三項ガンマ半環: ニューラル実装から圏論的基盤へ

要旨: この論文は、ニューラルネットワークの学習と抽象代数構造を結びつける理論的枠組みを確立します。私たちはまず、標準的なニューラルネットワークが構成一般化タスクで完全に失敗することを示す最小の反例を提示します（精度0%）。論理的制約――三項 Γ-半環（Ternary Gamma Semiring）を導入することにより、同じアーキテクチャは完全に構造化された特徴空間を学習し、新規の組み合わせで100%の精度を達成します。この学習された特徴空間は、有限の可換な三項 Γ-半環を構成し、その三項演算が多数決規則を実装します。最近確立された Gokavarapu らの分類と比較すると、この構造は正確にブール型の三項 Γ-半環に対応し、|T|=4、|Γ|=1 のもので、彼らの列挙において同型性の点で唯一のものである。私たちの発見は、三つの深い結論を明らかにする: (i) ニューラルネットワークの成功は、数学的に自然な構造の近似として理解できる。 (ii) 学習された表現は、対称性、冪等性、多数決性といった代数的公理を内部化するため一般化する。 (iii) 論理的制約がネットワークをこれらのカノニカル形へ収束させる道を導く。本研究は、ニューラルネットワークの一般化を理解するための厳密な数学的枠組みを提供し、Computational Γ-代数の新しい学際的な方向性を開く。