化学反応ネットワークはスパイキングニューロンネットワークよりも学習能力が高い

要旨: 隠れ層を持たない化学反応ネットワークが、隠れ層を必要とするスパイキングニューロンネットワークのタスクを解くことができる、ということを数学的に証明する。私たちの証明は、化学反応ネットワークの決定論的質量作用動力学の定式化を用いている。具体的には、ある特定の隠れ層のない反応ネットワークが、隠れ層を持つスパイキングニューロンネットワークによって以前に達成可能であると証明された分類タスクを学習できることを証明します。ネットワークの全体的な挙動に対する解析的な後悔境界を提供し、漸近挙動とVapnik-Chervonenkis（VC）次元を分析します。数値実験では、提案された化学反応ネットワークがピクセル画像の手書き数字を分類する学習能力を確認し、隠れ層を持つスパイキングニューロンネットワークよりも精度と効率の点でこのタスクをより正確かつ効率的に解くことを示します。これにより、化学計算機における機械学習の動機づけとなり、生物学的細胞が生化学的反応系ネットワーク内でニューロン網よりも効率的な学習挙動を示す可能性を数学的に説明します。