論文の概要: Transient State Reorganization and Cell Differentiation in the Developmental Dynamics of Growing Neural Cellular Automata
- arxiv url: http://arxiv.org/abs/2607.15726v2
- Date: Wed, 22 Jul 2026 10:24:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 16:42:31.493737
- Title: Transient State Reorganization and Cell Differentiation in the Developmental Dynamics of Growing Neural Cellular Automata
- Title（参考訳）: 成長する神経細胞性オートマタの発達動態における過渡的状態再構成と細胞分化
- Abstract要約: 神経細胞オートマタ(GNCA)は、単一の種子細胞から局所的ルールを共有することで複雑な形態を発達させる。
GNCAがどのように成長するかを調べるため、訓練されたGNCAモデルの完全な発達軌跡を追究した。
- 参考スコア（独自算出の注目度）: 0.7498027847107155
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Growing Neural Cellular Automata (GNCA) develop complex morphologies from a single seed cell through shared local rules, yet the internal dynamics of this process remain poorly understood. To investigate how GNCA grows, the full developmental trajectory of trained GNCA models was traced. The trajectory of cell state development revealed that morphological convergence often proceeds non-monotonically through transient intermediate configurations. In addition, channel-wise analysis showed that the hidden channels self-organize into modular groups in parallel with the visible form. Furthermore, geometric analysis of the cell state space indicated that cell states diversify within a low-dimensional, smooth manifold. To examine cell development in more detail, community detection on an $ε$-neighbour network of cells was conducted. This analysis successfully extracted discrete cell types from this continuous space, and identified transient cell-type communities during early development and stable, finer-grained types corresponding to spatially coherent regions of the mature morphology. The temporal coordination of these phenomena across multiple independent measures indicates that the developmental process of GNCA is a reorganization of transient states rather than incremental refinement.
- Abstract（参考訳）: 神経細胞オートマタ(GNCA)の成長は、単一の種子細胞から局所的な規則を共有することによって複雑な形態を発達させるが、この過程の内部力学はいまだに理解されていない。
GNCAがどのように成長するかを調べるため、訓練されたGNCAモデルの完全な発達軌跡を追究した。
細胞状態形成の軌跡から、形態的収束はしばしば過渡的な中間構造を通して単調に進行することが明らかとなった。
さらに、チャネルワイズ分析により、隠れたチャネルは可視形と平行してモジュラー群に自己組織化されることが示された。
さらに、セル状態空間の幾何学的解析により、セル状態は低次元の滑らかな多様体内で多様化することを示した。
細胞開発をより詳細に検討するため, ε$-neighbourネットワーク上でのコミュニティ検出を行った。
この分析は, この連続した空間から特異的な細胞型を抽出し, 初期発生過程における一過性細胞型群集の同定と, 成熟形態の空間的コヒーレントな領域に対応する, より微細で安定なタイプを同定した。
これらの現象の時間的調整は、GNCAの発達過程が漸進的な改善ではなく過渡的な状態の再編成であることを示している。
関連論文リスト
- A Unified Geometric Framework for Developmental Analysis of Spatial Transcriptomic Data [38.40052829128497]
高分解能単一細胞および転写技術は、不均一な細胞状態のスナップショットを提供する。
