标签
MIT报道《美国国家科学院院刊》（PNAS）一项新研究：随机连接的神经元单元通过共享可塑性规则，可自行组装出能够学习的结构，在模式识别和图像分类任务中达到与反向传播训练的网络相近的性能。作者强调，这是对生物合理性的探索，而非反向传播的替代方案。
麻省理工学院的研究人员在《美国国家科学院院刊》（PNAS）上发表了一篇论文，表明人工神经网络能够通过简单的局部规则构建自身的学习机制，在没有开发者引导的情况下，将随机连接的单元重塑为有效的信息处理网络，为理解大脑如何学习提供了新的见解。
该arXiv论文提出了“由几何辐射诱导约束自组织”这一机制，用于描述封闭且远离平衡态系统中的动态有序现象，并在耦合Ricci流系统中的三种几何流中进行了验证。论文引入了一种新颖的“楔形吸引子”拓扑结构，并证明了四个定理，确立了普适的应力累积至分形极限环过程的充分条件。
Google 的研究人员表明，采用严格局部连接和异步更新的 Neural Cellular Automata（神经元胞自动机）能够解决复杂的视觉推理任务，例如大型迷宫、数独和 ARC-AGI-1，能够在分布外进行泛化，并能在受损后稳健恢复。
本文引入sheaf正则化以稳定去中心化SyncMap用于无监督连续分块，实现更高的归一化互信息和对输入分布偏移的更好适应。
论文介绍了Self-Organizing Agent Teams (SAT)，一种让AI智能体学习可重用策略以协作和共同推理的方法，与个体智能体和基线方法相比，在数学和物理基准测试上实现了更高的准确率。
Agensh 是一个可扩展的自组织多代理系统，无需中央协调器，通过扩展代理数量来提高复杂任务的性能，在ProgramBench和pandoc等基准测试中显示出显著的测试通过率提升。
本文介绍了CARL，一种自奖赏强化学习框架，能够自主在如Lenia元胞自动机等复杂系统中发现和控制自组织现象，展示了其在操控孤子和零样本泛化方面的能力。
Sakana AI 及其合作者推出了 Smart Cellular Bricks，这些物理模块化单元运行相同的 Neural Cellular Automata，通过本地通信共同推断其全局形状，无需中央控制器。系统展现出对噪声和故障的鲁棒性，能够进行形状分类和损伤恢复。
本文介绍了元神经细胞自动机（MetaNCA），这是一个学习局部更新规则以自组织神经网络权重而无须反向传播的框架，在MNIST和CIFAR-100上可扩展到200万参数的网络，并能泛化到未见过的架构。
介绍了 Neural Particle Automata，一种使用光滑粒子流体动力学感知来学习自组织粒子动力学的方法，使粒子能够拥有局部感知向量以执行更新规则，类似于神经细胞自动机，但在连续粒子位置上。
本文探讨了 Neural Cellular Automata 作为一种计算模型，其灵感来源于生物形态发生和再生，展示了简单的局部规则如何导致复杂的全局行为。
CAX是一个高性能的开源库，用于细胞自动机研究，基于JAX构建。它可以将模拟加速高达2000倍，并支持任意维度的离散和连续自动机。