論文の概要: Information as Maximum-Caliber Deviation: A bridge between Integrated Information Theory and the Free Energy Principle
- arxiv url: http://arxiv.org/abs/2605.12536v1
- Date: Sun, 03 May 2026 07:22:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.797246
- Title: Information as Maximum-Caliber Deviation: A bridge between Integrated Information Theory and the Free Energy Principle
- Title（参考訳）: 最大キャリバ偏差としての情報:統合情報理論と自由エネルギー原理の橋渡し
- Authors: Alexander Kearney,
- Abstract要約: この研究は、情報が有限時間地平線上の制約付き最大曲率(MaxCal)パスアンサンブルから実現された力学の偏差$$$として定義されることを示唆している。
この定義の下では、IIT 3.0の中心となる原因/影響レパートリーは、MaxCalの変分原理から直接現れる。
情報$$は、付随する予測符号化モデルの下での予測誤差と同値である。
- 参考スコア（独自算出の注目度）: 51.56484100374058
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Free Energy Principle (FEP) is a leading framework for mathematically modeling self-organization and learning, while Integrated Information Theory (IIT) is a computational ontology of consciousness oriented around irreducible cause and effect. While conceptual unifications have been proposed and appear to be supported by empirical findings, the absence of a rigorous mathematical mapping places upper bounds on their precision and testability. This work proposes that information can be defined as the deviation $ψ$ of realized dynamics from a constrained maximum-caliber (MaxCal) path ensemble over a finite time horizon. Under this definition, each of the cause/effect repertoires central to IIT 3.0 emerge directly from MaxCal variational principles, allowing IIT's phenomenological calculus to be re-derived from constrained entropy-maximization (CMEP). This framework supplies a theoretical bridge to active inference, which is mathematically dual to CMEP under Langevin dynamics, and offers a principled route for extending IIT to new dynamical regimes. When the approach is applied under the Central Limit Theorem (CLT) for Markov chains and via large deviations theory (LDT) to Ising models, information $ψ$ is shown to be equivalent to prediction error under accompanying predictive coding models. This may hold relevance to the ``hill-shaped trajectory'' of $Φ$ observed in neuronal cultures adapting to sensory inputs. Together, these results provide a physically and mathematically grounded rationale for studying the convergence of FEP, IIT, and thermodynamic frameworks of cognition such as recent work grounding consciousness in violations of the Fluctuation-Dissipation Theorem (FDT).
- Abstract（参考訳）: The Free Energy Principle (FEP) は自己組織化と学習を数学的にモデル化する主要なフレームワークであり、Integrated Information Theory (IIT) は不可解な原因と効果を指向した意識の計算オントロジーである。
概念的統一が提案され、実証的な結果によって支持されているように見えるが、厳密な数学的マッピングが存在しないことは、それらの精度とテスト容易性に上限を置く。
この研究は、情報が有限時間地平線上の制限された最大値(MaxCal)経路のアンサンブルから実現された力学の偏差として定義されることを示唆している。
この定義の下では、IIT 3.0の中心となる原因/効果レパートリーはMaxCalの変分原理から直接現れ、IITの現象学的計算は制約エントロピー最大化(CMEP)から再抽出される。
この枠組みは、ランゲヴィン力学の下でのCMEPに数学的に双対である活性推論への理論的ブリッジを提供し、IITを新しい力学系へ拡張するための原則的な経路を提供する。
マルコフ連鎖に対する中央極限定理 (CLT) とイジングモデルへの大きな偏差理論 (LDT) により、この手法が適用されると、予測符号モデルに付随する予測誤差と同値であることが示される。
