論文の概要: Dual-axis attribution of zebrafish tectal microcircuits for energy-efficient and robust neurocomputing

• arxiv url: http://arxiv.org/abs/2605.13924v1
• Date: Wed, 13 May 2026 15:05:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.421673
• Title: Dual-axis attribution of zebrafish tectal microcircuits for energy-efficient and robust neurocomputing
• Title（参考訳）: エネルギー効率およびロバストなニューロコンピューティングのためのゼブラフィッシュ構造マイクロサーキットの2軸特性
• Abstract要約: 本研究は,ゼブラフィッシュ・テクタル・マイクロサーキットが2つの計算軸に沿って作用するかどうかを考察する。 textitns_TINサブ回路は、低いスパイクフットプリントを示すが、予測誤差に測定可能な影響を示す。 textitsuperficial_TINサブ回路が最も感度が高く、システムレベルの安定性を維持する上でのフィードバックのような役割を示唆している。
• 参考スコア（独自算出の注目度）: 7.684655684329235
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biological neural circuits contain specialized substructures that support distinct computational functions, yet many bio-inspired neural networks borrow biological motifs without identifying their circuit-level origins. In this study, we investigate whether zebrafish tectal microcircuits can be attributed along two computational axes: energy-efficient information processing and robustness-preserving stabilization. We reconstruct a directed zebrafish-inspired retinotectal microcircuit graph and verify retinotectal signal propagation through dynamic simulation. A leaky integrate-and-fire spiking neural network is then used as a nonlinear perturbation testbed, where predefined subcircuits are selectively ablated and evaluated using the Energy Sensitivity Index and the Robustness Sensitivity Index.The results reveal a functional dissociation between two tectal subcircuits.The \textit{ns\_TIN} subcircuit shows a low spike footprint but a measurable influence on prediction error, suggesting a role as a spike-efficient internal information gate.In contrast, the \textit{superficial\_TIN} subcircuit produces the highest robustness sensitivity, suggesting a feedback-like role in maintaining system-level stability.We further transfer these attributed functions into ResNet18-based artificial neural networks and evaluate them on CIFAR-10 under inference-budget reduction and Gaussian noise corruption. The \textit{ns\_TIN}-inspired module improves performance preservation under reduced computation, whereas the \textit{superficial\_TIN}-inspired module improves robustness under input noise. These findings provide a subcircuit-level route for linking biological circuit organization with bio-inspired neural architecture design.
• Abstract（参考訳）: 生物学の神経回路は、異なる計算機能をサポートする特別なサブ構造を含んでいるが、多くのバイオインスパイアされた神経回路は、回路レベルの起源を特定せずに生物学的モチーフを借用している。 本研究では,ゼブラフィッシュのテクティカル・サーキットが,エネルギー効率の高い情報処理とロバストネス保存安定化という2つの計算軸に沿うことができるかを検討した。 本研究では,ゼブラフィッシュ由来の網膜微小管グラフを再構成し,動的シミュレーションにより網膜信号の伝搬を検証する。 次に、漏れた積分・発火ニューラルネットワークを非線形摂動テストベッドとして使用し、予め定義されたサブ回路をエネルギー感度指数とロバストネス感度指数を用いて選択的に改善・評価する。この結果は、2つのテククタルサブ回路間の機能的解離を示す。このサブ回路は、低スパイクフットプリントを示すが、予測誤差に測定可能な影響を示し、スパイク効率の高い内部情報ゲートとしての役割を示唆する。対照的に、 \textit{superficial\_TIN}サブ回路は、システムレベルの安定性を維持する上で、高い堅牢性感度を生じさせ、これらの関数をRe18Netベースのニューラルネットワークに転送する。 \textit{superficial\_TIN} にインスパイアされたモジュールは、入力ノイズ下でのロバスト性を改善する。 これらの知見は、生体回路組織とバイオインスパイアされた神経アーキテクチャ設計を結びつけるためのサブサーキットレベルの経路を提供する。

