論文の概要: A Functional Preservation Score for Auditing Connectome Operations: Compression, Alignment, Transport, and Local-Rule Writing
- arxiv url: http://arxiv.org/abs/2611.13681v1
- Date: Tue, 10 Nov 2026 07:30:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-12 04:24:43.714397
- Title: A Functional Preservation Score for Auditing Connectome Operations: Compression, Alignment, Transport, and Local-Rule Writing
- Title(参考訳): 圧縮・アライメント・トランスポート・ローカルルール記述によるコネクトーム動作の監査のための機能的保存スコア
- Abstract要約: 関数保存スコア(英: Functional Preservation Score、FPS)は、ニューラルネットワークの入力出力関数のどれだけが構造的操作を生き残るかの尺度である。
FPSを使用して、ひとつのラップトップ上で動作する公開データ上で、投機的“ミンドマイグレーション”パイプラインの運用を監査します。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce the Functional Preservation Score (FPS), a null-normalised, behaviourally grounded measure of how much of a neural network's input-output function survives a structural operation, and use it to audit the operations underlying speculative "mind-migration" pipelines on public data that runs on a single laptop. Across five pre-registered studies on the C. elegans connectome, whole-brain calcium activity, and hippocampal replay, FPS yields two positive characterisations and a three-part negative. Low-bit quantisation of a real connectome exhibits a structure-dependent sparsity floor: uniform int4/ternary quantisation is forced to roughly 73%/98% effective sparsity because heavy-tailed integer synaptic weights round to zero, while mixed-precision protection of hub neurons lowers these floors to about 27%/32%. Decoded hippocampal replay sequences compress heavily yet remain identifiable at a cross-validated top-1 accuracy of 0.69 (95% CI [0.63, 0.74]; chance 0.125; permutation p < 1e-3) from latents of order 10-50 bits per event, and a bounded incremental store shows a graceful-versus-cliff capacity trade-off. The migration pipeline fails in simulation at each stage for largely independent reasons: the putative "identity payload" is not a functionally separable module (p >= 0.16 at every tested size); cross-individual functional transport via Gromov-Wasserstein collapses once the target's wiring is respected (fidelity 1.00 to 0.40, [0.31, 0.49], p < 1e-3) or alignment is imperfect (0.06, [0.00, 0.13]); and biologically plausible local plasticity cannot reach the function the target topology provably admits (gap 0.45, [0.27, 0.64], p < 1e-3, d = 2.0). We release FPS, the data loaders, and all operations as a toolkit. All results are at nematode / small-network scale and concern coherence in simulation, not the feasibility of reading or writing a living brain.
- Abstract(参考訳): 本稿では,ニューラルネットワークの入力出力関数のどれだけが構造的操作で生存しているかを,Null-normalized,振舞い基底とした測定値であるFPS(Functional Preservation Score)を紹介し,これを用いて,単一のラップトップ上で動作する公開データ上での投機的“ミンドマイグレーション”パイプラインの動作を監査する。
C. elegans Connectome, whole-brain calcium activity, and hippocampal replayの5つの事前登録された研究において、FPSは2つの正の性格化と3つの負の反応をもたらす。
実コネクトームの低ビット量子化は、構造に依存した空間床を示す: 均一なint4/3次量子化は、重い尾の整数シナプス重みがゼロになるため、約73%/98%の有効空間に強制され、一方、ハブニューロンの混合精度保護はこれらのフロアを約27%/32%まで下げる。
