蛋白质通路作为人工神经网络拓扑定向进化的催化剂
神经与进化计算
2024-06-10 v1 机器学习
摘要
在本文中，我们提出了一种范式转变，将人工神经网络（ANN）的进化转向一种新的生物启发设计，该设计基于蛋白质网络（PN）的结构特性、相互作用和动力学：人工蛋白质网络（APN）。这引入了先前NE最先进方法未实现的几个优势：（1）我们可以从大自然如何利用数百万年的进化高效地将蛋白质相互作用编码到DNA中汲取灵感，将我们的APN转化为硅DNA。这有助于弥合当前NE方法中观察到的语法与语义之间的差距。（2）我们可以学习大自然如何在我们的基因中构建网络，从而通过EA进化设计新的、更智能的网络。（3）我们可以执行EA交叉/变异操作和进化步骤，直接复制在自然界中观察到的网络基因型上的操作，从而探索和利用表型空间，避免陷入次优解。（4）我们对APN的新定义开辟了利用我们对生物学中不同生物和过程的知识的新途径。（5）使用生物启发的编码，我们可以模拟更复杂的种群和生态关系（例如，病毒-宿主或捕食者-猎物相互作用），从而优化多个通常相互冲突的目标。
引用
@article{arxiv.2406.04929,
title = {Protein pathways as a catalyst to directed evolution of the topology of artificial neural networks},
author = {Oscar Lao and Konstantinos Zacharopoulos and Apostolos Fournaris and Rossano Schifanella and Ioannis Arapakis},
journal= {arXiv preprint arXiv:2406.04929},
year = {2024}
}
备注
8 pages, 6 figures