論文の概要: Biological-Hybrid Intelligence: A Conceptual Framework for Distributed Biological--Artificial Computation

• arxiv url: http://arxiv.org/abs/2608.18748v1
• Date: Wed, 19 Aug 2026 09:58:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.368569
• Title: Biological-Hybrid Intelligence: A Conceptual Framework for Distributed Biological--Artificial Computation
• Title（参考訳）: 生物学的ハイブリッドインテリジェンス:分散生物学--人工計算のための概念的フレームワーク
• Abstract要約: バイオ・ハイブリッド・インテリジェンス(BHI)は、適応的な生物学的および人工的な基板間で計算を分散するための概念的フレームワークである。 BHIは、両方の基板を演算中に計算責任が変化する計算エンティティとして扱う。 BHIは3つの操作モードを定義している: 敵、協力、共依存であり、基質が競合するか、計算力を分割するか、タスクのパフォーマンスに相互に必要となるかによって区別される。
• 参考スコア（独自算出の注目度）: 0.433313790597694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biological and artificial systems offer complementary forms of adaptation, learning, and computation, with advances in in-vitro neurotechnology increasingly enabling bidirectional coupling between them. As these systems become more tightly integrated, a key architectural question is how task-relevant computation should be distributed across both substrates. Yet existing biohybrid solutions optimise the biological substrate, the AI model, or their interface without explicitly addressing how such computation is allocated, reassigned, and evaluated. We introduce Biological-Hybrid Intelligence (BHI), a conceptual framework for distributing computation across adaptive biological and artificial substrates coupled through a bioelectronic interface and coordinated by an orchestrator. BHI treats both substrates as computational entities whose computational responsibilities may change during operation. BHI requires reciprocal co-adaptation and differs from systems that merely decode biological activity, stimulate a living substrate, or adapt a single component. BHI further defines three operating modes: adversarial, collaborative, and codependent, distinguished by whether the substrates compete, divide computational labour, or become mutually necessary for task performance. BHI provides a common basis for comparing computational frameworks, defining benchmarks for latency, viability, interface bandwidth, learning efficiency, and reproducibility. It also highlights governance considerations arising from reciprocal stimulation, adaptation, and data exchange. More broadly, BHI invites computer scientists to consider biological substrates as active computational resources and to ask not only how a task should be computed, but where its computation should reside. BHI therefore reframes biological-artificial integration as a system-level problem of computational allocation, coordination, and control.
• Abstract（参考訳）: 生物学的および人工的なシステムは、相補的な適応、学習、計算を提供し、生体内ニューロテクノロジーの進歩により、それら間の双方向の結合がますます可能になっている。 これらのシステムがより密に統合されるにつれて、重要なアーキテクチャ上の問題は、どのようにタスク関連計算を両方の基板に分散させるべきかである。 しかし、既存のバイオハイブリッドソリューションは、そのような計算がどのように割り当てられ、再割り当てされ、評価されるかを明確に解決することなく、生物学的基質、AIモデル、またはそれらのインターフェースを最適化する。 バイオエレクトロニクスインタフェースを介して結合し, オーケストレータによってコーディネートされた, 適応的な生体および人工基板間で計算を分散するための概念的枠組みであるBHIを紹介した。 BHIは、両方の基板を演算中に計算責任が変化する計算エンティティとして扱う。 BHIは相互の共適応を必要としており、生物活性をデコードしたり、生きた基質を刺激したり、単一の成分を適応させたりするシステムとは異なる。 BHIはさらに3つの操作モードを定義している: 敵、協力、共依存の3つの動作モードは、基質が競合するか、計算力を分割するか、タスクのパフォーマンスに相互に必要になるかによって区別される。 BHIは、計算フレームワークの比較、レイテンシ、生存性、インタフェース帯域幅、学習効率、再現性に関するベンチマークの定義のための共通基盤を提供する。 また、相互刺激、適応、データ交換から生じるガバナンスの考察も強調している。 より広範に、BHIはコンピュータ科学者に、生物学的基質をアクティブな計算資源と見なし、どのようにタスクが計算されるべきかだけでなく、その計算がどこにあるべきかを尋ねるよう求めている。 したがって、BHIは計算割り当て、調整、制御のシステムレベルの問題として生物学的・人工的な統合を再構築する。

