論文の概要: Persistent Memory Through Triple-Loop Consolidation in a Non-Gradient Dissipative Cognitive Architecture

• arxiv url: http://arxiv.org/abs/2603.27188v1
• Date: Sat, 28 Mar 2026 08:29:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.837913
• Title: Persistent Memory Through Triple-Loop Consolidation in a Non-Gradient Dissipative Cognitive Architecture
• Title（参考訳）: 非勾配散逸認知アーキテクチャにおけるトリプルループ統合による永続記憶
• Authors: Jianwei Lou,
• Abstract要約: 本稿では,三重ループ統合サイクルを通した非段階的な永続メモリ機構であるDeep Memoryを紹介する。 我々は、Mixture-of-Experts (MoE) ゲーティングによる個別のエキスパートルーティングがDMの因果的前提であることを示した。 以上の結果から, DMは, 海馬統合と機能的並行性を有する非段階認知システムにおいて, 持続記憶の機構として確立された。
• 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: Dissipative cognitive architectures maintain computation through continuous energy expenditure, where units that exhaust their energy are stochastically replaced with fresh random state. This creates a fundamental challenge: how can persistent, context-specific memory survive when all learnable state is periodically destroyed? Existing memory mechanisms -- including elastic weight consolidation, synaptic intelligence, and surprise-driven gating -- rely on gradient computation and are inapplicable to non-gradient dissipative systems. We introduce Deep Memory (DM), a non-gradient persistent memory mechanism operating through a triple-loop consolidation cycle: (1) recording of expert-specific content centroids, (2) seeding of replaced units with stored representations, and (3) stabilization through continuous re-entry. We demonstrate that discrete expert routing via Mixture-of-Experts (MoE) gating is a causal prerequisite for DM, preventing centroid convergence that would render stored memories identical. Across ${\sim}970$ simulation runs spanning thirteen experimental blocks: (i) discrete routing is causally necessary for specialization ($\text{MI}=1.10$ vs. $0.001$; $n=91$); (ii) DM achieves $R=0.984$ vs. $0.385$ without memory ($n=16$); (iii) continuous seeding reconstructs representations after interference ($R_\mathrm{recon}=0.978$; one-shot fails; $n=30$); (iv) the mechanism operates within a characterized $(K,p)$ envelope ($n=350$); (v) recording $\times$ seeding is the minimal critical dyad ($n=40$); (vi) DM outperforms non-gradient baselines (Hopfield, ESN) under matched turnover ($n=370$). These results establish DM as a falsifiable mechanism for persistent memory in non-gradient cognitive systems, with functional parallels to hippocampal consolidation.
• Abstract（参考訳）: 散逸的な認知アーキテクチャは、エネルギーを消費する単位を確率的に新しいランダム状態に置き換える連続的なエネルギー支出を通して計算を維持する。 すべての学習可能な状態が定期的に破壊されるとき、永続的でコンテキスト固有のメモリはどうやって生き残るのか? 既存のメモリ機構 – 弾性重みの強化、シナプスインテリジェンス、サプライズ駆動ゲーティング – は勾配計算に依存しており、非段階的な散逸系には適用できない。 1) 専門的なコンテンツセントロイドの記録,(2) 置換単位の保存表現によるシード化,(3) 連続的再突入による安定化などである。 我々は,Mixture-of-Experts (MoE) ゲーティングによる個別のエキスパートルーティングがDMの因果的前提であることを示す。 Across ${\sim}970$ Simulation run across 13 experimental blocks: (i)離散ルーティングは、特殊化に慎重に必要である($\text{MI}=1.10$ vs. $0.001$; $n=91$)。 (ii)DMは、R=0.984$対0.385$無メモリ(n=16$)を達成する。 (iii)連続シードは干渉後の表現を再構成する(R_\mathrm{recon}=0.978$; 単発フェール; $n=30$)。 (四)その機構は、特徴のある$(K,p)$の封筒(n=350$)内で機能する。 (v)記録$\times$シードは最小限の臨界ダイアド(n=40$)である。 (vi)DMは、マッチしたターンオーバー(n=370$)の下で、非緩やかなベースライン(ホップフィールド、ESN)を上回ります。 以上の結果から, DMは, 海馬統合と機能的並行性を有する非段階認知システムにおいて, 持続記憶の機構として確立された。

