Beyond Transformers: A Neuro-Symbolic and Quantum Hybrid Architecture Toward Artificial General Intelligence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Transformer architectures have revolutionized artificial intelligence, yet they face fundamental limitations that may prevent achieving artificial general intelligence (AGI): quadratic computational complexity, inability to learn continuously, lack of true temporal processing, and unsustainable energy requirements. We propose a novel theoretical framework-the Brain-Quantum-Symbolic (BQS) architecture-that transcends these limitations by unifying brain-inspired spiking neural networks with quantum computing principles and symbolic reasoning. Our framework introduces three key innovations: (1) a unified state representation combining spike-based temporal dynamics with quantum superposition, enabling processing of multiple hypotheses simultaneously; (2) a learning paradigm integrating spike-timing-dependent plasticity (STDP) with quantum interference feedback, achieving local, online learning without catastrophic forgetting; and (3) a symbolic knowledge base that grounds abstract reasoning in neural dynamics. We prove that our framework achieves O(k log n) complexity compared to transformers' O(n²), requires √n fewer samples for k-order reasoning tasks, and theoretically supports continuous learning while maintaining energy efficiency comparable to biological systems. We establish mathematical foundations showing how cognitive interference patterns enhance pattern recognition, temporal superposition enables multi-scale processing, and neuromorphic entanglement creates non-local dependencies essential for AGI. We present a comprehensive evaluation plan demonstrating that BQS reduces catastrophic forgetting by 40% on Split-CIFAR100 while achieving 3× energy efficiency compared to transformer baselines. This work provides both theoretical foundations and practical pathways for post-transformer architectures, establishing requirements for achieving AGI through convergence of biological, quantum, and symbolic computing principles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle