論文の概要: Machine Zygote: Causal Biparental Heredity Before Learning in a Germline--Soma Artificial Agent
- arxiv url: http://arxiv.org/abs/2609.17300v1
- Date: Tue, 15 Sep 2026 15:10:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.592866
- Title: Machine Zygote: Causal Biparental Heredity Before Learning in a Germline--Soma Artificial Agent
- Title（参考訳）: Zygote:ガームライン-ソマ人工エージェントの学習前における因果性双生児の遺伝
- Abstract要約: 我々は,この問題をテストするために設計された計算型ジェムライン・ソマアーキテクチャであるMachine Zygoteを紹介する。
640個体の4×4ダイアリルを予備登録し,ホルム補正後の6つの行動特性のうち,有意なダムおよびサイレ依存性を示した。
本研究は、このシミュレーションにおいて、因果的バイポーラル・プレラーニングの遺伝性を支持するが、反復的な発達動態が必要とされるという主張は強くない。
- 参考スコア（独自算出の注目度）: 0.45687771576879593
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial ontogeny, developmental encodings, robot reproduction, and inherited controllers are established research directions, yet a narrower question remains: can a newborn artificial agent exhibit measurable biparental heredity before learning, and can that dependence be isolated causally rather than inferred only from parent-offspring resemblance? We introduce Machine Zygote, a computational germline-soma architecture designed to test this question. Two parental germlines are independently mutated and recombined into a zygote that parameterizes development of an initially generic eight-module soma, which is then frozen and evaluated without learning. A preregistered 4 x 4 diallel of 640 offspring shows significant dam and sire dependence for five of six behavioral traits after Holm correction, with parental and interaction components accounting for 36-53 percent of modeled variance across five principal traits. In matched-background interventions (n=60), substituting one parental germline while holding recombination and stochastic background fixed causes phenotype shifts exceeding a same-parent re-mutation control for five of six traits for both parental channels. Recombination also yields excess transgressive offspring for speed and gait frequency. A preregistered developmental-dependence hypothesis is not supported: a quasistatic no-dynamics ablation preserves the mean phenotype distribution while altering parental variance structure. Thus the study supports causal biparental pre-learning heredity in this simulation, but not the stronger claim that recurrent developmental dynamics are necessary. It does not establish physical heredity, biological genetics, or autonomous evolution. The contribution is an intervention-centered framework and reproducible benchmark for separating heredity, development, stochastic variation, and post-birth learning.
- Abstract（参考訳）: 人工発症、発達的エンコーディング、ロボットの再生、そして遺伝するコントローラは研究の方向性を確立しているが、より狭い疑問が残る: 新生児の人工エージェントは、学習前に測定可能な双親の遺伝性を示し、その依存は、親と子孫の類似性からのみ推測されるのではなく、因果的に分離できるのか?
我々は,この問題をテストするために設計された計算型ジェムライン・ソマアーキテクチャであるMachine Zygoteを紹介する。
2つの親性生殖細胞は独立して変異し、接合体に再結合され、最初のジェネリック8モジュールソマの開発をパラメータ化し、学習せずに凍結され評価される。
予備登録された640個体の4×4ダイアリルは、ホルム補正後の6つの行動特性のうち5つに有意なダムとサイレ依存性を示し、親と相互作用成分は5つの主要形質にまたがるモデル分散の36～33%を占める。
一致した背景介入(n=60)では、組換えと確率的背景固定を保ちながら1つの親性生殖細胞を置換すると、両親性チャネルの5つの形質のうち5つが同一の親性再変異制御を超える表現型シフトを引き起こす。
組換えはまた、速度と歩行周波数のために過度に過渡的な子孫を産み出す。
準静的な非動的アブレーションは、親の分散構造を変化させながら、平均的な表現型分布を保存する。
本研究は、本シミュレーションにおいて、因果的バイポーラル・ラーニング前遺伝性を支持するが、反復的な発達動態が必要とされるという主張は強くない。
遺伝学、生物遺伝学、自律進化学は確立していない。
この貢献は、遺伝、発達、確率変化、出生後の学習を分離するための介入中心のフレームワークと再現可能なベンチマークである。
関連論文リスト
- Real-Time Musculoskeletal Surrogates for Pediatric Cerebral Palsy: a Credibility Pilot [3.2150654072618976]
リアルタイム筋骨格補助薬は脳性麻痺児のパーソナライズを支援できる
我々は,OpenSim由来の静的パラメータ,側頭関節運動学,筋力,トレーニングのみの摂動を用いた主観条件付き因果神経サロゲートを開発した。
論文 参考訳（メタデータ） (2026-08-28T14:26:30Z) - Shrinkage priors for Bayesian Substitute Confounders [2.1080886003173283]
粗大な多因性依存の減少を先行的に維持するスパース代行者の学習フレームワークを開発する。
提案した回帰調整型推定器は、対応する潜在変数同定仮定が成立すると、平均ポテンシャル結果に一貫性がある。
論文 参考訳（メタデータ） (2026-06-16T23:03:42Z) - Is It You or Your Environment? A Bayesian Inference Framework for Genomically-Anchored Personalized Physiological Interpretation [0.0]
生理学的解釈のための機械学習モデルは、環境によって引き起こされる偏差と憲法上の変動を区別する前に、個々の行動データに数週間を要する。
因果推論とベイズ事前設計に基づく解を提案する。
我々はこのアーキテクチャを6つの生理領域にまたがって開発し、エビデンス強度によってゲノム前駆体をグレードする。
論文 参考訳（メタデータ） (2026-06-11T16:38:38Z) - Limits of Lamarckian Evolution Under Pressure of Morphological Novelty [0.7646713951724009]
ラマルク人の継承は、ロボット形態学とコントローラの共同進化が個々の学習によって強化されるシステムにおいて強力な加速器であることが示されている。
本研究では,ラマルクの遺伝的継承が,探索過程を高形態的分散に向けてどのように機能するかを検討する。
論文 参考訳（メタデータ） (2026-04-17T09:04:58Z) - Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。
我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。
また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
論文 参考訳（メタデータ） (2025-06-26T09:05:38Z) - Neural Lineage [56.34149480207817]
本稿では,親子間の系統関係の発見を目的としたニューラルライン検出という新しいタスクを提案する。
実用上,ニューラルネットワーク表現類似度指標に微調整プロセスの近似を組み込んだ学習自由アプローチを導入する。
精度を追求するために,エンコーダと変圧器検出器からなる学習系系統検出装置を導入する。
論文 参考訳（メタデータ） (2024-06-17T01:11:53Z) - A Differentiable Model for Optimizing the Genetic Drivers of Synaptogenesis [0.0]
神経科学者の間では、生き残るために重要な神経回路がゲノム減圧プロセスの結果であるという意見が一致している。
本稿では,コネクトームモデルファミリーに属する新しい計算フレームワークであるSynaptoGenを紹介する。
論文 参考訳（メタデータ） (2024-02-11T16:49:12Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳（メタデータ） (2023-06-01T10:51:58Z) - Unsupervised ensemble-based phenotyping helps enhance the
discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。
教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。
これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文 参考訳（メタデータ） (2023-01-07T18:36:44Z) - rfPhen2Gen: A machine learning based association study of brain imaging
phenotypes to genotypes [71.1144397510333]
56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。
アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。
ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
論文 参考訳（メタデータ） (2022-03-31T20:15:22Z) - Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。
異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。
提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文 参考訳（メタデータ） (2021-04-12T12:45:16Z)
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。