論文の概要: Co-evolution of self-replication and function in a digital primordial soup
- arxiv url: http://arxiv.org/abs/2607.09211v1
- Date: Fri, 10 Jul 2026 08:59:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 14:47:12.813621
- Title: Co-evolution of self-replication and function in a digital primordial soup
- Title（参考訳）: デジタル一次スープにおける自己複製と機能の共同進化
- Abstract要約: 自己複製は、デジタル・プライマー・スープ・ダイアル内で自然に起こる」
本稿では,この創発的自己複製と問題解決能力の共進化について考察する。
- 参考スコア（独自算出の注目度）: 4.677439892464849
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While traditional evolutionary algorithms hard-code reproduction, self-replication can emerge spontaneously within digital ``primordial soups''. This paper investigates the co-evolution of this emergent self-replication alongside problem-solving capabilities. We initialize a population of random 32-byte Z80 assembly programs, requiring self-replication to arise purely through random assembly-level mutations and pairwise program interactions. To link these behaviors, we introduce a task-based validation step: correctly evaluating a polynomial raises a program's interaction probability above a baseline rate. Our experiments yield four primary findings. First, self-replication and mathematical problem-solving successfully co-evolve from initial randomness. Second, the pressure to compute accelerates the emergence of compact, robust reproductive architectures that preserve memory for task execution. Third, applying metabolic constraints increases the likelihood that programs evolve conditional halting, terminating early during validation while bypassing the halt during interaction to execute block-copy replication. Finally, when programs are partitioned into spatial task niches, spontaneous self-replication generates an emergent learning curriculum, utilizing simple solutions as stepping stones toward complex polynomials. Altogether, these results demonstrate an interactive feedback loop: environmental task demands actively shape the physical architecture of self-replication, while spontaneous replication alters the evolutionary trajectory of functional problem-solving.
- Abstract（参考訳）: 従来の進化的アルゴリズムはハードコード再生を行うが、自己複製はデジタル「原始スープ」内で自然に起こることがある。
本稿では,問題解決能力とともに,この創発的自己複製の共進化を考察する。
ランダムな32バイトZ80組立プログラムの集団を初期化し、ランダムな組立レベルの突然変異とペアプログラムの相互作用によって自己複製を行う。
これらの動作をリンクするために,多項式を正しく評価することで,プログラムの相互作用確率がベースラインレートよりも高くなるというタスクベースの検証手順を導入する。
私たちの実験は4つの主要な結果をもたらす。
第一に、自己複製と数学的問題解決は、初期ランダム性から共進化する。
第二に、計算に対する圧力は、タスク実行のためのメモリを保存するコンパクトで堅牢な生殖アーキテクチャの出現を加速させる。
第三に、メタボリック制約を適用することで、プログラムが条件付き停止を進化させ、検証中に早期に終了し、相互作用中の停止をバイパスしてブロックコピーレプリケーションを実行する可能性を高める。
最後に、プログラムを空間的タスクニッチに分割すると、自然自己複製は創発的な学習カリキュラムを生成し、単純な解を複雑な多項式へのステップストーンとして利用する。
環境課題は自己複製の物理的構造を積極的に形成し、自然複製は機能的問題解決の進化軌道を変える。
関連論文リスト
- Tapes Together Strong: The Co-evolution of Computation and Cooperation [13.768734687722427]
本稿では,社会的相互作用,複製機構,それに付随する計算コストが内在的かつ同時進化するモデルであるAutopoietic Game Theoryを紹介する。
