論文の概要: What Makes a Bacterial Model a Good Reservoir Computer? Predicting Performance from Separability and Similarity

• arxiv url: http://arxiv.org/abs/2604.19850v1
• Date: Fri, 17 Apr 2026 08:08:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.651121
• Title: What Makes a Bacterial Model a Good Reservoir Computer? Predicting Performance from Separability and Similarity
• Title（参考訳）: 細菌モデルが優れた貯留層コンピュータになる理由 : 分離性と類似性による性能予測
• Authors: Laura Alonso Bartolomé, Jean-Loup Faulon, Xavier Hinaut,
• Abstract要約: 細菌の代謝モデルが物理的貯水池として機能しうるか, 分離性と類似性に関連する動的特性からそれらの計算性能を予測することができるかを検討する。 いくつかの微生物モデルは高い分類精度を達成し、細菌の代謝動態が非線形計算をサポートすることを示した。 すべての大腸菌変異体は野生型モデルによって支配されており、遺伝子の欠失が効率的な計算に必要な動的富度を減少させることを示唆している。
• 参考スコア（独自算出の注目度）: 1.8853398065417313
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biological systems are promising substrates for computation because they naturally process environmental information through complex internal dynamics. In this study, we investigate whether bacterial metabolic models can act as physical reservoirs and whether their computational performance can be predicted from dynamical properties linked to separability and similarity. We simulated the growth dynamics of five bacterial species, one yeast species, and 29 Escherichia coli single-gene deletion mutants using dynamic flux balance analysis (dFBA), with glucose and xylose concentrations as inputs and growth curves as reservoir states. Computational performance was assessed on random nonlinear classification tasks using a linear readout, while reservoir properties linked to separability and similarity were characterised through kernel and generalisation ranks computed from growth-curve state matrices. Several microbial models achieved high classification accuracy, showing that bacterial metabolic dynamics can support nonlinear computation. Clear differences were observed between species, with some models converging more rapidly and others reaching higher maximum accuracy, revealing a trade-off between convergence speed and peak performance. In contrast, all E. coli mutants were dominated by the wild-type model, suggesting that gene deletions reduce the dynamical richness required for efficient computation. The difference between kernel and generalisation ranks was generally associated with improved accuracy, but deviations across models and sensitivity at low rank values limited its predictive power in practice. Overall, these results show that bacterial metabolic models constitute promising substrates for reservoir computing and provide a first step towards identifying microbial strains with favourable computational properties for future experimental implementations.
• Abstract（参考訳）: 生物システムは複雑な内部力学を通して自然に環境情報を処理するため、計算のために有望な基質である。 本研究では,細菌代謝モデルが物理的貯水池として機能しうるか,分離性と類似性に関連する動的特性からそれらの計算性能を予測することができるかを検討する。 動的フラックスバランス解析 (dFBA) を用いて, 5種の細菌種, 1種の酵母種, 29種の大腸菌単遺伝子欠失変異株の成長動態をシミュレーションした。 線形読み出し法を用いてランダムな非線形分類タスクで計算性能を評価し, 分離性および類似性に関連する貯水池特性は, 成長曲線状態行列から計算されたカーネルと一般化ランクによって特徴づけられた。 いくつかの微生物モデルは高い分類精度を達成し、細菌の代謝動態が非線形計算をサポートすることを示した。 種間で明確な差異が観察され、より速く収束するモデルや、最大精度に達するモデルがあり、収束速度とピーク性能のトレードオフが明らかとなった。 対照的に、全ての大腸菌変異体は野生型モデルによって支配されており、遺伝子の欠失が効率的な計算に必要な動的富度を減少させることを示唆している。 カーネルと一般化ランクの違いは一般的に精度の向上に関連していたが、モデル間の偏差と低ランク値の感度は実際には予測力を制限した。 これらの結果は, 細菌代謝モデルが貯水池計算のための有望な基質を構成することを示し, 将来の実験実装に好適な計算特性を持つ微生物株を同定する第一歩となることを示唆している。

