論文の概要: Morphological computational capacity of Physarum polycephalum

• arxiv url: http://arxiv.org/abs/2510.19976v1
• Date: Wed, 22 Oct 2025 19:13:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:16.718546
• Title: Morphological computational capacity of Physarum polycephalum
• Title（参考訳）: Physarum polycephalumの形態的計算能力
• Authors: Suyash Bajpai, Aviva Lucas-DeMott, Nirosha J Murugan, Michael Levin, Philip Kurian,
• Abstract要約: Amoeba Physarum polycephalumは、神経細胞の欠如にもかかわらず複雑な問題解決を行うことができる。 本研究では,Physarumの形態の時系列データ(面積,周,円度,フラクタル次元)を解析し,論理演算回数の上限を決定する。 フィザラムは24時間で最大1036ドルの論理演算を実行でき、非平衡定常状態において線形にスケーリングすることができる。
• 参考スコア（独自算出の注目度）: 0.815557531820863
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While computational capacity limits of the universe and carbon-based life have been estimated, a stricter bound for aneural organisms has not been established. Physarum polycephalum, a unicellular, multinucleated amoeba, is capable of complex problem-solving despite lacking neurons. By analyzing growth dynamics in two distinct Physarum strains under diverse biological conditions, we map morphological evolution to information processing. As the Margolus-Levitin theorem constrains maximum computation rates by accessible energies, we analyze high-throughput time-series data of Physarum's morphology--quantified through area, perimeter, circularity, and fractal dimension-to determine upper bounds on the number of logical operations achievable through its hydromechanical, chemical, kinetic, and quantum-optical degrees of freedom. Based on spatial distribution of ATP and explored areas, Physarum can perform up to ~$10^{36}$ logical operations in 24 hours, scaling linearly in the non-equilibrium steady state. This framework enables comparison of the computational capacities of life, exploiting either classical or quantum degrees of freedom.
• Abstract（参考訳）: 宇宙と炭素ベースの生命の計算能力の限界は推定されているが、神経性生物の厳密な制限は確立されていない。 単細胞多核アメーバであるPhysarum polycephalumは、神経細胞の欠如にもかかわらず複雑な問題解決を行うことができる。 種々の生物学的条件下での2つの異なる植物株の成長動態を解析することにより、形態的進化を情報処理にマッピングする。 マルゴラス・レヴィチンの定理は、アクセス可能なエネルギーで最大計算速度を制限しているため、フィザラムの形状の高スループット時系列データを解析し、面積、周、円、およびフラクタル次元を通して定量化し、その水力力学的、化学的、運動論的、量子光学的自由度によって達成可能な論理演算の個数について上限を決定する。 ATPの空間分布と探索領域に基づいて、Physarumは24時間で最大$10^{36}$論理演算を実行でき、非平衡定常状態において線形にスケーリングできる。 この枠組みは、古典的または量子的自由度を利用する、生命の計算能力の比較を可能にする。

関連論文リスト

• Quantum Algorithm for Subcellular Multiscale Reaction-Diffusion Systems [1.4090780535978131]
  重要な課題は「次元の計算」にある これらの課題を克服するために設計された量子アルゴリズムフレームワークを導入する。 この枠組みは生物学的に関連する細胞内プロセスのシミュレーションへの扉を開く。
  論文  参考訳（メタデータ） (2025-09-25T02:04:41Z)
• NOBLE -- Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models [68.89389652724378]
  NOBLEは、解釈可能なニューロンの特徴を連続周波数変調した埋め込みから電流注入によって誘導されるソマティック電圧応答へのマッピングを学ぶ神経オペレーターフレームワークである。 内在的な実験変数を考慮したニューラルダイナミクスの分布を予測する。 NOBLEは、実際の実験データに基づいて検証された最初のスケールアップされたディープラーニングフレームワークである。
  論文  参考訳（メタデータ） (2025-06-05T01:01:18Z)
• Backpropagation through space, time, and the brain [2.10686639478348]
  我々は、ニューロンの物理的、動的ネットワークにおける完全局所的時間的クレジット割り当てのための計算フレームワークであるGeneral Latent Equilibriumを紹介する。 特に、GLEは樹状樹の形態を利用して、単一ニューロンのより複雑な情報保存と処理を可能にしている。
  論文  参考訳（メタデータ） (2024-03-25T16:57:02Z)
• Prediction of Diblock Copolymer Morphology via Machine Learning [0.0]
  長い時間スケールでのブロックポリマーのモルフォロジー進化の計算を高速化するための機械学習手法が提案されている。 経験的消滅モデルとは対照的に,提案手法は粒子シミュレーションから直接連続的に駆動される欠陥過程について学習する。 この研究は、指向的な自己組織化とマイクロエレクトロニクス、電池材料、膜における材料設計に影響を及ぼす。
  論文  参考訳（メタデータ） (2023-08-31T17:45:34Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Reinforcement Learning for Control of Evolutionary and Ecological Processes [0.0]
  本稿では,エコロジーと生理学の両方を計算としてモデル化し,進化ゲームの定式化を導入する。 我々は,進化する細胞の個体群を制御するためのアルゴリズム的問題に対して,その先駆的な結果を開発した。
  論文  参考訳（メタデータ） (2023-05-05T07:45:28Z)
• Accurate Machine Learned Quantum-Mechanical Force Fields for Biomolecular Simulations [51.68332623405432]
  分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。 近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。 本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-17T13:08:28Z)
• Quantum Simulation of Chiral Phase Transitions [62.997667081978825]
  有限温度および有限化学ポテンシャルにおける$(+1)$次元NJLモデルの量子シミュレーションを構築する。 我々は,デジタル量子シミュレーション,正確な対角化,解析解の整合性を観察し,QCD熱力学のシミュレーションにおける量子コンピューティングのさらなる応用を示す。
  論文  参考訳（メタデータ） (2021-12-07T19:04:20Z)
• The role of boundary conditions in quantum computations of scattering observables [58.720142291102135]
  量子コンピューティングは、量子色力学のような強い相互作用する場の理論を物理的時間進化でシミュレートする機会を与えるかもしれない。 現在の計算と同様に、量子計算戦略は依然として有限のシステムサイズに制限を必要とする。 我々は、ミンコフスキー符号量1+1ドルの体積効果を定量化し、これらが体系的不確実性の重要な源であることを示す。
  論文  参考訳（メタデータ） (2020-07-01T17:43:11Z)

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。