論文の概要: Learning Developmental Scaffoldings to Guide Self-Organisation
- arxiv url: http://arxiv.org/abs/2605.14998v2
- Date: Fri, 15 May 2026 10:08:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.000932
- Title: Learning Developmental Scaffoldings to Guide Self-Organisation
- Title（参考訳）: 自己組織をガイドする開発課題の学習
- Abstract要約: 事前パターンと自己組織化プロセスの間に情報を分散させる方法について検討する。
我々の分析は、効果的な事前パターンは単に目標を近似するのではなく、収束を促進する方法で発達力学を偏見していることを示唆している。
- 参考スコア（独自算出の注目度）: 5.898114915426536
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: From subcellular structures to entire organisms, many natural systems generate complex organisation through self-organisation: local interactions that collectively give rise to global structure without any blueprint of the outcome. Yet a significant portion of the information driving such processes is not produced by self-organisation itself, instead, it is often offloaded to initial conditions of the system. Biological development is a prime example, where maternal pre-patterns encode positional and symmetry-breaking information that scaffolds the self-organising process. From maternal morphogen gradients in early embryogenesis to tissue-level morphogenetic pre-patterns guiding organ formation, this transfer of information to initial conditions, analogous to a memory-compute trade-off in computational systems, is a fundamental part of developmental processes. In this work, we study this offloading phenomenon by introducing a model that jointly learns both the self-organisation rules and the pre-patterns, allowing their interplay to be varied and measured under controlled conditions: a Neural Cellular Automaton (NCA) paired with a learned coordinate-based pattern generator (SIREN), both trained simultaneously to generate a set of patterns. We provide information-theoretic analyses of how information is distributed between pre-patterns and the self-organising process, and show that jointly learning both components yields improvements in robustness, encoding capacity, and symmetry breaking over purely self-organising alternatives. Our analysis further suggests that effective pre-patterns do not simply approximate their targets; rather, they bias the developmental dynamics in ways that facilitate convergence, pointing to a non-trivial relationship between the structure of initial conditions and the dynamics of self-organisation.
- Abstract（参考訳）: 細胞内構造から有機体全体に至るまで、多くの自然系は自己組織化によって複雑な組織を生成する。
しかし、そのようなプロセスを駆動する情報の大部分は、自己組織化自体によって生成されるのではなく、しばしばシステムの初期状態にオフロードされる。
生物学的発達は、母体の事前パターンが、自己組織化プロセスの足場となる位置的および対称性を破る情報をエンコードする主要な例である。
初期胚発生における母性形態素勾配から臓器形成を導く組織レベルの形態形成前パターンに至るまで、この情報の初期状態への伝達は、計算系におけるメモリ計算トレードオフと類似しており、発達過程の基本的な部分である。
本研究では,このオフロード現象を,自己組織ルールと事前パターンの両方を併用して学習し,制御条件下での相互作用の変動と測定を可能にするモデルを提案する。
我々は,事前パターンと自己組織化プロセスの間に情報がどのように分散しているかを情報理論的に分析し,両コンポーネントを共同学習することで,純粋に自己組織化された代替品よりも堅牢性,符号化能力,対称性の破れが向上することを示す。
我々の分析は、効果的な事前パターンは単に目標を近似するものではないことを示唆している。むしろ、初期状態の構造と自己組織化のダイナミクスとの間の非自明な関係を指して、収束を促進する方法で発達力学を偏見している。
