論文の概要: NeuronDiscover: Agent-in-Twin for Mechanistic Discovery in Neuronal Microenvironments with World Action Models

• arxiv url: http://arxiv.org/abs/2609.35338v1
• Date: Mon, 28 Sep 2026 14:58:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 06:25:06.6327
• Title: NeuronDiscover: Agent-in-Twin for Mechanistic Discovery in Neuronal Microenvironments with World Action Models
• Title（参考訳）: NeuronDiscover: 世界行動モデルを用いた神経微小環境の機械的発見のためのエージェントインツイン
• Abstract要約: 神経微小環境における機械的発見は、溶質輸送と神経反応の競合する説明を分離する介入と測定を必要とする。 我々は、この双対の共起と合体機構に関する理性を定式化し、両者を分離する実験を設計する。 NeuronDiscoverはAgent-in-Twinフレームワークで、共用、メカニズムに基づくワールドアクションモデル(WAM)は、予測、介入提案、観察設計を結合する。 本研究では, 個別に凍結したファインラー・メッシュ・レファレンス・レファレンス・ソルバーが適応する脳-流体トレーサー・トランスポートの世界と, ドナー・ディスジョイントによる皮質ニューロンの電流・クランプ記録について検討した。
• 参考スコア（独自算出の注目度）: 3.8107412342726406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mechanistic discovery in neuronal microenvironments requires interventions and measurements that separate competing explanations of solute transport and neuronal response. Predictive accuracy cannot settle the question: a real mechanistic change and an error in the computational twin leave the same signature in sparse observations. We formalize this twin confounding and reason over a joint mechanism--discrepancy belief, designing experiments that separate the two. NeuronDiscover is an Agent-in-Twin framework whose shared, mechanism-grounded World Action Model (WAM) couples prediction, intervention proposals, and observation design; independently adjudicated outcomes revise a scoped Mechanism--Intervention--Observation--Outcome (MIOY) graph, whose supported relations compile into executable programs carrying discrepancy-adjusted acceptance bounds. We evaluate on simulated brain-fluid tracer-transport worlds adjudicated by an independently frozen finer-mesh reference solver, and on donor-disjoint public current-clamp recordings of cortical neurons. Counting only relations that reach a certified terminal status, and scoring abstentions as unresolved for every method, at a matched budget of 16 experiments over 32 source units NeuronDiscover resolves 4.0 relations per assigned world against 3.4 for the strongest baseline and 3.2 without graph revision, at 5% false support and 82% scope accuracy. Joint mechanism--discrepancy acquisition resolves 3.8 relations versus 2.9 for plug-in expected information gain; discrepancy-adjusted verification lowers accepted-program failure from 15% to 9% at 60% acceptance coverage; and transfer to the recordings yields 1.94 versus 1.53 relations per assigned world. Correctness is adjudicated within declared model worlds and archival recordings.
• Abstract（参考訳）: 神経微小環境における機械的発見は、溶質輸送と神経反応の競合する説明を分離する介入と測定を必要とする。 真の機械的変化と計算双子の誤差は、スパース観測において同じシグネチャを残す。 我々は、この双対の共起と合体機構に関する理性を定式化し、両者を分離する実験を設計する。 NeuronDiscoverは、共有されたメカニズム基底のワールドアクションモデル(WAM)が、予測、介入提案、観察設計を結合するエージェント・イン・ツインフレームワークである。独立に調整された結果がスコープ付きメカニズム-インターベンション-オブザーバ-アウトカム(MIOY)グラフを改訂する。 本研究では, 個別に凍結したファインラー・メッシュ・レファレンス・レファレンス・ソルバーが適応する脳-流体トレーサー・トランスポートの世界と, ドナー・ディスジョイントによる皮質ニューロンの電流・クランプ記録について検討した。 認定された端末の状態に到達した関係のみをカウントし、全ての方法において棄権を未解決と評価し、32のソースユニットに対して16の実験で一致した予算で、NeuronDiscoverは割り当てられた世界当たりの4.0の関係を、最強のベースラインに対して3.4、グラフ修正なしで3.2、5%の偽サポートと82%のスコープ精度で解決する。 統合メカニズム-分散取得は、プラグインが期待する情報ゲインについて3.8の関係と2.9の関係を解決し、不一致調整された検証により、60%の受け入れカバレッジで15%から9%のプログラム失敗が減少し、割り当てられた世界当たりのレコードへの転送は1.94対1.53の関係になる。 正確性は、宣言されたモデルワールドとアーカイブレコードに適応される。