関連論文リスト

• Inhibitory Cross-Talk Enables Functional Lateralization in Attention-Coupled Latent Memory [0.0]
  本稿では,検索,統合,書き込みバック操作を同時に行うメモリ拡張変換器を提案する。 我々は、メモリを左右に分割し、符号制御されたクロストーク行列$W_s$で結合し、この結合の符号が特殊化に決定的であることを示す。
  論文  参考訳（メタデータ） (2026-02-27T08:58:51Z)
• Body-Reservoir Governance in Repeated Games: Embodied Decision-Making, Dynamic Sentinel Adaptation, and Complexity-Regularized Optimization [0.0]
  本稿では,3層構造であるBody-Reservoirガバナンスアーキテクチャを提案する。 戦略複雑性コストは、貯水池の状態分布と習慣化されたベースラインとのKLの分岐として定義される。 ボディガバナンスは、このコストを削減し、アクションの分散は、次元$d$の1600Times$まで減少します。 体をオーバーライドすると、内部状態の歪みに比例して熱力学的コストが発生する。
  論文  参考訳（メタデータ） (2026-02-24T12:36:41Z)
• Dynamic Large Concept Models: Latent Reasoning in an Adaptive Semantic Space [56.37266873329401]
  大規模言語モデル (LLM) は、高度に一様でない情報密度を示す言語にもかかわらず、全てのトークンに一様計算を適用する。 我々は,潜在表現から意味境界を学習し,トークンから推論がより効率的である圧縮概念空間へ移行する階層型言語モデリングフレームワークである$textbfDynamic Large Concept Models (DLCM)$を提案する。
  論文  参考訳（メタデータ） (2025-12-31T04:19:33Z)
• Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution [52.76038908826961]
  我々は静的ストレージと動的推論のギャップを埋めるため、$textbfReMe$ ($textitRemember Me, Refine Me$)を提案する。 ReMeは3つのメカニズムを通じてメモリライフサイクルを革新する: $textitmulti-faceted distillation$, きめ細かい経験を抽出する。 BFCL-V3とAppWorldの実験では、ReMeが新しい最先端のエージェントメモリシステムを確立している。
  論文  参考訳（メタデータ） (2025-12-11T14:40:01Z)
• INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers [61.84396402100827]
  本稿では,学習した補正を支配方程式に統合する間接ニューラルコレクタ(mathrmINC$)を提案する。 $mathrmINC$は、$t-1 + L$の順番でエラー増幅を減らし、$t$はタイムステップ、$L$はリプシッツ定数である。 大規模なベンチマークで$mathrmINC$をテストし、1Dカオスシステムから3D乱流まで、多くの異なる解法、神経バックボーン、テストケースをカバーした。
  論文  参考訳（メタデータ） (2025-11-16T20:14:28Z)
• 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)
• The Reflexive Integrated Information Unit: A Differentiable Primitive for Artificial Consciousness [0.0]
  リフレクティブ・インテリジェンス・インフォメーション・ユニット(Reflexive Integrated Information Unit, RIIU)は, 2つのベクトルで隠れた状態を$h$に拡張するリカレント・セルである。 スライドウインドウの共分散と微分可能なAuto-$Phi$サロゲートにより、各RIIUはローカル情報の統合をオンラインで最大化する。 8ウェイグリッドワールドでは、4層RIIUエージェントがアクチュエータ故障後の13ステップで、パラメータマッチングGRUの2倍の速さで報酬を90%以上回復する。
  論文  参考訳（メタデータ） (2025-06-15T14:07:59Z)
• Topology-aware Embedding Memory for Continual Learning on Expanding Networks [63.35819388164267]
  本稿では,メモリリプレイ技術を用いて,メモリ爆発問題に対処する枠組みを提案する。 Topology-aware Embedding Memory (TEM) を用いたPDGNNは最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2024-01-24T03:03:17Z)

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。