論文の概要: The DIME Architecture: A Unified Operational Algorithm for Neural Representation, Dynamics, Control and Integration

• arxiv url: http://arxiv.org/abs/2603.12286v1
• Date: Sat, 07 Mar 2026 11:05:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:11.669693
• Title: The DIME Architecture: A Unified Operational Algorithm for Neural Representation, Dynamics, Control and Integration
• Title（参考訳）: DIMEアーキテクチャ:ニューラル表現、ダイナミクス、制御、統合のための統一された操作アルゴリズム
• Abstract要約: この研究は、共通の運用サイクル内で知覚、記憶、評価、意識的なアクセスを編成する神経アーキテクチャであるDIMEを紹介している。 この枠組みは、海馬の索引付け、反復する皮質処理、リプレイ現象、大規模なネットワーク統合、神経調節調節などの経験的証拠と一致している。 DIMEはまた、統一されたメカニズムから表現、評価、時間的シークエンシングが現れるアーキテクチャテンプレートを提供することで、人工知能とロボティクスに通知する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern neuroscience has accumulated extensive evidence on perception, memory, prediction, valuation, and consciousness, yet still lacks an explicit operational architecture capable of integrating these phenomena within a unified computational framework. Existing theories address specific aspects of neural function: predictive coding and active inference emphasize hierarchical inference and prediction error minimization; engram theories explain memory through distributed cell assemblies; neuromodulatory accounts focus on value-dependent regulation of plasticity and behaviour; and global workspace or large-scale network models investigate mechanisms underlying conscious access. Despite their explanatory power, these approaches remain only partially integrated at the architectural level. This work introduces DIME (Detect-Integrate-Mark-Execute), a neural architecture organizing perception, memory, valuation, and conscious access within a common operational cycle. The framework includes four interacting components: engrams, distributed recurrent neural structures supporting multiple activation trajectories; execution threads, spatiotemporal trajectories implementing neural processes; marker systems, neuromodulatory and limbic mechanisms regulating gain, plasticity, and trajectory selection; and hyperengrams, large-scale integrative states associated with operational conscious access. The framework is consistent with empirical evidence from hippocampal indexing, recurrent cortical processing, replay phenomena, large-scale network integration, and neuromodulatory regulation. Formulated at an abstract computational level, DIME may also inform artificial intelligence and robotics by providing an architectural template in which representation, valuation, and temporal sequencing emerge from a unified mechanism. An extended theoretical exposition is available in a companion monograph on Zenodo.
• Abstract（参考訳）: 現代の神経科学は、認識、記憶、予測、評価、意識に関する広範な証拠を蓄積しているが、これらの現象を統一された計算枠組みに統合できる明示的な運用アーキテクチャはいまだに欠けている。 既存の理論は神経機能の特定の側面に対処する:予測符号化とアクティブ推論は階層的推論と予測エラーの最小化を強調し、理論は分散セルアセンブリを通してメモリを説明する。 その説明力にもかかわらず、これらのアプローチはアーキテクチャレベルでのみ部分的に統合されている。 DIME(Detect-Integrate-Mark-Execute)は、認知、メモリ、バリュエーション、意識的なアクセスを共通の運用サイクル内で管理するニューラルネットワークである。 このフレームワークは、複数のアクティベーショントラジェクトリをサポートするグラフ、分散リカレントニューラルネットワーク構造、実行スレッド、神経プロセスを実装する時空間トラジェクトリ、マーカシステム、神経調節および辺縁機構、利得、可塑性、および軌道選択を調節するマーカーシステム、ハイパエングラム、オペレーショナル意識アクセスに関連する大規模統合状態の4つの相互作用コンポーネントを含む。 この枠組みは、海馬の索引付け、反復する皮質処理、リプレイ現象、大規模なネットワーク統合、神経調節調節などの経験的証拠と一致している。 抽象的な計算レベルで定式化されたDIMEは、統一されたメカニズムから表現、評価、時間的シークエンシングが出現するアーキテクチャテンプレートを提供することで、人工知能とロボティクスに情報を与えることもできる。 拡張理論的な展示は、善導に関する同伴のモノグラフで見ることができる。