関連論文リスト

• Explainable Deep Learning of Resting-State Functional Connectomes Reveals Network Biomarkers of Adolescent Intelligence [2.063951345911127]
  我々は,流動,結晶化,全知能を予測するために,疎投影残差ネットワークに基づく説明可能なディープラーニングフレームワークを開発した。 このフレームワークは既存のアプローチよりも優れており、Pearson相関は流体、結晶化、全知能の0.44、0.58、0.56である。 これらの結果から,局所的な計算ハブと分散通信経路の相互作用から知能が出現することが示唆された。
  論文  参考訳（メタデータ） (2026-09-27T10:10:51Z)
• Discover, Falsify, Revise: Auditing Input-Use Claims from Source Code to Predictive Contribution in Agent-Discovered Cell Models [14.115576492673249]
  AI仮想細胞は、特定の介入に対する細胞応答を予測することを目的としている。 CellAUDITを導入し、入力が参照された計算に入力できるかどうかを問うことで、入力利用請求を監査する。
  論文  参考訳（メタデータ） (2026-09-23T02:07:27Z)
• JEPA-Anything: Learning Predictive Models across Different Worlds [92.95757831350522]
  予測因子化(OPF)に基づくドメインに依存しないフレームワークであるJEPA-Anythingを紹介する。 視覚,生物学,臨床軌道,制御,分子動力学,物理場,気象の7分野にまたがって評価を行った。 OPFは潜伏目標を補完的な要因に分解し、専用の経路を通して学習し、それらを共通の予測設計で再結合する。
  論文  参考訳（メタデータ） (2026-09-17T17:55:57Z)
• Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [69.06648810271712]
  本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-15T00:31:01Z)
• Neural means and kernel corrections for operator learning [0.0]
  ニューラルネットワーク手段と、その残余と学習した特徴の正確なMatérnカーネル回帰を組み合わせる。 構造力学では、組み合わせは4.55%のテストエラーに達し、最も優れたアーキテクチャと一致する。 その代わりに2つのファミリーが結びついている場合、私たちが訓練する全てのアーキテクチャの残余は0.86以上と相関し、それらの共有コンポーネントは多様性とサンプルサイズにおいて平坦である。
  論文  参考訳（メタデータ） (2026-07-08T17:58:52Z)
• Causal Optimizer Interaction Calculus: Hidden Geometric Relaxation and Identifiable Interventions [0.0]
  我々は、パスワイズ実現、Mobius分解、実験的同定を分離する因果強度相互作用計算を開発した。 スムース隠れ緩和は、逆構造剛性を通して相互作用を生成する。
  論文  参考訳（メタデータ） (2026-07-08T09:40:44Z)
• Position: Correct Answer, Wrong Mechanism -- When AI Scientists Defend General Claims Their Own Data Contradicts [0.0]
  コーディングエージェントは信頼できるツールを証明しているが、オープンエンドのクレーム作成のための信頼性の低い科学的共著者である。 一段階の体制シフトチェックは、エージェントのクレームのみを必要とし、過度に一般化されたケースにフラグを付ける。 コンパニオン再計算は、正しいオブザーバブルがわかっている場合の残りのケースをフラグする。
  論文  参考訳（メタデータ） (2026-06-22T11:14:07Z)
• Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges [51.83259180910313]
  遺伝子機能解析における大きなボトルネックは、単細胞データの未成熟の性質である。 我々は、SB(Schrdinger Bridge)を近似して、単セル摂動データに対処する。 本モデルは,異種単一セル応答を効果的に捉え,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-11-17T08:27:13Z)
• Heterogeneity-Aware Client Sampling: A Unified Solution for Consistent Federated Learning [31.50593149242509]
  フェデレートラーニング(FL)は通常、多様なコミュニケーションと計算能力を持つクライアントを伴います。 FLにおける異種通信と計算が不整合を駆動するメカニズムを根本的に明らかにする。 汎用手法としてフェデレーテッド・ヘテロジニティ・アウェア・クライアントサンプリング(FedACS)を提案する。
  論文  参考訳（メタデータ） (2025-05-16T14:31:36Z)

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。