時間的および空間的ダイナミクスは、独立にサンプリングされた無秩序な細胞集団から推測されなければならない。
本稿では,Gromov-Wasserstein(GW)空間への埋め込みによる遺伝子発現ネットワークの時間的進化を解析するための幾何学的枠組みを提案する。
論文 参考訳（メタデータ） (2026-08-15T16:19:58Z) - Structure-aware Riemannian Growth Fields for 4D Plant Modeling [6.770272642898533]
本研究では, 植物の連続的な幾何学的・トポロジ的進化を, 微小な時間的観測から再構築する, 4次元植物成長モデリングの新しい枠組みを提案する。
実験により,本手法は時間とともに個々の臓器の成長を正確に追跡し,幾何的精度と対応性の両方において最先端のベースラインを著しく上回っていることが示された。
論文 参考訳（メタデータ） (2026-08-13T09:25:47Z) - Topological Neural Dynamics: A Neuron-wise Framework for Sequence Modeling [55.07411490538404]
トポロジカル・ニューラル・ダイナミクス(TND)は、トポロジカル・ニューラル・ダイナミクス(英語版) (TND) が階層的からニューロン的へと変化するシーケンス・モデリング・フレームワークである。
TNDは神経系を、有向ニューロングラフ、相互作用演算子、局所力学関数として表す。
我々はTNDをシングルプレイヤーPongにおける行動クローニングタスクのケーススタディとして評価した。
論文 参考訳（メタデータ） (2026-06-19T10:18:24Z) - Modeling Microenvironment Trajectories on Spatial Transcriptomics with NicheFlow [80.00833033784079]
細胞微小環境の理解は、組織の発生と疾患データの解読に不可欠である。
NicheFlowはフローベースの生成モデルであり、空間スライドを横断する細胞マイクロ環境の時間軌道を推定する。
論文 参考訳（メタデータ） (2025-11-02T15:41:38Z) - Kuramoto Orientation Diffusion Models [67.0711709825854]
指紋やテクスチャなどのオリエンテーションに富んだ画像は、しばしばコヒーレントな角模様を示す。
生体系における位相同期の役割を動機として,スコアベース生成モデルを提案する。
一般的な画像ベンチマークで競合する結果を実装し,指紋やテクスチャなどの指向性データセットの生成品質を大幅に向上する。
論文 参考訳（メタデータ） (2025-09-18T18:18:49Z) - Structural Cellular Hash Chemistry [0.24475591916185496]
ハッシュ化学(Hash Chemistry)は、オープンエンド進化の最小限の人工化学モデルである。
非空間型および細胞型に拡張されている。
構造セルハッシュ化学(Structure Cellular Hash Chemistry)と呼ばれる改良版を提案する。
論文 参考訳（メタデータ） (2024-12-17T10:51:01Z) - Multicell-Fold: geometric learning in folding multicellular life [0.34952465649465553]
細胞群が特定の構造にどのように折り畳むかは、生物がどのように形成されるかを定義する生物学の中心的な問題である。
マルチセルの折り畳みや胚発生を予測できる幾何学的深層学習モデルを提案する。
我々は,4次元形態素配列アライメントの解釈と局所的な細胞再構成の予測という,2つの重要な課題を達成するために,我々のモデルをうまく利用した。
論文 参考訳（メタデータ） (2024-07-09T17:21:49Z) - Engineering morphogenesis of cell clusters with differentiable programming [2.0690546196799042]
我々は、局所的な相互作用規則と遺伝的ネットワークを発見するために、自動分化の最近の進歩を利用する。
細胞間相互作用のパラメータを解釈可能な遺伝的ネットワークの形で学習できることが示される。
論文 参考訳（メタデータ） (2024-07-08T18:05:11Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - Growing Steerable Neural Cellular Automata [63.91346650159648]
元々のNeural Cellular Automataの実装では、細胞は自身の向きを調整することができない。
調整可能な内部状態によって決定されるように、各セルが自身の配向に責任を負うようにします。
我々は,(1)2つの種のみを用いて対称性を破る,(2)回転不変の訓練目標を導入することにより,ステアブル NCA を等方的変種と類似しているが単純な方法で訓練することができることを示す。
論文 参考訳（メタデータ） (2023-02-19T09:45:46Z) - Conformal Isometry of Lie Group Representation in Recurrent Network of
Grid Cells [52.425628028229156]
本稿では,リカレントネットワークモデルを用いたグリッドセルの特性について検討する。
グリッドセルの連続的誘引ニューラルネットワークの基盤となる,単純な非線形リカレントモデルに着目する。
論文 参考訳（メタデータ） (2022-10-06T05:26:49Z) - 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)
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。