最近の高性能な大規模言語モデル（例：Mixtral等）の一部が採用している「Mixture of Experts（MoE：専門家の混合）」アーキテクチャの特徴として正しいものはどれですか？
MoEは「ルーター（ゲーティングネットワーク）」が各入力トークンに対して全エキスパートの中から少数（例：上位2つ）だけを選択して活性化するアーキテクチャです。これによりモデル全体のパラメータ数（容量）は大きく保ちながら、推論時の実際の計算量（FLOPs）を削減し、コスト効率の高い高性能モデルが実現できます。 選択肢Aのアンサンブル学習は、複数の独立したモデルを並列実行するものであり、単一モデル内のサブネットワークを動的に選択するMoEとは根本的に異なります。 選択肢Cのドメイン分割学習は、学習データを複数の専門ドメインに分割するものであり、MoEとは別概念です。 選択肢Dの自己組織化マップなど別種のアーキテクチャは、MoEの動作原理とは異なります。