Fugu-MT 論文翻訳(概要): Reduction of Probabilistic Chemical Reaction Networks

論文の概要: Reduction of Probabilistic Chemical Reaction Networks

arxiv url: http://arxiv.org/abs/2606.27737v1
Date: Fri, 26 Jun 2026 05:36:32 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-29 18:24:25.375778
Title: Reduction of Probabilistic Chemical Reaction Networks
Title（参考訳）: 確率化学反応ネットワークの低減
Authors: Mauricio Montes, Gregoire Sergeant-Perthuis,
Abstract要約: 化学反応ネットワークは細胞レベルで適応的な振る舞いをプログラムするためにどのように使用できるかを示す。 Napp-Adams-Compiled CRNで符号化された因子グラフ構造を復元することにより、最近の因子グラフ削減結果をそれらの化学実装に転送する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Programming adaptive behaviors at the cellular level is a long-standing goal that raises the question of how probabilistic computation can be implemented in biochemical systems. Chemical reaction networks (CRNs) provide such a substrate and have been shown to realize probabilistic models, including hidden Markov models and factor graphs, with dynamics reproducing Bayesian inference and belief propagation. However, encoding these algorithms typically requires prohibitively large reaction networks, and classical CRN reduction techniques do not directly apply. By recovering the factor graph structure encoded in Napp--Adams-compiled CRNs, we transport recent factor-graph reduction results to their chemical implementations, obtaining significantly smaller CRNs while preserving the belief-propagation fixed points on surviving variables.
Abstract（参考訳）: 細胞レベルで適応的な振る舞いをプログラミングすることは、生物化学システムにおいて確率論的計算をどのように実装できるかという疑問を提起する長年の目標である。化学反応ネットワーク(CRN)はそのような基質を提供し、隠れマルコフモデルや因子グラフを含む確率的モデルを実現し、ベイズ的推論と信念の伝播を動的に再現している。しかしながら、これらのアルゴリズムの符号化は通常、違法に大規模な反応ネットワークを必要とするが、古典的なCRN還元技術は直接適用されない。 Napp-Adams-Compiled CRN に符号化された因子グラフ構造を復元することにより,最近の因子グラフ削減結果をそれらの化学実装に伝達し,生き残った変数の信念伝播固定点を保ちながらCRNを著しく小さくする。

関連論文リスト

General Self-Prediction Enhancement for Spiking Neurons [71.01912385372577]
スパイキングニューラルネットワーク(SNN)は、イベント駆動のスパース計算によって非常にエネルギー効率が良いが、そのトレーニングは、性能、効率、生物学的妥当性の非微分可能性とトレードオフによって困難である。本稿では,その入力出力履歴から内部予測電流を生成し,膜電位を変調する自己予測強化スパイキングニューロン法を提案する。この設計には2つの利点があり、失明した勾配を緩和し、トレーニングの安定性と精度を高める連続的な勾配経路を作成し、また遠位樹状突起変調とエラー駆動のシナプス塑性に類似した生物学的原理と整合する。
論文参考訳（メタデータ） (2026-01-29T15:08:48Z)
Quantum Walks for Chemical Reaction Networks [0.061573828205377185]
固定構造化学反応ネットワークを解析するための量子アルゴリズムフレームワークの基礎を築いた。我々は摂動後の標的種の到達性を決定する量子アルゴリズムを開発した。我々のアプローチは、複雑なCRNの構造とエネルギーを解析するための新しいツールを提供する。
論文参考訳（メタデータ） (2025-09-09T16:14:16Z)
RMP-Loss: Regularizing Membrane Potential Distribution for Spiking Neural Networks [26.003193122060697]
生物学に触発されたモデルの1つとしてスパイキングニューラルネットワーク(SNN)が最近注目を集めている。本稿では,正則化膜電位損失(RMP-Loss)を提案し,量子化誤差に直接関係する分布をスパイクに近い範囲に調整する。
論文参考訳（メタデータ） (2023-08-13T14:59:27Z)
Gibbs-Duhem-Informed Neural Networks for Binary Activity Coefficient Prediction [45.84205238554709]
本稿では,Gibs-Duhem-informed Neural Network を用いて,様々な組成における二成分活性係数の予測を行う。ニューラルネットワークの学習における損失関数にギブス・デュヘム方程式を明示的に含んでいる。
論文参考訳（メタデータ） (2023-05-31T07:36:45Z)
Reactmine: a search algorithm for inferring chemical reaction networks from time series data [0.0]
時系列データから化学反応ネットワーク(CRN)を推定することは、細胞レベルでの定量的時間的データの増加によって促進される課題である。本稿では, 境界深さの探索木内に連続的に反応を推論することにより, 空間性を向上させるCRN学習アルゴリズムであるReactmineを提案する。我々は、SINDyが失敗する隠れCRNを検索することで、Reactmineがシミュレーションデータに成功し、以前の研究と一致して反応を推測することで、2つの実際のデータセットに成功していることを示す。
論文参考訳（メタデータ） (2022-09-07T14:30:33Z)
A Robust Backpropagation-Free Framework for Images [47.97322346441165]
画像データに対するエラーカーネル駆動型アクティベーションアライメントアルゴリズムを提案する。 EKDAAは、ローカルに派生したエラー送信カーネルとエラーマップを導入することで達成される。結果は、識別不能なアクティベーション機能を利用するEKDAAトレーニングCNNに対して提示される。
論文参考訳（メタデータ） (2022-06-03T21:14:10Z)
Programming and Training Rate-Independent Chemical Reaction Networks [9.001036626196258]
天然の生化学系は一般的に化学反応ネットワーク(CRN)によってモデル化される CRNは合成化学計算の仕様言語として使用できる。本稿では, NC-CRNのプログラム手法について述べる。
論文参考訳（メタデータ） (2021-09-20T15:31:03Z)
Mitigating Performance Saturation in Neural Marked Point Processes: Architectures and Loss Functions [50.674773358075015]
本稿では,グラフ畳み込み層のみを利用するGCHPという単純なグラフベースのネットワーク構造を提案する。我々は,GCHPがトレーニング時間を大幅に短縮し,時間間確率仮定による確率比損失がモデル性能を大幅に改善できることを示した。
論文参考訳（メタデータ） (2021-07-07T16:59:14Z)
A simple normative network approximates local non-Hebbian learning in the cortex [12.940770779756482]
神経科学実験は、皮質ニューロンによる感覚入力の処理は、指示信号によって変調されることを示した。ここでは、規範的なアプローチを採用し、フィードフォワードデータの投影を導く監督的な入力として、これらの命令信号をモデル化する。オンラインアルゴリズムは、シナプス学習規則が大脳皮質で観察されるカルシウムプラトー電位依存的な可塑性に類似しているニューラルネットワークによって実装することができる。
論文参考訳（メタデータ） (2020-10-23T20:49:44Z)
Relaxing the Constraints on Predictive Coding Models [62.997667081978825]
予測符号化(英: Predictive coding)は、脳が行う主計算が予測誤差の最小化であるとする皮質機能の影響力のある理論である。アルゴリズムの標準的な実装は、同じ前方と後方の重み、後方の非線形微分、1-1エラーユニット接続といった、潜在的に神経的に予測できない特徴を含んでいる。本稿では,これらの特徴はアルゴリズムに不可欠なものではなく,Hebbianの更新ルールを用いてパラメータセットを直接あるいは学習することで,学習性能に悪影響を及ぼすことなく除去可能であることを示す。
論文参考訳（メタデータ） (2020-10-02T15:21:37Z)
Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
論文参考訳（メタデータ） (2020-01-06T05:36:57Z)

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。