論文の概要: Life Operators: a self-evolving framework for multiscale life modelling
- arxiv url: http://arxiv.org/abs/2609.00068v1
- Date: Sun, 30 Aug 2026 16:27:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:35.817832
- Title: Life Operators: a self-evolving framework for multiscale life modelling
- Title（参考訳）: Life Operators: マルチスケールライフモデリングのための自己進化型フレームワーク
- Abstract要約: ライフオペレーター:3つの科学的役割を定義するタスク境界マッピングを提案する。
知覚作用素は、マルチモーダル観測からタスク関連生物学的状態を推定し、進化作用素はこれらの状態を自然あるいは介入条件の力学の下で伝播し、生成作用素はそれらを測定可能な信号にマッピングする。
選択された演算子とブリッジは、宣言されたクレームに十分な最小の状態とメカニズムを含むタスク固有の演算子グラフを形成する。
- 参考スコア（独自算出の注目度）: 29.126028834116624
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Medical AI is moving beyond recognition towards clinical dialogue and longitudinal prediction. Yet a central question remains: how would a patient's state change under intervention? Statistical models learn future observations, whereas mechanistic models describe selected processes. Neither provides a common framework for representing patient state, coupling scales or revising failed assumptions. We propose Life Operators: task-bounded mappings that define three scientific roles. Perception operators infer task-relevant biological states from multimodal observations, Evolution operators propagate these states under natural or intervention-conditioned dynamics, and Generation operators map them to measurable signals. Each role may be realised by equations, statistical models, neural networks or hybrids. Bridge operators connect components with different variables, scales and time steps. Selected operators and bridges form task-specific Operator Graphs containing the smallest set of states and mechanisms sufficient for a declared claim. This modular structure also makes scientific revision localisable. An AI co-scientist may propose changes to states, operators, bridges or graph structure, while independent evidence determines which variants are retained, restricted or retired. Over time, validated components could accumulate into broader multiscale models of the human body and provide a computational foundation for medical artificial superintelligence.
- Abstract（参考訳）: 医療AIは、認識を超えて、臨床対話と長手予測に移行している。
患者の状態は、どのようにして介入されるのか?
統計モデルは将来の観測を学習するが、力学モデルは選択されたプロセスを記述する。
患者の状態を表現したり、スケールを結合したり、失敗した仮定を改訂するための共通のフレームワークも提供しません。
ライフオペレーター:3つの科学的役割を定義するタスク境界マッピングを提案する。
知覚作用素は、マルチモーダル観測からタスク関連生物学的状態を推定し、進化作用素はこれらの状態を自然あるいは介入条件の力学の下で伝播し、生成作用素はそれらを測定可能な信号にマッピングする。
それぞれの役割は方程式、統計モデル、ニューラルネットワーク、ハイブリッドによって実現される。
Bridge演算子は、異なる変数、スケール、タイムステップでコンポーネントを接続する。
選択された演算子とブリッジは、宣言されたクレームに十分な最小の状態とメカニズムを含むタスク固有の演算子グラフを形成する。
このモジュラー構造はまた、科学的修正をローカライズすることができる。
AIの共同科学者は状態、オペレータ、ブリッジ、グラフ構造の変更を提案し、独立した証拠はどの変種が保持され、制限され、または廃止されているかを決定する。
時間とともに、検証されたコンポーネントは人体のより広範なマルチスケールモデルに蓄積され、医療人工超知能のための計算基盤を提供する。
関連論文リスト
- From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。
世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。
我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
論文 参考訳（メタデータ） (2026-07-13T15:22:56Z) - Physics-Informed Modeling and Control of Emergent Behaviors in Robot Swarms [3.6125056660720425]
PhySは物理インフォームされたマイクロマクロウォームフレームワークで、マルチステージスワムの出現を表す。
いくつかの概念実証Swarmミッションにおいて、PhySは異なる多段階の創発的な振る舞いを生成できることを実証した。
これらの結果は、ロボット群における創発的行動の学習、解釈、制御のための物理インフォームド・ルートを確立する。
論文 参考訳（メタデータ） (2026-06-01T02:50:45Z) - 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) - ZapGPT: Free-form Language Prompting for Simulated Cellular Control [3.599327240436075]
単純エージェントの集団行動は自由形式の言語プロンプトによってガイドできることを示す。
自然言語を制御層として扱うことで、音声や文字によるプロンプトがシステムが望ましい行動に導く未来を示唆する。
論文 参考訳（メタデータ） (2025-09-12T19:38:46Z) - One Patient, Many Contexts: Scaling Medical AI with Contextual Intelligence [16.450764388516244]
コンテキストスイッチングにより、医療AIは専門分野、人口、地理に適応できる。
データ設計、モデルアーキテクチャ、評価フレームワークの進歩が必要です。
論文 参考訳（メタデータ） (2025-06-11T20:23:57Z) - Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。
4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2024-05-29T02:35:23Z) - Continual Learning from Simulated Interactions via Multitask Prospective Rehearsal for Bionic Limb Behavior Modeling [0.7922558880545526]
生体補綴制御の文脈における人間の行動モデルを提案する。
本稿では、時間とともに動きを予測・洗練するマルチタスク・継続的適応モデルを提案する。
我々は,トランスティバイアル・アンプを含む実世界の人間の歩行データセットの実験を通じて,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-05-02T09:22:54Z) - Causal Graph ODE: Continuous Treatment Effect Modeling in Multi-agent
Dynamical Systems [70.84976977950075]
実世界のマルチエージェントシステムは、しばしば動的で連続的であり、エージェントは時間とともにその軌道や相互作用を共進化させ、変化させる。
本稿では,グラフニューラルネットワーク(GNN)をODE関数として,エージェント間の連続的な相互作用をキャプチャする新しいモデルを提案する。
我々のモデルの主な革新は、治療の時間依存表現を学習し、ODE関数にそれらを組み込むことで、潜在的な結果の正確な予測を可能にすることである。
論文 参考訳（メタデータ） (2024-02-29T23:07:07Z) - Generative Models as a Complex Systems Science: How can we make sense of
large language model behavior? [75.79305790453654]
事前訓練されたモデルから望ましい振る舞いを排除し、望ましくないモデルを避けながら、NLPを再定義した。
言語モデルの振る舞いをタスク間性能を説明するカテゴリに分解する体系的な取り組みについて論じる。
論文 参考訳（メタデータ） (2023-07-31T22:58:41Z) - Multi-Agent Imitation Learning with Copulas [102.27052968901894]
マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。
本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。
提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
論文 参考訳（メタデータ） (2021-07-10T03:49:41Z) - Decentralized policy learning with partial observation and mechanical
constraints for multiperson modeling [14.00358511581803]
本稿では,部分的な観察と機械的制約を分散的に表現した逐次生成モデルを提案する。
本手法は実世界のデータを用いて現実的な軌跡を生成するマルチエージェントシミュレータとして利用することができる。
論文 参考訳（メタデータ） (2020-07-07T01:24:22Z)
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。