論文の概要: Retracing Hodgkin and Huxley: State Recovery Does Not Certify Mechanism

• arxiv url: http://arxiv.org/abs/2609.34566v1
• Date: Mon, 28 Sep 2026 08:18:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 12:19:18.495076
• Title: Retracing Hodgkin and Huxley: State Recovery Does Not Certify Mechanism
• Title（参考訳）: HodgkinとHuxleyの対比:状態回復には認証機構がない
• Abstract要約: 我々は、シミュレートされた電流と電圧の潜在モデルを訓練した。 次に、応答予測、状態回復、プロトコル転送、およびHHダイナミックスとの整合性をテストする。
• 参考スコア（独自算出の注目度）: 7.646713951724011
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting observed dynamics does not establish recovery of the underlying physical mechanism. Can machine learning retrace the hidden-state reasoning behind the Hodgkin-Huxley (HH) model? We train structured latent models on simulated current and voltage, withholding gate identities and trajectories from training and model selection. We then test response prediction, state recovery, protocol transfer, and agreement with HH dynamics. Prediction error and its cross-seed spread both drop sharply at three latent dimensions under the tested protocols, while gate recovery under new protocols improves through five to six coordinates. State recovery depends on which observations the chart uses. Observed voltage improves current-clamp decoding relative to freely predicted voltage. Under voltage clamp, adding latent state to command voltage raises m-state $R^2$ from 0.976 to above 0.99, yet the transported field disagrees with HH on identical smooth samples. Known invertible HH coordinates achieve high fast-m field agreement under the same audit procedure. An exact HH identity decomposes the discrepancy into time-scale-weighted state error and a residual in the transported field; these terms can cancel or reinforce. These findings concern the tested models and charts. They support evaluating state and dynamics recovery separately, including chart inputs and transported-field agreement across interventions.
• Abstract（参考訳）: 観測された力学の予測は、基礎となる物理的メカニズムの回復を確立しない。 機械学習は、Hodgkin-Huxley(HH)モデルの背後にある隠された状態の推論を追跡できるだろうか? 我々は、模擬電流と電圧で構造化された潜在モデルを訓練し、訓練とモデル選択からゲートのアイデンティティと軌跡を保持する。 次に、応答予測、状態回復、プロトコル転送、およびHHダイナミックスとの整合性をテストする。 予測誤差とクロスシードは、試験されたプロトコルの下で3つの潜在次元で急降下し、新しいプロトコルの下でのゲートリカバリは5から6の座標で改善された。 状態回復は、チャートが使用する観測値に依存する。 観測電圧は、予測された電圧に対して電流クランプデコードを改善する。 電圧クランプの下では、指令電圧に遅延状態を加えると、m状態$R^2$が0.976から0.99以上に上昇するが、輸送された磁場は同じ滑らかな試料上でHHと一致しない。 既知可逆HH座標は、同一監査手順の下で高速mフィールド合意を達成する。 正確なHHアイデンティティは、不一致を時間スケールの重み付け状態エラーと輸送されたフィールドの残差に分解する。 これらの結果は、テストされたモデルとチャートに関係している。 それらは、グラフ入力や介入間の移動場合意を含む、状態と動的回復の評価を別々にサポートする。

関連論文リスト

• Prediction Limits and Koopman Closure of Geometry-Induced Soft State Abstractions [1.7214710725967697]
  幾何誘起ソフト状態抽象化が正確な有限次元線形力学を許容するかどうかを考察する。 我々の主な結果は、最小ルート平均二乗予測誤差に縛られる計算可能な低信頼度である。 Duffing、Van der Pol、CartPole、MountainCar、Acrobotの実験は、直接ソフトコーディネート予測と状態空間DMD/EDMDベースラインを比較した。
  論文  参考訳（メタデータ） (2026-09-26T14:10:31Z)
• What Do Latent Predictive Vehicle Representations Retain? Measuring State, Geometry, and Local Response [0.5735035463793009]
  IPG CarMakerに記録された信号に基づいて学習した時間的共同埋め込み予測モデルについて検討した。 保持、予測、局所応答を別々に測定することは、予測潜在能力が制御の候補モデルとして適している。
  論文  参考訳（メタデータ） (2026-09-26T12:00:18Z)
• Offline Reinforcement Learning for Distribution-Grid Protection [42.05746375597851]
  我々は,CIGRE中電圧ネットワークの静的軌跡からの線選択的トリップについて検討した。 畳み込みQネットワークは、因果電圧電流ファサーおよび見かけインピーダンス特徴を受信する。 その結果,密度予測性能と終端保護挙動がモデルランキングに影響を及ぼす可能性が示唆された。
  論文  参考訳（メタデータ） (2026-09-21T14:49:04Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Hayden--Preskill recovery at finite temperature on a quantum processor: dynamics and initial state from the SYK model [0.434964016971127]
  本研究は, ポストセレクションの確率が無視できないという意味で, 情報の回収に成功していることを示す。 N = 8$Majoranasの2値スパースSYKハミルトニアンを用いて,IBM超伝導プロセッサ上でプロトコルを実装した。
  論文  参考訳（メタデータ） (2026-07-30T16:38:01Z)
• When Do Autoregressive Sequence Models Forecast Physical Wavefields? A Controlled Study on Synthetic Seismograms [43.8784307709823]
  物理信号の長距離自己回帰予測は誤差蓄積によって制限される。 物理的に構造化されたテストベッドとして,合成3成分地震計を用いて,このようなロールアウトが安定であるかどうかを問う。
  論文  参考訳（メタデータ） (2026-06-09T13:46:14Z)
• Data-Driven Forecasting of three-Component Seismograms Using Transformer Architectures [43.8784307709823]
  我々は,3成分地震波形を時間領域内で直接予測するために,変圧器を用いた自己回帰モデルであるtextscSeismoGPTを紹介した。 震源深5-100,km,震源中央距離10-90$$$,震源深3leqM_w leq7$の合成地震計を用いて評価を行った。
  論文  参考訳（メタデータ） (2026-06-01T21:38:03Z)
• High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
  スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。 固定復号器用の潜時空間スピングラス辞書を定式化する。 トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-05-23T06:17:23Z)
• Beyond the Attention Stability Boundary: Agentic Self-Synthesizing Reasoning Protocols [6.357772907811544]
  SSRP(Self- Synthesizing Reasoning Protocols)は、アーキテクチャ計画と手続き実行の分離を実装するメタ認知フレームワークである。 提案する実験層は,浅電流に基づく検索パイロット,高エントロピーSOP,セマンティックハイジャック3ホップ多要素合成タスクの3種類である。 以上の結果から,GPT 5.4の非定常バニラ基準線が0.1%に崩壊し,SSRPは715X耐力限界を達成した。
  論文  参考訳（メタデータ） (2026-04-27T14:13:30Z)
• On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
  このような情報条件の相互作用パターンを振る舞い依存として定式化する。 これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。 その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
  論文  参考訳（メタデータ） (2026-02-24T22:55:21Z)

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。