。
  論文  参考訳（メタデータ） (2020-05-26T04:54:31Z)

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。