Decodeed hippocampal replay sequences has still identible at a cross-validated top-1 accuracy of 0.69 (95% CI [0.63, 0.74]; chance 0.125; permutation p < 1e-3) from latents of 10-50 bits per-mutation 1 event, and a bounded incremental store shows a graceful-versus-cliff capacity trade-off。
移動パイプラインは、主に独立した理由からシミュレーションで失敗する: 「同一性ペイロード」は機能的に分離可能なモジュール(p >= 0.16)ではなく、目標の配線が尊重されたらグロモフ・ワッサーシュタインによる相互に機能的な輸送が崩壊する(フィデリティ1.00, [0.31, 0.49], p < 1e-3)、あるいはアライメントが不完全である(0.06, [0.00, 0.13])、生物学的に可塑性な局所可塑性は、目標位相が許容する機能に到達できない(gap 0.45, [0.27, 0.64], p < 1e-3, d = 2.0)。
FPS、データローダ、ツールキットとしてのすべての操作をリリースします。
すべての結果は線虫/小ネットワークのスケールで行われ、シミュレーションにおけるコヒーレンスに関心を持ちます。
関連論文リスト
- When Does Pre-Trained Capacity Help Causal Learning? From Scalar Prediction to Counterfactual Post-Training [22.124691919057312]
本稿では,Qwen 2.5ファミリ上に構築されたCausalLLMとCausalGenの2つのシステムについて検討する。
0.5B CausalLLMでは、物語入力により平均sqrt(PEHE)が1.842から1.780に減少する。
結果は、一般的なスケーリング法則や実証された因果メカニズムよりも、キャパシティ適応アライメントに関する仮説を支持する。
論文 参考訳(メタデータ) (2026-10-23T21:27:48Z) - SemanticFold: Latent Sequence Compression SeparatesLanguage Modeling, Decodability, and Reasoning [6.728256846525114]
本稿では,学習境界における隠れ状態のプレフィックスを折り畳む圧縮スキームSemanticFoldを紹介する。
Qwen3-1.7B, Qwen3-8B, SmolLM2-1.7B, Pythia-1.4B, Pythia-6.9Bの5つのモデルスケールで評価した。
論文 参考訳(メタデータ) (2026-10-07T16:00:59Z) - 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) - NObSP: Functional Decomposition of Neural Networks via Oblique Subspace Projections [41.99844472131922]
提案するNObSPは,予測を機能毎の明示的なコントリビューション関数と相互作用残差に分解するフレームワークである。
NobSPはトレーニングされたネットワークの線形最終層を利用して、サンプル空間における斜め投影を用いて二重カウントを削減する。
畳み込みネットワークでは、NObSP-CAMは1回のキャリブレーション後に後方通過なしでクラスアクティベーションマップを生成する。
論文 参考訳(メタデータ) (2026-09-15T20:40:44Z) - Steering Under Compression: Dose-Response, Capability Cost, and Failure Asymmetry in Quantized LLMs [0.0]
推論時ステアリングは、パラメータ修正なしで大きな言語モデルの振る舞い制御を可能にする。
トレーニング後の量子化により、デプロイメントのメモリと計算コストが削減される。
重量のみの量子化下での活性化ステアリングを系統的に研究する。
論文 参考訳(メタデータ) (2026-09-06T08:41:42Z) - Lagged Coupling: Internal Representations Become Readable Before They Become Causal [0.0]
内部可読性は因果効果を体系的に上回り、ラグはスケールとともに縮小しない。
予め登録されたOLMo-2複製は、減衰した大きさで方向を保存する。
論文 参考訳(メタデータ) (2026-09-01T10:46:42Z) - Where Cognition Lives: Dissecting Emergent from Computed Function in a Minimal Complete Cognitive Architecture [0.0]
適応停止, ホメオスタティック制御フィールド, 値モジュールを備えたリカレント推論器を構築する。
停止も出現し、前もって決定できるものよりも価値が高いように見えるが、その外観は計り知れない。
PonderNetスタイルの停止は、隠された状態の停止重み付き混合を返し、強制深度ベースラインは1を返す。
論文 参考訳(メタデータ) (2026-08-23T10:27:13Z) - GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。
純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。
自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
論文 参考訳(メタデータ) (2026-08-18T18:21:36Z) - Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳(メタデータ) (2026-08-17T09:53:27Z) - ActQuant: Sub-4-bit Action-Guided Quantization for Vision-Language-Action Models [45.62029693245481]
本稿では,アクション誘導型混合精度PTQフレームワークであるActQuantを紹介する。
ActQuant は、(1) エージェントの動作の予測にどの程度貢献するかに基づいて、各重み行列に1ビット幅を割り当てるテンソル間ビットアロケータである。
我々はまた、効率的な低ビットカーネルを持つネイティブC/C++にポートするエージェント変換パイプラインであるOmniModelも導入した。
論文 参考訳(メタデータ) (2026-05-19T19:57:26Z)
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。