微分可能な論理セルオートマトン：ライフゲームから学習済み再帰回路によるパターン生成へ

本論文は、完全に離散的なセル状態を用い、学習済みの再帰的なバイナリ回路によって更新される、新しいニューラルセルオートマトン(NCA)アーキテクチャであるDiffLogic CAを紹介します。ニューラルネットワークのコンポーネントをDeep Differentiable Logic Networksに置き換えることで、離散論理ゲートの微分可能なトレーニングが可能になります。微分可能な論理ゲートをセルオートマトンに適用する成功は、コンウェイのライフゲームの複製と、学習済み離散ダイナミクスによるパターンの生成によって示されています。これは、NCA内に離散論理を統合する可能性を示し、微分可能な論理ゲートネットワークが再帰アーキテクチャで効果的に学習できることを証明しています。有望な一方で、複雑な形状を生成するためのトレーニングは依然として課題であり、階層型アーキテクチャや状態管理を改善するための特殊なゲートに関する将来の研究を示唆しています。