arXiv cs.AI· Ali Mahdavi, Azadeh Zamanifar, Amirfarhad Farhadi, Omid Kashefi·· 11 小时前AI 评分19
ApproxBrain：连接组约束神经系统中可认证的充分性前沿
ApproxBrain: Certified Sufficiency Frontiers in Connectome-Constrained Neural Systems
AI 导读
ApproxBrain 将计算充分性形式化为以任务和容差对（允许退化 ε、允许失败比例 ρ）为条件的成本索引神经元子集族，并在留出参数抽样上用单侧界认证候选。在公开行走模拟器上，已发表的 148 神经元电路被认证为带余量充分（32 次留出抽样平均 Dtask = 0.017，无失败），其任意 146 或 147 神经元子集均不充分，移除三个中间神经元中的任一个都会破坏充分性。
正文 · AI 翻译
摘要：背景。连接组指定了神经系统可用的基质，而非给定计算需要其中多少。已报道的紧凑充分回路是点估计：一个子集、一个任务、一个保真度阈值、一种参数化。方法。我们将计算充分性形式化为以任务和容差对（允许的退化 epsilon、允许的失败比例 rho）为条件的、按成本索引的神经元子集族，将任务充分性与表型保真度分离，并在留出的参数抽样上以单侧界认证候选，而非报告单一最小值。我们测量单个回路无法表达的三个量：不可分解性、简并性，以及由干预导出的角色分类。结果。在已发布的行走模拟器上，已发表的 148 神经元回路被认证为有裕度地充分（在 32 次留出抽样上平均 Dtask = 0.017，无失败），其任何 146 或 147 神经元子集都不充分，移除其三个中间神经元中的任何一个都会破坏充分性。补集拆分在七个种子中的三个中精确恢复已发表集合，在五个中达到其规模，评估次数为 66-97 次，而在相同预算下束层级需要 221 个神经元。仅改变任务就会改变需要哪些神经元：我们最佳找到的解保留 155 和 149 个神经元，并且仅共享 11 个可搜索神经元中的 3 个。放宽容差会揭示替代的充分回路，而仅全 CNS 接口在每个重复中都失败，而 93 个搜索选出的神经元给出经认证的解。结论。充分性是集值的，并联合以任务和容差为条件，且没有单一搜索策略在所有情形中占优。前沿只有与其仅接口基线、其容差和其预算一起才能被解释。这里的每个结果都是模型相对的。
| 主题： | 神经元与认知 (q-bio.NC)；人工智能 (cs.AI)；神经与进化计算 (cs.NE) |
| 引用为： | arXiv:2611.06929 [q-bio.NC] |
| （或 arXiv:2611.06929v1 [q-bio.NC] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.06929 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Azadeh Zamanifar [查看电子邮件]
[v1]
2026年9月22日星期二 16:42:02 UTC (38 KB)
来源：arXiv cs.AI · arxiv.org