ニューラルアセンブリによる因果学習
arXiv cs.LG / 2026/4/30
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ニューラルアセンブリが変数間の因果的影響の方向性を学習できるかを検証し、分類・計画などでの既知の役割を因果方向へ拡張しています。
- DIRECT（DIRectional Edge Coupling/Training）という仕組みを提案し、適応的なゲイン計画のもとでソースとターゲットのアセンブリを共活性化することで、有向関係を内在化させます。
- DIRECTは、バックプロパゲーションではなく、射影・局所的な可塑性制御・疎なウィナー選択といったニューラルアセンブリ内の局所メカニズムのみに依存します。
- 因果方向の学習はデュアル・リードアウトで検証され、シナプス強度の非対称性の測定と、機能的な伝播の重なり（信頼性）を定量化します。
- 複数の領域で、教師ありかつ既知の構造設定において完全な構造復元が得られ、ニューラルアセンブリを形式的因果モデルへの「設計により説明可能」な橋として位置づけています。
