Fugu-MT 論文翻訳(概要): Neural Computers

論文の概要: Neural Computers

arxiv url: http://arxiv.org/abs/2604.06425v1
Date: Tue, 07 Apr 2026 20:01:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-09 17:30:51.223824
Title: Neural Computers
Title（参考訳）: ニューラルネットワーク
Authors: Mingchen Zhuge, Changsheng Zhao, Haozhe Liu, Zijian Zhou, Shuming Liu, Wenyi Wang, Ernie Chang, Gael Le Lan, Junjie Fei, Wenxuan Zhang, Yasheng Sun, Zhipeng Cai, Zechun Liu, Yunyang Xiong, Yining Yang, Yuandong Tian, Yangyang Shi, Vikas Chandra, Jürgen Schmidhuber,
Abstract要約: 本稿では,計算,メモリ,I/Oを学習時の状態に統一する新しいマシン形式を提案する。私たちの長期的な目標は完全ニューラルネットワーク(CNC)で、安定した実行、明示的な再プログラミング、永続的な機能の再利用です。 CNCは、今日のエージェント、世界モデル、そして従来のコンピュータを超えて、新しいコンピューティングパラダイムを確立することができる。
参考スコア（独自算出の注目度）: 86.49306026762082
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a new frontier: Neural Computers (NCs) -- an emerging machine form that unifies computation, memory, and I/O in a learned runtime state. Unlike conventional computers, which execute explicit programs, agents, which act over external execution environments, and world models, which learn environment dynamics, NCs aim to make the model itself the running computer. Our long-term goal is the Completely Neural Computer (CNC): the mature, general-purpose realization of this emerging machine form, with stable execution, explicit reprogramming, and durable capability reuse. As an initial step, we study whether early NC primitives can be learned solely from collected I/O traces, without instrumented program state. Concretely, we instantiate NCs as video models that roll out screen frames from instructions, pixels, and user actions (when available) in CLI and GUI settings. These implementations show that learned runtimes can acquire early interface primitives, especially I/O alignment and short-horizon control, while routine reuse, controlled updates, and symbolic stability remain open. We outline a roadmap toward CNCs around these challenges. If overcome, CNCs could establish a new computing paradigm beyond today's agents, world models, and conventional computers.
Abstract（参考訳）: 我々は新しいフロンティアであるNeural Computers (NCs)を提案する。計算、メモリ、I/Oを学習ランタイム状態で統一する新しいマシン形式である。明示的なプログラムを実行する従来のコンピュータや、外部実行環境に作用するエージェント、環境力学を学習するワールドモデルとは異なり、NCはモデル自体を実行中のコンピュータにすることを目指している。私たちの長期的な目標は、完全ニューラルネットワーク(CNC: Completely Neural Computer)です。安定的な実行、明示的な再プログラミング、永続的な機能再利用を備えた、成熟した、汎用的なこのマシンフォームの実現です。最初のステップとして、初期NCプリミティブが、プログラムの状態の計測なしに、収集されたI/Oトレースからのみ学習できるかどうかを検討する。具体的には、CLIとGUI設定で、命令、ピクセル、ユーザーアクションからスクリーンフレームをロールアウトするビデオモデルとしてNCをインスタンス化する。これらの実装は、学習したランタイムが初期のインターフェイスプリミティブ、特にI/Oアライメントと短期水平制御を取得できることを示している。これらの課題に関するCNCに向けたロードマップを概説する。もし克服すれば、CNCは現在のエージェント、世界モデル、そして従来のコンピュータを超えた新しいコンピューティングパラダイムを確立することができる。

