論文の概要: Artificial intelligence as a surrogate brain: Bridging neural dynamical models and data
- arxiv url: http://arxiv.org/abs/2510.10308v1
- Date: Sat, 11 Oct 2025 18:23:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:29.883292
- Title: Artificial intelligence as a surrogate brain: Bridging neural dynamical models and data
- Title（参考訳）: 代理脳としての人工知能:神経力学モデルとデータのブリッジ
- Authors: Yinuo Zhang, Demao Liu, Zhichao Liang, Jiani Cheng, Kexin Lou, Jinqiao Duan, Ting Gao, Bin Hu, Quanying Liu,
- Abstract要約: 人工知能(AI)の最近の進歩は、脳の計算的側面を構築する方法を変えつつある。
我々は、フォワードモデリング、逆問題解決、モデル評価を統合したAIベースの代理脳を構築する統一的な枠組みを導入する。
我々は、学習した代理脳が、力学系解析、仮想摂動、モデル誘導神経刺激のシミュレーションプラットフォームとして機能していることを強調した。
- 参考スコア（独自算出の注目度）: 9.300290334520481
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent breakthroughs in artificial intelligence (AI) are reshaping the way we construct computational counterparts of the brain, giving rise to a new class of ``surrogate brains''. In contrast to conventional hypothesis-driven biophysical models, the AI-based surrogate brain encompasses a broad spectrum of data-driven approaches to solve the inverse problem, with the primary objective of accurately predicting future whole-brain dynamics with historical data. Here, we introduce a unified framework of constructing an AI-based surrogate brain that integrates forward modeling, inverse problem solving, and model evaluation. Leveraging the expressive power of AI models and large-scale brain data, surrogate brains open a new window for decoding neural systems and forecasting complex dynamics with high dimensionality, nonlinearity, and adaptability. We highlight that the learned surrogate brain serves as a simulation platform for dynamical systems analysis, virtual perturbation, and model-guided neurostimulation. We envision that the AI-based surrogate brain will provide a functional bridge between theoretical neuroscience and translational neuroengineering.
- Abstract（参考訳）: 人工知能(AI)の最近の進歩は、脳の計算的側面を構築する方法を変えつつある。
従来の仮説駆動型バイオ物理モデルとは対照的に、AIベースのサロゲート脳は、逆問題を解決するための幅広いデータ駆動アプローチを包含する。
本稿では、フォワードモデリング、逆問題解決、モデル評価を統合したAIベースの代理脳を構築するための統一的なフレームワークを提案する。
AIモデルと大規模脳データの表現力を活用して、脳を代理し、ニューラルネットワークをデコードし、高次元、非線形性、適応性を備えた複雑なダイナミクスを予測するための新しいウィンドウを開く。
我々は、学習した代理脳が、力学系解析、仮想摂動、モデル誘導神経刺激のシミュレーションプラットフォームとして機能していることを強調した。
我々は、AIベースの代理脳が理論神経科学と翻訳神経工学の間に機能的な橋渡しを提供することを期待している。
関連論文リスト
- A New Strategy for Artificial Intelligence: Training Foundation Models Directly on Human Brain Data [0.0]
我々は、人間の脳データを直接ベースとした基礎モデルをトレーニングすることで、表面レベルの統計正規性を超えて、人工知能の新しい戦略を探求する。
本稿では、基礎モデルの現在の限界と、それに対応するために活用できる有望な脳領域と認知過程を分類する。
また,エージェント,汎用知能,人工超知能,倫理的,社会的,技術的課題や機会といった可能性についても論じる。
論文 参考訳（メタデータ） (2026-01-17T13:38:51Z) - Intelligence Foundation Model: A New Perspective to Approach Artificial General Intelligence [55.07411490538404]
我々は,人工知能基盤モデル(IFM)による人工知能(AGI)への新たな視点を提案する。
IFMは、多様な知的行動から直接学習することで、インテリジェンスの基礎となるメカニズムを取得することを目的としている。
論文 参考訳（メタデータ） (2025-11-13T09:28:41Z) - Foundation and Large-Scale AI Models in Neuroscience: A Comprehensive Review [5.853788810213108]
大規模人工知能(AI)モデルの出現は神経科学研究に変革をもたらす。
本稿では,5つの主要な神経科学領域に対する大規模AIモデルの変換効果について検討する。
論文 参考訳（メタデータ） (2025-10-18T22:45:59Z) - Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。
この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。
本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
論文 参考訳（メタデータ） (2025-05-12T15:05:34Z) - Shifting Attention to You: Personalized Brain-Inspired AI Models [3.0128071072792366]
人間の行動洞察とミリ秒スケールのニューラルネットワークを微調整CLIPベースモデルに統合することで、修正されていないCLIPベースラインと比較して、行動性能が2倍になることを示す。
我々の研究は、適応型AIシステムを設計するための、新しい解釈可能なフレームワークを確立し、神経科学、パーソナライズドメディカル、人間とコンピュータの相互作用に幅広い意味を持つ。
論文 参考訳（メタデータ） (2025-02-07T04:55:31Z) - Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた
最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。
本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。
このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文 参考訳（メタデータ） (2024-10-25T13:15:17Z) - Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。
提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。
提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文 参考訳（メタデータ） (2024-07-05T14:11:28Z) - 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) - In the realm of hybrid Brain: Human Brain and AI [0.0]
現在の脳-コンピュータインターフェース(BCI)技術は主に治療結果に関するものである。
近年,脳信号のデコードには人工知能(AI)と機械学習(ML)技術が用いられている。
クローズドループ,インテリジェント,低消費電力,小型化されたニューラルインターフェースの開発を想定する。
論文 参考訳（メタデータ） (2022-10-04T08:35:34Z) - Multimodal foundation models are better simulators of the human brain [65.10501322822881]
1500万の画像テキストペアを事前訓練した,新たに設計されたマルチモーダル基礎モデルを提案する。
視覚的エンコーダも言語的エンコーダもマルチモーダルで訓練され,脳に近いことが判明した。
論文 参考訳（メタデータ） (2022-08-17T12:36:26Z) - EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。
メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文 参考訳（メタデータ） (2022-02-21T18:59:03Z) - A brain basis of dynamical intelligence for AI and computational
neuroscience [0.0]
より多くの脳のような能力は、新しい理論、モデル、および人工学習システムを設計する方法を要求するかもしれない。
本稿は,第6回US/NIH BRAIN Initiative Investigators Meetingにおける動的神経科学と機械学習に関するシンポジウムに触発されたものです。
論文 参考訳（メタデータ） (2021-05-15T19:49:32Z)
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。