関連論文リスト
- A Matter of Time: Towards a General Theory of Agency [0.042970700836450486]
エージェンシーは、しばしば哲学、生物学、認知科学の研究において、それがどのように物質組織に由来するかを明確に説明せずに呼び出される。
本稿では, 生物, 物理生物疫学, プロセスオントロジーを基礎とした組織学の段階的な組織理論を提唱する。
論文 参考訳（メタデータ） (2026-06-22T10:09:36Z) - Applications of temporal graph learning for predicting the dynamics of biological systems [2.1485350418225244]
本研究では、細胞状態が擬似時間分解遺伝子制御ネットワークを介して表現される時間グラフに基づく別の視点について検討する。
リンク予測と中心性予測では、時間グラフ学習は非自明な制御ダイナミクスを捉え、時間的に重要な遺伝子ハブの同定を可能にする。
論文 参考訳（メタデータ） (2026-05-27T15:57:40Z) - From Prediction to Intervention: The Evolution of AI in Biomedicine [67.45502291821956]
バイオメディシンにおけるAIは、構造的移行の段階にあると我々は主張する。
我々は、生物学的プロセスの状態、ダイナミクス、介入応答を明確に表すシステムとして、疾患レベルモデルを定義します。
バイオメディカルな意思決定の構造から直接従い、医学におけるAIの次の段階を定義する。
論文 参考訳（メタデータ） (2026-04-14T17:49:51Z) - Temporal Complexity and Self-Organization in an Exponential Dense Associative Memory Model [0.0]
時間複雑度(TC)は、秩序と障害の間の断続的な遷移イベントによって複雑なシステムを特徴づけるフレームワークである。
以上の結果から,SEDAMモデルでは,非自明な時間的相関とスケールフリーな挙動を特徴とする複雑な断続的な状態がみられた。
本研究は, 人工神経と生体神経の学習と情報処理を理解するための補完的枠組みとして, TCの意義を強調した。
論文 参考訳（メタデータ） (2026-01-16T18:01:14Z) - A Brain-like Synergistic Core in LLMs Drives Behaviour and Learning [50.68188138112555]
大規模言語モデルが自然に相乗的コアを開発することを示す。
中層の領域は相乗的処理を示し, 初期層と後期層は冗長性に依存していることがわかった。
この収束は、シナジスティック情報処理が知性の基本的な性質であることを示している。
論文 参考訳（メタデータ） (2026-01-11T10:48:35Z) - Conditional Morphogenesis: Emergent Generation of Structural Digits via Neural Cellular Automata [0.0]
本研究では,単一種から異なるトポロジカル構造を成長させることができる条件付きニューラルセルオートマタアーキテクチャを提案する。
ワンホット条件を細胞知覚場に注入することにより、一組の局所規則が対称性を破り、自己集合を10個の異なる幾何学的誘引子に分解することを学ぶことができる。
論文 参考訳（メタデータ） (2025-12-09T08:36:54Z) - Neural cellular automata: applications to biology and beyond classical AI [1.9116784879310027]
神経細胞オートマタ(NCA)は、生物学的自己組織化をモデル化するための強力なフレームワークである。
NCAは、分子、細胞、組織、およびシステムレベルのスケールにわたるプロセスをシミュレートすることができる。
彼らの自己規制的行動は、完全に局所化された相互作用に制約されるが、その集団的行動は協調されたシステムレベルの結果にスケールする。
論文 参考訳（メタデータ） (2025-09-14T06:55:29Z) - Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。
本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。
残る技術的課題や倫理的考察も分析する。
論文 参考訳（メタデータ） (2025-06-05T05:42:27Z) - Closing the Loop: How Semantic Closure Enables Open-Ended Evolution? [0.042970700836450486]
この写本は意味的クロージャの進化的出現を探求している。
生物学、生理学、生態心理学の概念を統合している。
我々は,生命の臨界特性を捉えることが可能なモデルを開発し,そのモデルとして,オートポエシス,予測,適応などがある。
論文 参考訳（メタデータ） (2024-04-05T19:35:38Z) - Growing Isotropic Neural Cellular Automata [63.91346650159648]
我々は、元のGrowing NCAモデルには、学習された更新規則の異方性という重要な制限があると主張している。
細胞系は2つの方法のいずれかによって、正確な非対称パターンを成長させる訓練が可能であることを実証する。
論文 参考訳（メタデータ） (2022-05-03T11:34:22Z) - 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) - Co-evolution of Functional Brain Network at Multiple Scales during Early
Infancy [52.4179778122852]
乳児の2歳から2歳までの縦断的安静時機能的磁気共鳴画像データセットを応用した。
収集した縦断的幼児データセットに提案手法の枠組みを適用して,脳機能ネットワークが異なるスケールで共進化していることを示す最初の証拠を提示した。
論文 参考訳（メタデータ） (2020-09-15T07:21:04Z)
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。