関連論文リスト

• An Optimization Framework for Automated Assessment of Biological Plausibility of Spiking Neurons [37.61339918972475]
  生物学的可視性は、ニューロモルフィックコンピューティングとスパイクニューラルネットワークにおいて重要な概念である。 スパイキングニューロンモデルにおける生物学的可視性の自動評価のためのオープンソースフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-16T12:25:30Z)
• Democratizing and accelerating AI-driven pathology research through agentic intelligence [32.63552924838788]
  PathLabは、研究目的を実行可能で検証可能な計算病理に翻訳するエージェントフレームワークである。 代表的な4つのタスクファミリーにまたがる12の公開データセットを対象にPathLabを評価した。 制御されたユーザスタディでは、PathLabは実行可能な分析パイプラインを生成するのに必要な時間を大幅に削減した。
  論文  参考訳（メタデータ） (2026-06-12T16:11:50Z)
• Unlocking Biological Workflows for Robust Protein-Text Question Answering: A Dual-Dimensional RAG Framework [60.82334952881798]
  タンパク-テキスト質問回答(QA)は、自然言語による生物学的配列の解釈に不可欠である。 2D-ProteinRAGは,大規模言語モデル(LLM)を金本位生物研究ワークフロー内で動作させる新しいフレームワークである。 本研究では,2D-Proteinが常に最先端の性能を達成し,微調整ベースラインや他のRAG法よりも優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2026-05-17T05:03:24Z)
• Embodied Neurocomputation: A Framework for Interfacing Biological Neural Cultures with Scaled Task-Driven Validation [1.0202724665812306]
  本稿では、この多変数最適化符号化/復号化問題に対するシステムレベルのアプローチとして、Embodied Neurocomputationフレームワークを提案する。 提案手法は,BNNエージェントの符号化構成の大規模パラメータ最適化によって実現されている。 これらの結果は、BNNを用いた堅牢でスケーラブルな目標指向学習に向けた最初のステップである。
  論文  参考訳（メタデータ） (2026-05-13T10:27:05Z)
• 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)
• Physically Accurate Rigid-Body Dynamics in Particle-Based Simulation [38.44669833143752]
  粒子ベースのシミュレータは、現在のシミュレータに代わる魅力的な代替手段を提供する。 位置ベース力学(PBD)は、その計算効率と視覚的可視性で有名な解法である。 物理的に正確な剛体力学を強制する PBD-R を改訂した PBD-R を導入する。
  論文  参考訳（メタデータ） (2026-03-15T22:09:42Z)
• A Platform-Agnostic Multimodal Digital Human Modelling Framework: Neurophysiological Sensing in Game-Based Interaction [2.835421685630534]
  本稿では,AI対応マルチモーダルインタラクション研究を支援するプラットフォームに依存しないDHMフレームワークを提案する。 このフレームワークはOpenBCI Galeaヘッドセットを統合マルチモーダルセンシング層として統合している。 AIモデルや行動推論を組み込むのではなく、生理的信号は構造化され、時間的に整った観測可能なものとして表現される。
  論文  参考訳（メタデータ） (2026-03-11T11:45:17Z)
• From Neural Activity to Computation: Biological Reservoirs for Pattern Recognition in Digit Classification [5.786141965873944]
  本稿では,培養された生体ニューロンのネットワークが貯留層として機能する貯留層コンピューティング(RC)への生物学的基盤的アプローチを提案する。 カスタムデータセットを用いた数字分類のケーススタディにより,本システムの評価を行った。
  論文  参考訳（メタデータ） (2025-10-07T07:36:36Z)
• Automated Genomic Interpretation via Concept Bottleneck Models for Medical Robotics [26.40159044419644]
  そこで本研究では,DNA配列を動的かつ解釈可能な決定に変換する自動ゲノム解析モジュールを提案する。 われわれのフレームワークは、Chaos Game RepresentationとConcept Bottleneck Model(CBM)を組み合わせて、生物学的に意味のある概念を流れるように予測する。 本研究は、解釈可能なゲノムモデリングと自動意思決定のギャップを埋めることにより、ゲノム医学におけるロボットと臨床の自動化のための信頼性の高い基盤を確立する。
  論文  参考訳（メタデータ） (2025-10-02T02:51:34Z)
• PyTDC: A multimodal machine learning training, evaluation, and inference platform for biomedical foundation models [59.17570021208177]
  PyTDCは、マルチモーダルな生物学的AIモデルのための合理化されたトレーニング、評価、推論ソフトウェアを提供する機械学習プラットフォームである。 本稿では、PyTDCのアーキテクチャの構成要素と、我々の知る限り、導入したシングルセルドラッグターゲットMLタスクにおける第一種ケーススタディについて論じる。
  論文  参考訳（メタデータ） (2025-05-08T18:15:38Z)
• An AI-Driven Live Systematic Reviews in the Brain-Heart Interconnectome: Minimizing Research Waste and Advancing Evidence Synthesis [29.81784450632149]
  我々はブレイン・ハード・インターコネクトーム(BHI)ドメインの体系的レビューを強化するAI駆動システムを開発した。 このシステムは、PICOS(Population, Intervention, Comparator, Outcome, and Study Design)の自動検出、ベクトル埋め込みを用いたセマンティック検索、グラフベースのクエリ、トピックモデリングを統合している。 このシステムはリアルタイムのアップデートを提供し、リビングデータベースによる研究の無駄を減らし、ダッシュボードと対話型AIを備えた対話型インターフェースを提供する。
  論文  参考訳（メタデータ） (2025-01-25T03:51:07Z)
• Unified Representation of Genomic and Biomedical Concepts through Multi-Task, Multi-Source Contrastive Learning [45.6771125432388]
  言語モデル(genEREL)を用いたジェノミクス表現について紹介する。 GENERELは遺伝学と生物医学の知識基盤を橋渡しするために設計されたフレームワークである。 本実験は,SNPと臨床概念のニュアンス関係を効果的に把握するgenERELの能力を実証するものである。
  論文  参考訳（メタデータ） (2024-10-14T04:19:52Z)
• Unlocking the Potential of Similarity Matching: Scalability, Supervision and Pre-training [9.160910754837754]
  バックプロパゲーション(BP)アルゴリズムは、生物学的な妥当性、計算コスト、オンライン学習に適した限界を示す。 本研究は, 生体系における観察機構と整合する, 主に教師なし類似性マッチング(SM)フレームワークに焦点を当てた。
  論文  参考訳（メタデータ） (2023-08-02T20:34:55Z)

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。