論文の概要: Balancing Centralized Learning and Distributed Self-Organization: A Hybrid Model for Embodied Morphogenesis

• arxiv url: http://arxiv.org/abs/2511.10101v1
• Date: Fri, 14 Nov 2025 01:32:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.697809
• Title: Balancing Centralized Learning and Distributed Self-Organization: A Hybrid Model for Embodied Morphogenesis
• Title（参考訳）: 集中学習と分散自己組織化のバランスをとる: 身体形態形成のためのハイブリッドモデル
• Authors: Takehiro Ishikawa,
• Abstract要約: 本研究では,学習可能な脳様のコントローラを細胞様のグレースコット基質に結合して,最小限の努力でステアパターン形成を行う方法について検討する。 コンパクトな畳み込みポリシは、微分可能なPyTorch反応拡散シミュレータに埋め込まれる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate how to couple a learnable brain-like'' controller to a cell-like'' Gray--Scott substrate to steer pattern formation with minimal effort. A compact convolutional policy is embedded in a differentiable PyTorch reaction--diffusion simulator, producing spatially smooth, bounded modulations of the feed and kill parameters ($ΔF$, $ΔK$) under a warm--hold--decay gain schedule. Training optimizes Turing-band spectral targets (FFT-based) while penalizing control effort ($\ell_1/\ell_2$) and instability. We compare three regimes: pure reaction--diffusion, NN-dominant, and a hybrid coupling. The hybrid achieves reliable, fast formation of target textures: 100% strict convergence in $\sim 165$ steps, matching cell-only spectral selectivity (0.436 vs.\ 0.434) while using $\sim 15\times$ less $\ell_1$ effort and $>200\times$ less $\ell_2$ power than NN-dominant control. An amplitude sweep reveals a non-monotonic Goldilocks'' zone ($A \approx 0.03$--$0.045$) that yields 100\% quasi convergence in 94--96 steps, whereas weaker or stronger gains fail to converge or degrade selectivity. These results quantify morphological computation: the controller seeds then cedes,'' providing brief, sparse nudges that place the system in the correct basin of attraction, after which local physics maintains the pattern. The study offers a practical recipe for building steerable, robust, and energy-efficient embodied systems that exploit an optimal division of labor between centralized learning and distributed self-organization.
• Abstract（参考訳）: 我々は,学習可能な脳様のコントローラを細胞様のGray-Scott基板に最小限の努力でステアパターン形成させる方法について検討する。コンパクトな畳み込みポリシーをPyTorch反応拡散シミュレータに組み込み,空間的にスムーズで有界なフィードと殺人パラメータ(ΔF$,$ΔK$)を生成する。 トレーニングは、チューリングバンドスペクトルターゲット(FFTベース)を最適化し、制御作業("\ell_1/\ell_2$")と不安定性を罰する。 我々は, 純粋な反応拡散, NN支配, ハイブリッド結合の3つの条件を比較した。 100%厳密な収束を$\sim 165$のステップで達成し、細胞のみのスペクトル選択性(0.436対)と一致する。 $\sim 15\times$ less $\ell_1$ effort and $>200\times$ less $\ell_2$ power than NN-dominant control。 非単調なゴールディロックスゾーン(A \approx 0.03$--0.045$)が94-96ステップで100\%の準収束をもたらすのに対して、より弱い利得や強い利得は収束または分解に失敗する。 これらの結果は、モルフォロジー計算の定量化に寄与する: コントローラの種がスギを産み出す''は、システムを適切なアトラクションの流域に配置し、その後、局所物理学がパターンを維持できる、簡潔でまばらなヌッジを提供する。 この研究は、集中学習と分散自己組織化の間の最適な分業を利用する、ステアブル、ロバスト、エネルギー効率の良い実施システムを構築するための実践的なレシピを提供する。