関連論文リスト

• The Neural Division of Labor: Biologically-Inspired Modular Architectures for Robust Neuromorphic Computing [0.0]
  本稿では,グローバルなシナプス絡みを排除したD-SNNについて報告する。 D-SNNは、MNIST、Fashion-MNIST、CIFAR-10/100ベンチマークの競合精度を達成する。 当社のネットワークは、最大で数桁の発射速度を低下させ、シナプス操作を少なくする。
  論文  参考訳（メタデータ） (2026-08-08T20:04:12Z)
• Sparse Inter-Layer Dependencies of Transformer FFN Neurons [32.00544060412007]
  FFNニューロンの活性化は、前回のニューロン活性化と注意出力のスパースセットによって説明できるかどうかを検討する。 本研究では、上流ニューロンの相対的影響と、標的ニューロンの活性化に対する注意出力を推定する学習自由属性法を提案する。
  論文  参考訳（メタデータ） (2026-07-13T15:04:50Z)
• Neural Dynamics Self-Attention for Spiking Transformers [59.57278823240336]
  TransformerアーキテクチャによるSNN(Spike Neural Networks)は、エネルギー効率とパフォーマンスのバランスをとるための、有望な経路を提供する。 既存のスパイキングトランスフォーマーは、(i)ニューラルネットワーク(ANN)と(ii)推論時の高メモリオーバーヘッドと比較して、大幅なパフォーマンスギャップがあるという2つの重要な課題に直面している。 本稿では、局所受容野を持つスパイキングニューロンを用いて、メモリ要求を減らしながら注意を計算するLRF-Dynを提案する。
  論文  参考訳（メタデータ） (2026-03-09T12:23:37Z)
• Training Deep Normalization-Free Spiking Neural Networks with Lateral Inhibition [52.59263087086756]
  深層ニューラルネットワーク(SNN)のトレーニングは、バッチ正規化のような明示的な正規化スキームに依存している。 本研究では,皮質回路にインスパイアされた側方抑制を取り入れた正規化自由学習フレームワークを提案する。 本稿では,生物リアリズムを持つ深層SNNの安定的学習を可能にするとともに,明示的な正規化に頼らずに競争性能を達成できることを述べる。
  論文  参考訳（メタデータ） (2025-09-27T11:11:30Z)
• Efficient Memristive Spiking Neural Networks Architecture with Supervised In-Situ STDP Method [0.0]
  時間的スパイクエンコーディングを備えたメムリスタベースのスパイキングニューラルネットワーク(SNN)は、超低エネルギー計算を可能にする。 本稿では,新しい教師付きin-situ学習アルゴリズムを用いて学習した回路レベルのメムリシブスパイクニューラルネットワーク(SNN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:09:48Z)
• Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
  本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。 複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。 変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
  論文  参考訳（メタデータ） (2024-12-05T09:41:33Z)
• Semantic Loss Functions for Neuro-Symbolic Structured Prediction [74.18322585177832]
  このような構造に関する知識を象徴的に定義した意味的損失をトレーニングに注入する。 記号の配置に非依存であり、それによって表現される意味論にのみ依存する。 識別型ニューラルモデルと生成型ニューラルモデルの両方と組み合わせることができる。
  論文  参考訳（メタデータ） (2024-05-12T22:18:25Z)
• Approximating nonlinear functions with latent boundaries in low-rank excitatory-inhibitory spiking networks [5.955727366271805]
  スパイクに基づく興奮抑制スパイクネットワークのための新しいフレームワークを考案した。 本研究は,生体スパイクに基づく計算の力学的理解の出発点となるスパイクネットワークの新しい視点を提案する。
  論文  参考訳（メタデータ） (2023-07-18T15:17:00Z)
• Impact of spiking neurons leakages and network recurrences on event-based spatio-temporal pattern recognition [0.0]
  ニューロモルフィックハードウェアとイベントベースのセンサーを組み合わせたスパイクニューラルネットワークは、エッジにおける低レイテンシと低パワー推論への関心が高まっている。 スパイキングニューロンにおけるシナプスおよび膜漏れの影響について検討する。
  論文  参考訳（メタデータ） (2022-11-14T21:34:02Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• Topological obstructions in neural networks learning [67.8848058842671]
  損失勾配関数フローのグローバル特性について検討する。 損失関数とそのモースコンプレックスの位相データ解析を用いて,損失面の大域的特性と勾配軌道に沿った局所的挙動を関連付ける。
  論文  参考訳（メタデータ） (2020-12-31T18:53:25Z)

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。