MorphoNAS-Benc: a benchmark suite for morphogenetic neural network generation

Simple item page
dc.contributor.authorMedvid, Serhiien_US
dc.date.accessioned2026-02-04T09:49:00Z
dc.date.available2026-02-04T09:49:00Z
dc.date.issued2025
dc.descriptionУ роботі представлено MorphoNAS-Bench — бенчмарк і набір інструментів для пошуку нейронних архітектур (Neural Architecture Search, NAS), який оснований на генеративному, розвитково-натхненому просторі пошуку. На відміну від сучасних NAS-бенчмарків, які використовують статичні кодування графів, що представляють нейронні мережі, MorphoNAS-Bench характеризується компактними геномами. Ці геноми контролюють процес морфогенетичного розвитку, що дозволяє створювати різні просторові рекурентні архітектури, які виникають внаслідок різних типів детермінованого зростання, які при цьому визначаються локальними правилами розвитку. Початковий набір даних бенчмарку містить 1000 пар "геном-архітектура", які були обрані з більш ніж 50 000 спроб генерації. Цей набір був створений шляхом використання як повністю стратифікованого відбору параметрів, так і за біологічно-натхненним методом Genome.random(). Застосування випадкового підходу забезпечує адекватне охоплення площі пошуку та реалістичність результатів. Кожне знайдене рішення містить детальну анотацію структурних показників. Ми проводимо аналіз таких структурних характеристик, як розмір, модульність, групування та ефективність. Ми показуємо, що обидві стратегії генерації здатні утворювати як структуровані, так і нетривіальні мережі. Наданий інструментарій на Python дозволяє вивчати процеси розвитку геномів нейронних мереж разом із відповідним структурним аналізом. Таким чином, MorphoNAS-Bench виступає як повторювана і біологічно обґрунтована платформа для досліджень різноманітності, еволюціонування, та емерджентні структури для NAS.uk_UA
dc.description.abstractWe present MorphoNAS-Bench, a benchmark and toolkit for neural architecture search (NAS) using a generative, developmentally inspired design space. Unlike current NAS benchmark datasets (NAS-Bench-101, NATS-Bench) that use static graph encodings of networks, in MorphoNAS-Bench networks are simple, compact genomes that drive morphogenetic development, allowing for a variety of richly defined, spatially embedded recurrent architectures that emerge through different forms of deterministic growth. The following local developmental rules are used in MorphoNAS to grow genomes: morphogen diffusion, cell division, differentiation, and axon guidance as key mechanisms. The seed benchmark dataset presented in this work consists of 1,000 genome-architecture pairs, taken from a pool of over 50,000 generation attempts using the following quality thresholds: a minimum 5 neurons, 3 edges, and 70% out-degree coverage. The dataset was constructed using Latin Hypercube Sampling (LHS) with orthogonal array design to ensure comprehensive parameter space coverage. The attempts were conducted using both fully stratified parameter sampling and a biologically inspired Genome.random() sampling method, ensuring a reasonable level of coverage of the search space while being plausible. Each sample includes detailed annotations of graph entropy, hierarchy scores, core-periphery structure, transitivity, reciprocity, and structural balance metrics. We share an analysis of the emergent properties like size, modularity, grouping, and efficiency, demonstrating that both generation strategies can produce structured networks that are rich in their nontriviality. The provided Python toolkit provides the means of investigation to test how genomes develop into neural networks, with associated structural analysis, framing MorphoNAS-Bench as a reproducible and biologically inspired testbed for any research studies exploring architecture diversity, evolution, and emergent structure in NAS.en_US
dc.identifier.citation111en_US
dc.identifier.issn2617-3808
dc.identifier.issn2617-7323
dc.identifier.urihttps://doi.org/10.18523/2617-3808.2025.8.4-14
dc.identifier.urihttps://ekmair.ukma.edu.ua/handle/123456789/38256
dc.language.isoenen_US
dc.relation.sourceНаукові записки НаУКМА. Комп'ютерні наукиuk_UA
dc.statusfirst publisheden_US
dc.subjectneural networksen_US
dc.subjectdevelopmental encodingen_US
dc.subjectmorphogenetic developmenten_US
dc.subjectneural architecture searchen_US
dc.subjectbenchmark toolkiten_US
dc.subjectemergent modularityen_US
dc.subjectindirect encodingen_US
dc.subjectarticleen_US
dc.subjectнейронні мережіuk_UA
dc.subjectрозвиткове кодуванняuk_UA
dc.subjectморфогенетичний розвитокuk_UA
dc.subjectпошук нейронних архітектурuk_UA
dc.subjectбенчмарк-інструментарійuk_UA
dc.subjectемерджентна модульністьuk_UA
dc.subjectнепряме кодуванняuk_UA
dc.titleMorphoNAS-Benc: a benchmark suite for morphogenetic neural network generationen_US
dc.title.alternativeMorphoNAS‑Bench: бенчмарк для морфогенетичної генерації нейронних мережuk_UA
dc.typeArticleen_US
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Medvid_MorphoNAS-Benc_a_benchmark_suite_for_rphogenetic_neural_network_generation.pdf
Size:
4.68 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Том 8