関連論文リスト

• Comprehensive Validation of Replica Symmetry Breaking via Quantum Annealing: From Ground States to Topological Collapse [0.0]
  我々はジョルジョ・パリシのシェリントン・カークパトリックスピンガラスの正確な解を4000スピンに拡張する。 レプリカ対称性の破れの出現と崩壊を調査する。 この包括的検証は、複素系における基本的な統計力学を探索するための量子的優位性を確立する。
  論文  参考訳（メタデータ） (2025-11-09T14:33:22Z)
• Multiscale Astrocyte Network Calcium Dynamics for Biologically Plausible Intelligence in Anomaly Detection [0.48700127614643884]
  Ca$2+$-modulated learning frameworkは、脳内のCa$2+$シグナルからインスピレーションを得ている。 我々のアプローチでは、ディープニューラルネットワーク(DNN)を用いた多細胞アストロサイトダイナミックスシミュレーターを結合する。
  論文  参考訳（メタデータ） (2025-11-06T02:24:51Z)
• Assessing the Limits of Graph Neural Networks for Vapor-Liquid Equilibrium Prediction: A Cryogenic Mixture Case Study [3.765010805872486]
  本研究では、GERG-2008/CoolPropデータに基づいてトレーニングされた構造対応グラフニューラルネットワーク(GNN; DimeNet++)が、状態方程式(EoS)の実用的なサロゲートとして機能するかどうかを問う。 我々は90～200K以上の3次データセットと100バーへの圧力を生成し、15%密度フィルタ(5,200状態を1,516に還元する)でキュレートし、各状態と軽量な分子力学スナップショットを組み合わせて構造特性の供給を行う。 我々は、構成上、この研究におけるサロゲートは、VLEに対して平衡対応可能ではなく、実行時利益を提供しない、と結論づける。
  論文  参考訳（メタデータ） (2025-09-10T16:10:58Z)
• Programmable Quantum Matter: Heralding Large Cluster States in Driven Inhomogeneous Spin Ensembles [0.0]
  固体中のAtomのようなエミッタは、量子センシングと情報処理のための有望なプラットフォームである。 本稿では、この多様性を活用して、光学的に隠蔽されたスピンクラスター状態を生成するためのリソースを削減するフレームワークを提案する。 最適化されたパルスシーケンスは、パルス長とデチューニングエラーを同時に補正し、エラーに対して99.99%以上の単一量子ビットゲートフィデリティを達成する。
  論文  参考訳（メタデータ） (2025-09-03T03:59:22Z)
• Tensor Decomposition Networks for Fast Machine Learning Interatomic Potential Computations [48.46721044282335]
  テンソル分解ネットワーク(TDN)は、計算処理の劇的な高速化と競合する性能を実現する。 1億5500万のDFT計算スナップショットを含む分子緩和データセットPubChemQCRのTDNを評価した。 その結果,TDNは計算処理の劇的な高速化と競合する性能を示した。
  論文  参考訳（メタデータ） (2025-07-01T18:46:27Z)
• Newton-Puiseux Analysis for Interpretability and Calibration of Complex-Valued Neural Networks [0.0]
  複雑なニューラルネットワーク(CVNN)は、心電図(ECG)、レーダー/ソナー、無線の位相/四分法(I/Q)ストリームなどの位相感受性信号を扱うのに適している。 訓練されたCVNNの局所的決定幾何を,小型のキンク対応サロゲートに適合させて検討するNewton-Puiseuxフレームワークを提案する。 我々のフェーズアウェア分析は、制御された$C2$合成ベンチマークを超える2つのケーススタディにおいて、センシティブな方向を特定し、予測エラーを強化する。
  論文  参考訳（メタデータ） (2025-04-27T09:37:07Z)
• FABind: Fast and Accurate Protein-Ligand Binding [127.7790493202716]
  $mathbfFABind$はポケット予測とドッキングを組み合わせたエンドツーエンドモデルで、正確で高速なタンパク質-リガンド結合を実現する。 提案モデルでは,既存手法と比較して有効性と効率性に強い利点が示される。
  論文  参考訳（メタデータ） (2023-10-10T16:39:47Z)
• SE(3)-Stochastic Flow Matching for Protein Backbone Generation [54.951832422425454]
  我々はFoldFlowを紹介した。FoldFlowは,3mathrmD$の剛性運動に対するフローマッチングパラダイムに基づく,モデリング能力向上のための新しい生成モデルである。 FoldFlow生成モデルのファミリーは、タンパク質の生成モデルに対する従来のアプローチよりもいくつかの利点を提供している。
  論文  参考訳（メタデータ） (2023-10-03T19:24:24Z)
• Predicting the Stability of Hierarchical Triple Systems with Convolutional Neural Networks [68.8204255655161]
  本稿では,階層型三重項の安定性を予測する畳み込みニューラルネットワークモデルを提案する。 すべてのトレーニングされたモデルは公開されており、純粋な$N$-bodyメソッドよりも200ドルの速さで階層的な3重システムの安定性を予測することができる。
  論文  参考訳（メタデータ） (2022-06-24T17:58:13Z)

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。