社会ジレンマを直接計算物理に埋め込むことは、自己複製的協調戦略の出現に有効であることを示す。
その結果, エージェントの計算能力と利用可能なエネルギーを結合することで, 持続的で自己組織化されたシステムを構築する上で, 協調作業が支配的な足場となることが示唆された。
論文 参考訳（メタデータ） (2026-09-09T20:38:56Z) - Prospective Compression in Human Abstraction Learning [7.788051955651714]
本研究では,非定常領域におけるヒューマンライブラリ学習が将来的な抽象化を選択するという仮説を提案し,検証する。
本研究では,タスク生成過程における非定常構造に対する人間の抽象的行動が,潜在的・非定常的構造に対する感受性を反映していることを示す。
論文 参考訳（メタデータ） (2026-05-11T04:54:23Z) - From Brain Models to Executable Digital Twins: Execution Semantics and Neuro-Neuromorphic Systems [51.82266520875928]
この調査では、実行のレベルでアプローチを比較するための統一的な視点として、物理的に制約された実行可能性を紹介します。
本稿では,孤立オフラインモデルから協調シミュレーション,オンラインデータによるディジタル双生児の連続実行に至るまで,実行体制の分類について提案する。
実行可能性の概念は、なぜ正確性だけで不十分なのかを明確にし、セマンティック・インターオペラビリティ、ハイブリッド・タイムの正確性、評価プロトコル、スケーラブルな同化、安全なクローズドループ検証を中心にしたアジェンダを動機付けている。
論文 参考訳（メタデータ） (2026-04-15T07:34:46Z) - Computational Life: How Well-formed, Self-replicating Programs Emerge from Simple Interaction [37.95302339577743]
本研究では,無作為で非自己複製プログラムが明示的なフィットネス環境を欠く環境に置かれる場合,自己複製プログラムが出現する傾向があることを示す。
また,自己複製器の出現に伴い,複雑なダイナミクスが出現し続けていることを示す。
論文 参考訳（メタデータ） (2024-06-27T11:34:35Z) - Replicable Reinforcement Learning [15.857503103543308]
本稿では、並列値反復のための証明可能なレプリカブルアルゴリズムと、エピソード設定における証明可能なR-maxのレプリカブルバージョンを提供する。
これらは制御問題に対する最初の公式なレプリカ化結果であり、バッチ学習設定とは異なるレプリケーションの課題を提示している。
論文 参考訳（メタデータ） (2023-05-24T16:05:15Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳（メタデータ） (2023-04-30T22:51:31Z) - Towards replicated algorithms [2.535671322516818]
この論文では、人間の脳を開発するという概念にインスパイアされた、いわゆる複製アルゴリズムを紹介します。
人間の脳と同様に、思考のプロセスが強く並列であるように、複製されたアルゴリズムは自分自身を複製し、問題を並列に解決する。
論文 参考訳（メタデータ） (2023-03-31T08:56:54Z) - Score-based Causal Representation Learning with Interventions [54.735484409244386]
本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。
目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
論文 参考訳（メタデータ） (2023-01-19T18:39:48Z) - Compositional Generalization and Decomposition in Neural Program
Synthesis [59.356261137313275]
本稿では,学習プログラムシンセサイザーの合成一般化能力の測定に焦点をあてる。
まず、プログラム合成法が一般化されるであろういくつかの異なる軸を特徴付ける。
2つの一般的な既存のデータセットに基づいて、これらの能力を評価するためのタスクのベンチマークスイートを導入する。
論文 参考訳（メタデータ） (2022-04-07T22:16:05Z) - End-to-end Algorithm Synthesis with Recurrent Networks: Logical
Extrapolation Without Overthinking [52.05847268235338]
機械学習システムが問題を過度に考えずに論理的外挿を行う方法を示す。
本稿では,問題インスタンスの明示的なコピーをメモリに保持して,それを忘れないようにするリコールアーキテクチャを提案する。
また、モデルが数に固有の行動を学ぶのを防ぎ、無期限に繰り返される行動を学ぶためにモデルをプッシュするプログレッシブトレーニングルーチンも採用しています。
論文 参考訳（メタデータ） (2022-02-11T18:43:28Z) - X-volution: On the unification of convolution and self-attention [52.80459687846842]
本稿では,畳み込み操作と自己注意操作の両方からなるマルチブランチ基本モジュールを提案する。
提案したX-進化は、非常に競争力のある視覚的理解の改善を実現する。
論文 参考訳（メタデータ） (2021-06-04T04:32:02Z) - Adaptive Rational Activations to Boost Deep Reinforcement Learning [68.10769262901003]
我々は、合理的が適応可能なアクティベーション機能に適合する理由と、ニューラルネットワークへの含意が重要である理由を動機付けている。
人気アルゴリズムに(繰り返しの)アクティベーションを組み込むことで,アタリゲームにおいて一貫した改善がもたらされることを実証する。
論文 参考訳（メタデータ） (2021-02-18T14:53:12Z)
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。