これは感覚入力に適応した神経培養において観測される$$$$の「ヒル形の軌道」に関係している可能性がある。
これらの結果は, FEP, IIT, および熱力学的認知の枠組みの収束について, ゆらぎ・散逸理論(FDT)の違反に対する意識の基盤化など, 物理的・数学的に基礎づけた理論的根拠を与えるものである。
関連論文リスト
- OMNIFLOW: A Physics-Grounded Multimodal Agent for Generalized Scientific Reasoning [51.33849811496781]
大規模言語モデル (LLM) は例外的な論理的推論能力を示しているが、部分微分方程式 (PDE) による連続力学としばしば競合する。
OMNIFLOWは, 領域固有のパラメータ更新を必要とせず, 基本物理法則で凍結LDMを基底として設計したマルチモーダルシンボリックアーキテクチャである。
我々は, 微視的乱流, 理論的ナビエ・ストークス, マクロ的世界天気予報のベンチマークでこれを評価した。
論文 参考訳（メタデータ） (2026-03-16T18:29:01Z) - Conjugate Learning Theory: Uncovering the Mechanisms of Trainability and Generalization in Deep Neural Networks [0.0]
凸共役双対性に基づく共役学習理論フレームワークを開発し,この学習性特性を特徴付ける。
我々は,ミニバッチ降下(SGD)による深層ニューラルネットワーク(DNN)のトレーニングが,経験的リスクのグローバルな最適化を実現することを実証した。
条件付き一般化エントロピー測度に基づく一般化誤差に関する決定論的および確率的境界を導出する。
論文 参考訳（メタデータ） (2026-02-18T04:26:55Z) - BEDS : Bayesian Emergent Dissipative Structures : A Formal Framework for Continuous Inference Under Energy Constraints [0.6345523830122167]
本稿では,エネルギー制約下での信念を継続的に維持しなくてはならない推論システムを解析するための公式なフレームワークであるBEDSを紹介する。
我々はエネルギー、精度、散逸を結びつける中心的な結果を証明する。
Gdel-Landauer-Prigogine予想(英語版)を提案し、形式系、計算、熱力学にまたがる閉包経路が共通の構造を持つことを示唆する。
論文 参考訳（メタデータ） (2026-01-05T18:21:02Z) - Learning Truthful Mechanisms without Discretization [6.47853785922226]
本稿では、真理とユーティリティの最大化メカニズムを学習するための離散化フリーアルゴリズムであるTEDIを紹介する。
我々は、結果と価格をマッピングする関数として定義される価格規則の概念を定式化する。
本概念に基づき, 具体的条件下での真正な直接的機構に匹敵する新しいメニュー機構を提案する。
論文 参考訳（メタデータ） (2025-06-28T14:50:29Z) - The Curse of CoT: On the Limitations of Chain-of-Thought in In-Context Learning [56.574829311863446]
CoT(Chain-of-Thought)プロンプトは,大規模言語モデル(LLM)における推論能力の向上によって広く認識されている。
我々は、CoTとその推論変異が、様々なモデルスケールやベンチマークの複雑さに対して、直接応答を一貫して過小評価していることを実証する。
パターンベースICLにおけるCoTの性能を駆動する明示的単純推論の基本的なハイブリッド機構を明らかにする。
論文 参考訳（メタデータ） (2025-04-07T13:51:06Z) - Chaos into Order: Neural Framework for Expected Value Estimation of Stochastic Partial Differential Equations [0.9944647907864256]
線形偏微分方程式(SPDE)の期待値を近似する物理インフォームドニューラルネットワークを提案する。
トレーニング中の時空座標とノイズ実現の両方のランダムサンプリングを活用することで、LECは標準フィードフォワードニューラルネットワークをトレーニングし、複数のサンプル間での残留損失を最小限に抑える。
このモデルでは, より低次元における解の期待値の正確な近似を常に学習し, 空間次元の増加に伴うロバスト性低下を予測可能であることを示す。
論文 参考訳（メタデータ） (2025-02-05T23:27:28Z) - A PAC-Bayesian Perspective on the Interpolating Information Criterion [54.548058449535155]
補間系の性能に影響を及ぼす要因を特徴付ける一般モデルのクラスに対して,PAC-Bayes境界がいかに得られるかを示す。
オーバーパラメータ化モデルに対するテスト誤差が、モデルとパラメータの初期化スキームの組み合わせによって課される暗黙の正規化の品質に依存するかの定量化を行う。
論文 参考訳（メタデータ） (2023-11-13T01:48:08Z) - Pseudo-Spherical Contrastive Divergence [119.28384561517292]
エネルギーベースモデルの最大学習確率を一般化するために,擬球面コントラスト分散(PS-CD)を提案する。
PS-CDは難解な分割関数を避け、学習目的の一般化されたファミリーを提供する。
論文 参考訳（メタデータ） (2021-11-01T09:17:15Z) - A Mathematical Walkthrough and Discussion of the Free Energy Principle [0.0]
自由エネルギー原理(英: Free-Energy-Principle、FEP)は、自己組織化の熱力学と変分推論による学習との関係を仮定する影響力があり、議論を呼んでいる理論である。
FEPは神経科学に広く応用され、行動、知覚、学習が単一の目的の下で統一される新しい強力なアルゴリズムの構築を刺激することで、機械学習に進出し始めている。
ここでは、FEPの定式化と中心的主張の数学的に詳細かつ直感的なウォークスルーを提供するとともに、理論の仮定と潜在的な限界について議論する。
論文 参考訳（メタデータ） (2021-08-30T16:11:49Z)
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。