関連論文リスト

• Integrative neurocybernetic modeling in the era of large-scale neuroscience [10.509674860067108]
  我々は、理解行動には統合的ニューロサイバネティックモデルが必要であると論じる。 このようなモデルは、目標を、神経記録の予測から、神経および行動力学を支配する組織原理の推測へとシフトさせる。 このアジェンダは、断片化されたデータから、脳がどのように行動を生み出すかの機械科学へのモデル中心のパスを提供する。
  論文  参考訳（メタデータ） (2026-04-26T22:26:28Z)
• From Brain Models to Executable Digital Twins: Execution Semantics and Neuro-Neuromorphic Systems [51.82266520875928]
  この調査では、実行のレベルでアプローチを比較するための統一的な視点として、物理的に制約された実行可能性を紹介します。 本稿では,孤立オフラインモデルから協調シミュレーション,オンラインデータによるディジタル双生児の連続実行に至るまで,実行体制の分類について提案する。 実行可能性の概念は、なぜ正確性だけで不十分なのかを明確にし、セマンティック・インターオペラビリティ、ハイブリッド・タイムの正確性、評価プロトコル、スケーラブルな同化、安全なクローズドループ検証を中心にしたアジェンダを動機付けている。
  論文  参考訳（メタデータ） (2026-04-15T07:34:46Z)
• Kirchhoff-Inspired Neural Networks for Evolving High-Order Perception [51.28469959548178]
  我々はKirchhoff-Inspired Neural Network (KINN)を提案する。 KINNは、基本的な常微分方程式から数値的に安定な状態更新を導き、より高階の進化成分の明示的な分離と符号化を可能にする。
  論文  参考訳（メタデータ） (2026-03-25T06:17:31Z)
• BrainATCL: Adaptive Temporal Brain Connectivity Learning for Functional Link Prediction and Age Estimation [0.33748750222488655]
  本稿では、適応的時間的脳接続学習のための非教師なしノンパラメトリックフレームワークBrainATCLを提案する。 提案手法は,新たに追加されたエッジのレートに基づいて,スナップショット毎のルックバックウィンドウを動的に調整する。 グラフシーケンスはGINE-Mamba2バックボーンを用いて符号化され、静止状態fMRIデータにおける動的機能接続の時空間表現を学習する。
  論文  参考訳（メタデータ） (2025-08-09T21:18:25Z)
• Embodied World Models Emerge from Navigational Task in Open-Ended Environments [5.785697934050656]
  プロシージャ的に生成された平面迷路を解決するために,スパース報酬のみで訓練された反復エージェントが,方向,距離,障害物レイアウトなどの計量概念を自律的に内部化できるかどうかを問う。 トレーニングの後、エージェントは、下層の空間モデルにヒントを与える行動である、見えない迷路において、常に準最適経路を生成する。
  論文  参考訳（メタデータ） (2025-04-15T17:35:13Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• Graph-Based Representation Learning of Neuronal Dynamics and Behavior [2.3859858429583665]
  本稿では,時間変動ニューロン接続をモデル化する新しいフレームワークTAVRNNを紹介する。 TAVRNNは、解釈可能な集団レベルの表現を維持しながら、単一単位レベルで潜伏ダイナミクスを学習する。 TAVRNNは,(1)自由行動ラットの電気生理学的データ,(2)到達作業中の霊長類体性感覚皮質記録,(3)仮想ゲーム環境と相互作用するDishBrainプラットフォーム内の生物学的ニューロンの3つのデータセットで検証した。
  論文  参考訳（メタデータ） (2024-10-01T13:19:51Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• DSAM: A Deep Learning Framework for Analyzing Temporal and Spatial Dynamics in Brain Networks [4.041732967881764]
  ほとんどのrs-fMRI研究は、関心のある脳領域にまたがる単一の静的機能接続行列を計算している。 これらのアプローチは、脳のダイナミクスを単純化し、目の前のゴールを適切に考慮していないリスクがある。 本稿では,時系列から直接ゴール固有の機能的接続行列を学習する,解釈可能な新しいディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-19T23:35:06Z)
• Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
  本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。 本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。 本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
  論文  参考訳（メタデータ） (2024-04-22T09:40:07Z)
• Brain Networks and Intelligence: A Graph Neural Network Based Approach to Resting State fMRI Data [2.193937336601403]
  本稿では,rsfMRIによる接続行列上のグラフニューラルネットワークを用いて,インテリジェンス(流動性,結晶化,全知能)を予測するBrainRGINという新しいモデリングアーキテクチャを提案する。 本手法では,脳のサブネットワーク組織の性質を反映するグラフ畳み込み層に,クラスタリングに基づく埋め込みとグラフ同型ネットワークを組み込む。
  論文  参考訳（メタデータ） (2023-11-06T20:58:07Z)
• LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
  LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。 ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。 これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
  論文  参考訳（メタデータ） (2023-09-24T05:43:19Z)

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。