論文の概要: Self-Replicating Neural Cellular Automata: Quantifying Emergent Phenotypic and Genotypic Diversity in an OpenEnded Substrate
- arxiv url: http://arxiv.org/abs/2609.19902v1
- Date: Thu, 17 Sep 2026 08:46:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.173764
- Title: Self-Replicating Neural Cellular Automata: Quantifying Emergent Phenotypic and Genotypic Diversity in an OpenEnded Substrate
- Title（参考訳）: 自己複製型ニューラルセルオートマタ:オープンエンド基板における創発的現象と遺伝子型多様性の定量化
- Abstract要約: 各ピクセルがムーア近傍を感知する小さなニューラルネットワーク(エージェント)を担っているシリコン基板について検討する。
細胞は自己複製によってのみ持続する: 生きた隣人はクローン化され、その重みは均一な摂動によって変異される。
少数の創業者から生まれたこのシステムは、共存し、競争し、支配する、空間的に組織化された生態系へと成長する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study an in-silico substrate in which every pixel of a two-channel cellular-automata grid carries a tiny neural network (an agent) that senses its Moore neighborhood. A cell persists only by self-replication: a living neighbor is cloned and its weights are mutated by a uniform perturbation, so that phenotype (cell state) is driven entirely by genotype (network weights). From a handful of seeded founders the system grows into a spatially organized ecosystem of coexisting, competing and dominating species. Our main contribution is a battery of coarse-grained diversity metrics that make such growth measurable at two scales: four phenotypic tools based on cellular-type frequency, entropy and cell variance, and two genotypic tools that colour each agent by a hash of its full weight vector versus a sparse random-weight probe. Across a five-fold sweep of 1680 small runs and 24 long (1000-generation, 200 x 200) runs, the substrate is persistent and self-maintaining in 20 of the 24 long configurations and exposes a clear phenotype-genotype diversity trade-off: raising phenotypic diversity collapses genotypic diversity and vice versa. Full-genome hash colouring further reveals lineage structure that a random-weight probe systematically misses. Code, data and animations are released as supplementary material.
- Abstract（参考訳）: 2チャンネルのセル・オートマタ格子のすべてのピクセルがムーア近傍を感知する小さなニューラルネットワーク(エージェント)を担っている、シリコン内部の基板について検討する。
細胞は自己複製によってのみ持続する: 生きた隣人はクローン化され、その重みは一様摂動によって変異されるので、表現型(細胞状態)は完全に遺伝子型(ネットワーク重み)によって駆動される。
少数の創業者から生まれたこのシステムは、共存し、競争し、支配する、空間的に組織化された生態系へと成長する。
我々の主な貢献は、細胞型頻度、エントロピー、細胞分散に基づく4つの表現型ツールと、その全重量ベクトルのハッシュ値とスパースランダムウェイトプローブのハッシュ値で各エージェントを色付けする2つの遺伝子型ツールである。
1680個の小型ランと24個の長寿命ラン(1000世代200×200)の5倍の網羅により、基質は、24個の長構成のうち20個の長構成で持続的かつ自己維持され、明確な表現型-遺伝子型多様性のトレードオフを露呈する。
フルゲノムのハッシュカラー化により、ランダムウェイトプローブが体系的に見逃す系統構造が明らかになる。
コード、データ、アニメーションは補足材料としてリリースされる。
関連論文リスト
- Lingshu-Cell: A generative cellular world model for transcriptome modeling toward virtual cells [48.885716676667776]
Lingshu-Cellは、転写状態の分布を学習し、摂動下で条件シミュレーションをサポートする離散拡散モデルである。
約18,000の遺伝子にまたがる複雑なトランスクリプトーム全体の発現依存性を、以前の遺伝子選択に頼らずに捕捉する。
これは、Virtual Cell Challenge H1遺伝子摂動ベンチマークにおいて、ヒトPBMCのサイトカイン誘発反応の予測において、主要な性能を発揮する。
論文 参考訳（メタデータ） (2026-03-26T09:46:27Z) - Learning Cell-Aware Hierarchical Multi-Modal Representations for Robust Molecular Modeling [74.25438319700929]
分子と細胞応答の局所的グローバル依存性をモデル化する堅牢なフレームワークであるCHMR(Cell-aware Hierarchical Multi-modal Representations)を提案する。
728タスクにまたがる9つの公開ベンチマークで評価され、CHMRは最先端のベースラインを上回っている。
その結果, 階層認識型マルチモーダル学習による分子表現の信頼性, 生物学的基盤化の利点が示された。
論文 参考訳（メタデータ） (2025-11-26T07:15:00Z) - SPATIA: Multimodal Model for Prediction and Generation of Spatial Cell Phenotypes [39.45743286683448]
本研究では,空間転写学のマルチスケール生成予測モデルであるSPATIAを紹介する。
SPATIAは、画像由来のモルフォロジートークンと転写ベクタートークンを融合させることで、細胞レベルの埋め込みを学習する。
われわれはSPATIAを12のタスクにまたがる13の既存モデルに対してベンチマークする。
論文 参考訳（メタデータ） (2025-07-07T06:54:02Z) - 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) - G2PDiffusion: Cross-Species Genotype-to-Phenotype Prediction via Evolutionary Diffusion [108.94237816552024]
本稿では,DNAから形態像を生成する最初の遺伝子型対フェノタイプ拡散モデル(G2PDiffusion)を提案する。
本モデルは,1)保存および共進化パターンを識別するMSA検索エンジン,2)複雑なジェノタイプ-環境相互作用を効果的にモデル化する環境対応MSA条件エンコーダ,3)遺伝子型-フェノタイプ整合性を改善する適応型表現的アライメントモジュールを含む。
論文 参考訳（メタデータ） (2025-02-07T06:16:31Z) - 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) - Real-time Evolution of Multicellularity with Artificial Gene Regulation [0.0]
本稿では, 物理的2次元生態系における自然選択により進化する'プロトゾーン様'細胞を用いたリアルタイムシミュレーションを提案する。
論文 参考訳（メタデータ） (2023-05-20T17:39:07Z) - 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。