論文の概要: Embodied Neurocomputation: A Framework for Interfacing Biological Neural Cultures with Scaled Task-Driven Validation

• arxiv url: http://arxiv.org/abs/2605.13315v1
• Date: Wed, 13 May 2026 10:27:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.982909
• Title: Embodied Neurocomputation: A Framework for Interfacing Biological Neural Cultures with Scaled Task-Driven Validation
• Title（参考訳）: Embodied Neurocomputation: 大規模タスク駆動型バリデーションを用いた生体神経培養のためのフレームワーク
• Authors: Johnson Zhou, Daniel Tanneberg, Forough Habibollahi, Alon Loeffler, Kiaran Lawson, Valentina Baccetti, Kwaku Dad Abu-Bonsrah, Candice Desouza, Finn Doensen, Bradley Watmuff, Daria Kornienko, Azin Azadi, Justin Leigh Bourke, Bernhard Sendhoff, Brett J. Kagan,
• Abstract要約: 本稿では、この多変数最適化符号化/復号化問題に対するシステムレベルのアプローチとして、Embodied Neurocomputationフレームワークを提案する。 提案手法は,BNNエージェントの符号化構成の大規模パラメータ最適化によって実現されている。 これらの結果は、BNNを用いた堅牢でスケーラブルな目標指向学習に向けた最初のステップである。
• 参考スコア（独自算出の注目度）: 1.0202724665812306
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Biological neural networks (BNNs) have been established as a powerful and adaptive substrate that offer the potential for incredibly energy and data efficient information processing with distinct learning mechanisms. Yet a core challenge to utilizing BNN for neurocomputation is determining the optimal encoding and decoding mechanisms between the traditional silicon computing interface and the living biology. Here, we propose an Embodied Neurocomputation framework as a systems-level approach to this multi-variable optimization encoding/decoding problem. We operationalize this approach through the first large-scale parameter optimization of encoding configurations for a BNN agent performing closed-loop navigation along an odor-style gradient in a simulated grid-world. Despite the relative simplicity of the task, the biological interactions gave rise to a massive multi-combinatorial search space for optimal parameters. By considering how the components of the system are interconnected and parameterized, we evaluated approximately 1,300 parameter combinations, over 4,000 hours of real-time agent-environment interactions, to identify 12 configurations that consistently demonstrated learning across multiple episodes. These configurations achieved significantly higher task performances than optimized silicon-based DQN agents under the same interaction budget. These findings represent an initial step toward robust and scalable goal-oriented learning using BNNs. Our framework establishes a foundation for applying task-driven neurocomputing and supports the development of field-wide benchmarks. In the long term, this work supports the development of hybrid bio-silicon architectures capable of efficient, adaptive and real-time computation, including the potential for robotic control applications.
• Abstract（参考訳）: 生物学的ニューラルネットワーク(BNN)は、異なる学習メカニズムによる驚くほどエネルギーとデータ効率のよい情報処理の可能性を秘めた、強力で適応的な基質として確立されている。 しかし、神経計算にBNNを活用する上での課題は、従来のシリコンコンピューティングインタフェースと生体生物学との間の最適な符号化と復号化メカニズムを決定することである。 本稿では、この多変数最適化符号化/復号化問題に対するシステムレベルのアプローチとして、Embodied Neurocomputationフレームワークを提案する。 本手法は,シミュレーショングリッドワールドにおいて,閉ループナビゲーションを行うBNNエージェントの符号化構成の大規模なパラメータ最適化により,本手法を運用する。 タスクの比較的単純さにもかかわらず、生物学的相互作用は最適なパラメータのための巨大な多重組合せ探索空間を生み出した。 システムのコンポーネントの相互接続やパラメータ化を考慮し,約1,300のパラメータの組み合わせ,4000時間以上のリアルタイムエージェント環境相互作用を評価し,複数のエピソードにわたる学習を一貫して示す12の構成を同定した。 これらの構成は、同一の相互作用予算の下で最適化されたシリコンベースのDQNエージェントよりも大幅に高いタスク性能を実現した。 これらの結果は、BNNを用いた堅牢でスケーラブルな目標指向学習に向けた最初のステップである。 本フレームワークは,タスク駆動型ニューロコンピューティングの基盤を確立し,フィールドワイドベンチマークの開発を支援する。 長期的には、ロボット制御応用の可能性を含む、効率的で適応的でリアルタイムな計算が可能なハイブリッドバイオシリコンアーキテクチャの開発を支援する。

関連論文リスト

• Computing with Canonical Microcircuits [0.0]
  標準マイクロ回路(CMC)に基づく計算アーキテクチャを提案する。 我々はこれらの回路を、スピン状星状体、抑制性、錐体ニューロンからなる神経回路として実装する。 実験の結果、1つのMCCノードでさえ、MNISTで97.8%の精度を達成していることがわかった。
  論文  参考訳（メタデータ） (2025-07-25T11:10:13Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• RLEEGNet: Integrating Brain-Computer Interfaces with Adaptive AI for Intuitive Responsiveness and High-Accuracy Motor Imagery Classification [0.0]
  本稿では,Deep Q-Networks (DQN) を用いた強化学習を分類タスクに活用するフレームワークを提案する。 本稿では,OVR(One-Versus-The-Rest)方式で,マルチクラス運動画像(MI)分類のための前処理手法を提案する。 DQNと1D-CNN-LSTMアーキテクチャの統合は意思決定プロセスをリアルタイムで最適化する。
  論文  参考訳（メタデータ） (2024-02-09T02:03:13Z)
• SpikingJelly: An open-source machine learning infrastructure platform for spike-based intelligence [51.6943465041708]
  スパイキングニューラルネットワーク(SNN)は、高エネルギー効率のニューロモルフィックチップに脳にインスパイアされたインテリジェンスを実現することを目的としている。 我々は、ニューロモルフィックデータセットの事前処理、深層SNNの構築、パラメータの最適化、およびニューロモルフィックチップへのSNNのデプロイのためのフルスタックツールキットをコントリビュートする。
  論文  参考訳（メタデータ） (2023-10-25T13:15:17Z)
• CycleIK: Neuro-inspired Inverse Kinematics [12.29529468290859]
  CycleIKは、逆運動学(Inverse Kiinematics, IK)タスクのための2つの新しい神経誘発手法をラップする神経ロボティックアプローチである。 我々は、これらをハイブリッド神経遺伝IKパイプラインに組み込むことによって、さらなる最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2023-07-21T13:03:27Z)
• 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)
• Evolving Connectivity for Recurrent Spiking Neural Networks [8.80300633999542]
  リカレントニューラルネットワーク(RSNN)は、人工知能の進歩に大きな可能性を秘めている。 本稿では、RSNNをトレーニングするための推論のみの手法である、進化的接続性(EC)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-28T07:08:25Z)
• A Hybrid Neural Coding Approach for Pattern Recognition with Spiking Neural Networks [53.31941519245432]
  脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。 これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。 本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
  論文  参考訳（メタデータ） (2023-05-26T02:52:12Z)
• NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems [50.076028127394366]
  ニューロベンチ(NeuroBench)はニューロモルフィックコンピューティングアルゴリズムとシステムのためのベンチマークフレームワークである。 NeuroBenchは、業界や学界にまたがる研究者のオープンなコミュニティによる共同開発である。
  論文  参考訳（メタデータ） (2023-04-10T15:12:09Z)

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。