関連論文リスト

Computer-Using World Model [58.59112582915026]
我々は,次のユーザインタフェース(UI)状態を予測するデスクトップソフトウェアのための世界モデルであるComputer-Using World Model (CUWM)を紹介する。 CUWMはまずエージェント関連状態変化のテキスト記述を予測し、次に次のスクリーンショットを合成するために視覚的にこれらの変化を実現する。テスト時間動作探索を用いてCUWMを評価し、凍結エージェントが世界モデルを用いて実行前の候補動作をシミュレートし比較する。
論文参考訳（メタデータ） (2026-02-19T13:48:29Z)
From RISC-V Cores to Neuromorphic Arrays: A Tutorial on Building Scalable Digital Neuromorphic Processors [0.37863160479533026]
デジタルニューロモルフィックプロセッサは、低消費電力常時オンのEdgeAIアプリケーションのための有望なコンピューティング基板として登場しつつある。本チュートリアルでは,完全ディジタルニューロモルフィックプロセッサのアーキテクチャ設計原理について概説する。
論文参考訳（メタデータ） (2025-11-27T14:14:23Z)
Rulebook: bringing co-routines to reinforcement learning environments [0.688204255655161]
Rulebookは、機械学習アルゴリズムと対話するために必要なステートマシンを自動的に生成するように設計されたコンパイル言語である。ユーザはMLコンポーネントが必要とする特定のインターフェースを意識することなく、プログラムを表現できる。
論文参考訳（メタデータ） (2025-04-28T09:34:34Z)
NNTile: a machine learning framework capable of training extremely large GPT language models on a single node [83.9328245724548]
NNTileはタスクベースの並列処理を実装したStarPUライブラリをベースとしている。これは、大きなニューラルネットワークをトレーニングするために必要な特定の操作が、CPUコアまたはGPUデバイスのいずれかで実行されることを意味する。
論文参考訳（メタデータ） (2025-04-17T16:22:32Z)
OscNet: Machine Learning on CMOS Oscillator Networks [0.0]
我々はCMOSネットワーク(OscNet)上に実装された新しいエネルギー効率のよい機械学習フレームワークを提案する。我々は、OscNetを用いて出生前脳の視覚系の発達過程をモデル化し、生物学的にインスパイアされたヘビアン規則に基づいて更新する。実験の結果、OscNet上のHebbianの学習パイプラインは、従来の機械学習アルゴリズムに匹敵する、あるいは超えるパフォーマンスを実現している。
論文参考訳（メタデータ） (2025-02-11T02:32:32Z)
CNC-Net: Self-Supervised Learning for CNC Machining Operations [49.55380246503274]
我々は、CNCマシンをシミュレートするためのディープニューラルネットワーク(DNN)の使用を表すCNC-Netという先駆的なアプローチを導入する。本手法は,手動CNCプログラミングの高コストに代えて,コスト効率のよい代替手段を提供することにより,製造における革新的自動化を実現する可能性を秘めている。
論文参考訳（メタデータ） (2023-12-15T16:31:17Z)
Intelligence-Endogenous Management Platform for Computing and Network Convergence [33.45559800534038]
我々は,人工知能技術に基づくemphCNC脳という,CNCのためのインテリジェンス内在的管理プラットフォームの概念を提示する。これは、CNCにおける供給と需要を、知覚、スケジューリング、適応、ガバナンスの4つの重要な構成要素を通して、高い不均一性と効率的にマッチングすることを目的としている。 2つのオープンソースおよび人気のあるフレームワークと、Microsoft Azureが提供する実世界のビジネスデータセットを統合するCNCテストベッドで評価されている。
論文参考訳（メタデータ） (2023-08-07T10:12:15Z)
End-to-end AI framework for interpretable prediction of molecular and crystal properties [3.8878792624088856]
このフレームワークは、CGCNN、PhysNet、SchNet、MPNN、MPNN-transformer、TorchMD-NETといった最先端AIモデルに基づいている。これらのAIモデルとベンチマークQM9、hMOF、MD17データセットを併用して、モデルがユーザ指定の材料特性を予測する方法を示す。
論文参考訳（メタデータ） (2022-12-21T19:27:51Z)
Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural Networks on Edge NPUs [74.83613252825754]
スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
論文参考訳（メタデータ） (2022-09-27T15:04:01Z)

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。