関連論文リスト

• An AI-enabled tool for quantifying overlapping red blood cell sickling dynamics in microfluidic assays [5.577003343220155]
  このフレームワークは、AIによるアノテーション、セグメンテーション、分類、インスタンスカウントを統合して、赤血球の集団を定量化する。 これは、密封された細胞懸濁液を介して実験的スループットを2倍以上にし、薬物依存的な病的行動を捉え、細胞の形態的進化の機械生物学的特徴を明らかにすることができる。
  論文  参考訳（メタデータ） (2026-01-25T05:32:53Z)
• Varying-Coefficient Mixture of Experts Model [0.0]
  本稿では、ゲーティング関数とエキスパートモデルの両方におけるすべての係数効果をインデックス変数に沿って変化させることができるVarying-Coefficient Mixture of Experts (VCMoE)モデルを提案する。 本稿では, 胚性マウスにおける単一遺伝子発現のデータセットを用いて, 遺伝子Satb2とBcl11bの関連性の時間的ダイナミクスを特徴づけるVCMoEモデルを提案する。
  論文  参考訳（メタデータ） (2026-01-05T00:23:30Z)
• Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges [51.83259180910313]
  遺伝子機能解析における大きなボトルネックは、単細胞データの未成熟の性質である。 我々は、SB(Schrdinger Bridge)を近似して、単セル摂動データに対処する。 本モデルは,異種単一セル応答を効果的に捉え,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-11-17T08:27:13Z)
• Performance of universal machine-learned potentials with explicit long-range interactions in biomolecular simulations [21.340102594388348]
  普遍的な機械学習ポテンシャルは、構成的および振動的自由度間で伝達可能な精度を約束する。 この研究は、SPICE-v2データセットで訓練された均質なメッセージパッシングアーキテクチャを、明示的な長距離分散と静電効果なしで体系的に評価する。
  論文  参考訳（メタデータ） (2025-08-14T17:08:34Z)
• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• Bidirectional Mamba for Single-Cell Data: Efficient Context Learning with Biological Fidelity [0.39945675027960637]
  我々は、状態空間モデリングに基づいて構築された単一セル転写学のスケーラブルで効率的な基礎モデルであるGeneMambaを紹介した。 GeneMambaは、双方向の遺伝子コンテキストを線形時間複雑性でキャプチャし、トランスフォーマーベースラインよりもかなりの計算的ゲインを提供する。 我々は、マルチバッチ統合、細胞型アノテーション、遺伝子-遺伝子相関など様々なタスクにまたがってGeneMambaを評価し、高い性能、解釈可能性、堅牢性を示す。
  論文  参考訳（メタデータ） (2025-04-22T20:34:47Z)
• Multi-Modal and Multi-Attribute Generation of Single Cells with CFGen [76.02070962797794]
  本研究では、単一セルデータ固有の離散性を保存するフローベースの条件生成モデルであるCellFlow for Generation (CFGen)を紹介する。 CFGenは、全ゲノムマルチモーダル単一セルデータを確実に生成し、重要な生物学的データ特性の回復を改善する。
  論文  参考訳（メタデータ） (2024-07-16T14:05:03Z)
• Scaling and renormalization in high-dimensional regression [72.59731158970894]
  リッジ回帰に関する最近の結果について統一的な視点を提示する。 我々は、物理とディープラーニングの背景を持つ読者を対象に、ランダム行列理論と自由確率の基本的なツールを使用する。 我々の結果は拡張され、初期のスケーリング法則のモデルについて統一的な視点を提供する。
  論文  参考訳（メタデータ） (2024-05-01T15:59:00Z)
• Predictive Analytics of Varieties of Potatoes [2.336821989135698]
  本研究では, 育種試験におけるサツマイモクローンの選択プロセスの向上を目的とした, 機械学習アルゴリズムの適用について検討する。 本研究は, 高収率, 耐病性, 耐気候性ポテト品種を効率的に同定することの課題に対処する。
  論文  参考訳（メタデータ） (2024-04-04T00:49:05Z)
• Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
  経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。 分散による離散乗法雑音のパラメータによく現れることを示す。 最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
  論文  参考訳（メタデータ） (2020-06-11T09:58:01Z)

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。