論文の概要: Structure as Computation: Developmental Generation of Minimal Neural Circuits

• arxiv url: http://arxiv.org/abs/2604.15143v1
• Date: Thu, 16 Apr 2026 15:19:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.980861
• Title: Structure as Computation: Developmental Generation of Minimal Neural Circuits
• Title（参考訳）: 計算としての構造:ミニマル・ニューラル・サーキットの開発
• Authors: Duan Zhou,
• Abstract要約: この研究は神経新生の発生過程をシミュレートし、単一の幹細胞から開始し、遺伝子制御規則によって制御される。 発生過程は自然に5,000個の細胞を発生させるが、85個の成熟ニューロンしか生成しない。 この回路は、アーキテクチャの変更やデータ拡張を一切行わず、CIFAR-10では1つの時代を経て40.53%を達成している。
• 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: This work simulates the developmental process of cortical neurogenesis, initiating from a single stem cell and governed by gene regulatory rules derived from mouse single-cell transcriptomic data. The developmental process spontaneously generates a heterogeneous population of 5,000 cells, yet yields only 85 mature neurons - merely 1.7% of the total population. These 85 neurons form a densely interconnected core of 200,400 synapses, corresponding to an average degree of 4,715 per neuron. At iteration zero, this minimal circuit performs at chance level on MNIST. However, after a single epoch of standard training, accuracy surges to over 90% - a gain exceeding 80 percentage points - with typical runs falling in the 89-94% range depending on developmental stochasticity. The identical circuit, without any architectural modification or data augmentation, achieves 40.53% on CIFAR-10 after one epoch. These findings demonstrate that developmental rules sculpt a domain-general topological substrate exceptionally amenable to rapid learning, suggesting that biological developmental processes inherently encode powerful structural priors for efficient computation.
• Abstract（参考訳）: この研究は、単一幹細胞から開始し、マウス単細胞転写データから誘導される遺伝子制御規則によって制御される、皮質神経新生の発生過程をシミュレートする。 発生過程は自然に5,000個の細胞を発生させるが、85個の成熟ニューロンしか生成せず、全体の1.7%に過ぎない。 これらの85ニューロンは200,400シナプスの密接な連結コアを形成し、1ニューロンあたりの平均次数は4,715である。 繰り返しゼロでは、この最小回路はMNIST上で偶然のレベルで動作する。 しかし、標準トレーニングの1つの時代を経て、精度は90%以上向上し、80ポイントを超え、発達確率によって89-94%の範囲で典型的なランが低下する。 同一の回路は、アーキテクチャの変更やデータ拡張を一切行わず、CIFAR-10では1つの時代を経て40.53%を達成している。 これらの結果から, 生物発達過程が本質的に, 効率的な計算のために, 強力な構造的前提をコードしていることが示唆された。

関連論文リスト

• The Fast Lane Hypothesis: Von Economo Neurons Implement a Biological Speed-Accuracy Tradeoff [0.0]
  フォン・エコノモニューロン(Von Economo neurons、VENs)は、ヒト、大類人猿、セタチアンを含む複雑な社会的認知を持つ種の前帯状皮質(ACC)および前頭葉にのみ見られる大きな双極性投射ニューロンである。 前頭側頭性認知症(FTD)におけるそれらの選択的枯渇と自閉症の発達の変化は、迅速な社会的意思決定においてそれらを示唆するが、VEN関数の計算モデルはこれまで存在しなかった。 高速レーン仮説(Fast Lane hypothesis: VENs implement a biological speed-accuracy tradeoff (SAT) by a sparse, fast projection pathway that can able rapid social decisions at intention。
  論文  参考訳（メタデータ） (2026-04-10T11:37:19Z)
• General Self-Prediction Enhancement for Spiking Neurons [71.01912385372577]
  スパイキングニューラルネットワーク(SNN)は、イベント駆動のスパース計算によって非常にエネルギー効率が良いが、そのトレーニングは、性能、効率、生物学的妥当性の非微分可能性とトレードオフによって困難である。 本稿では,その入力出力履歴から内部予測電流を生成し,膜電位を変調する自己予測強化スパイキングニューロン法を提案する。 この設計には2つの利点があり、失明した勾配を緩和し、トレーニングの安定性と精度を高める連続的な勾配経路を作成し、また遠位樹状突起変調とエラー駆動のシナプス塑性に類似した生物学的原理と整合する。
  論文  参考訳（メタデータ） (2026-01-29T15:08:48Z)
• NOBLE -- Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models [63.592664795493725]
  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、その一般化を実際の実験データで検証する最初の大規模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)
• Few-Shot Transfer Learning for Individualized Braking Intent Detection on Neuromorphic Hardware [0.21847754147782888]
  本研究では、BrainChip上の畳み込みスパイクニューラルネットワーク(CSNN)をトレーニングし、実装するために、数発の転送学習手法の使用について検討する。 その結果、ニューロモルフィックハードウェアのエネルギー効率は97%以上低下し、レイテンシは1.3*しか増加しなかった。
  論文  参考訳（メタデータ） (2024-07-21T15:35:46Z)
• 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)
• Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
  本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。 このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。 実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
  論文  参考訳（メタデータ） (2021-04-22T04:01:32Z)

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。