Nous introduisons l'ADN Neural (NDNA), un génome appris compact de moins de 300 paramètres qui fait croître la topologie des réseaux neuronaux grâce à des règles de compatibilité basées sur les types, une initialisation par défaut déconnectée et une pression de coût métabolique. Le NDNA surpasse systématiquement la sparsité aléatoire de 0,39 % à 7,01 % sur trois architectures (MLP, CNN, Transformer) et cinq ensembles de données (MNIST, CIFAR-10, CIFAR-100, Fashion-MNIST, IMDB). La topologie se transfère entre les tâches sans modification. Les ratios de compression varient avec la taille du réseau, atteignant 8 384:1 sur la plus grande architecture testée.
Tejas Parthasarathi Sudarshan (Ven,) a étudié cette question.