فطر العفن الغروي

وكلاء يحاكون كائن Physarum يفرزون مسارات ويتبعونها، لينسجوا شبكات اتصال عضوية معقدة.

Trailnonestrong
100%

Thousands of agents lay and follow chemical trails, weaving slime-mold networks. Hold the pointer over the canvas to drop food there, an event in time that Restart leaves out, and watch the swarm reach for it.

Setup
6000
220 × 220 cells

كيف كانت تجربتك مع فطر العفن الغروي؟

حول فطر العفن الغروي

الكائن الحي
Physarum polycephalum، فطر العفن الغروي وحيد الخلية
النموذج
نموذج العوامل لجيف جونز (2010): الاستشعار، الالتفاف، التحرك، الإفراز
العوامل
من 1,000 إلى 20,000 عامل
الإعدادات الجاهزة
Classic وFine veins وThick highways وCell foam وLong tendrils
التفاعل
تحريك المؤشر لإسقاط الطعام

مناسب لـ: أوقات متأخرة ليلا

يعد فطر العفن الغروي متعدد الرؤوس (Physarum polycephalum) كائنا وحيد الخلية يتمدد في صورة شبكة صفراء من الأنابيب للبحث عن الغذاء. ورغم افتقاره إلى الدماغ، فإنه يبني شبكات متناهية الكفاءة؛ إذ أثبت توشيوكي ناكاجاكي وزملاؤه عام 2000 قدرته على إيجاد أقصر مسار داخل متاهة، وتوصل فريق أتسوشي تيرو عام 2010 إلى أن الشبكة التي كوّنها بين رقائق الشوفان الموضوعة بمحاذاة مواقع المدن حول طوكيو جاءت مطابقة لشبكة السكك الحديدية في المنطقة.

وفي عام 2010، اقترح جيف جونز نموذجا بسيطا قائما على العوامل لمحاكاة هذا السلوك. يقوم آلاف الجسيمات باستشعار المسار الكيميائي أمامها بثلاثة مجسات، ثم تتجه نحو المسار الأقوى، وتتقدم للأمام مفرزة المزيد من المادة الكيميائية، في حين ينتشر الأثر ويتبخر مع كل خطوة. ودون أي تخطيط أو قيادة مركزية، ينتظم السرب ذاتيا في شبكات نقل شجرية شبيهة بالأوردة تعيد تنظيم نفسها باستمرار.

تشغل هذه المحاكاة ما بين 1000 و20000 عامل. يمكنك اختيار إعداد جاهز مثل Classic أو Fine veins أو Thick highways أو Cell foam أو Long tendrils، ثم ضبط Sensor angle وSensor distance وTurn angle وEvaporation وSpeed وContrast. مرر المؤشر فوق اللوحة لإسقاط الطعام وشاهد الشبكة وهي تمتد نحوه، ثم صدّر صورة PNG بدقة عالية.

كيفية استخدام فطر العفن الغروي

  1. اضغط Play. شاهد العوامل وهي تنتشر وتندمج مساراتها لتتحول إلى شبكة متكاملة.
  2. اختر نمط السلوك. جرّب إعدادات Classic أو Fine veins أو Thick highways أو Cell foam أو Long tendrils.
  3. اضبط الاستشعار. يحدد Sensor angle وSensor distance مدى اتساع وبعد الرؤية لكل عامل، بينما يحدد Turn angle حدة التفافه.
  4. شكّل المسارات. ارفع قيمة Evaporation للحصول على عروق دقيقة وسريعة التغير، أو قللها للحصول على مسارات سميكة ومستقرة. تحدد قيمة Contrast درجة سطوع المسارات.
  5. أطعم الكائن. حرك المؤشر فوق اللوحة لإسقاط الطعام، وستلاحظ نمو الشبكة وامتدادها باتجاهه.
  6. التصدير. حدد الألوان التي تفضلها، وأوقف المحاكاة مؤقتا عند النمط المطلوب، ثم صدّر النتيجة بصيغة PNG.

الأسئلة الشائعة

هل فطر العفن الغروي نوع من الفطريات؟

لا. رغم اسمه، يعد Physarum polycephalum كائنا طلائعيا شبيها بالأميبا؛ فهو خلية عملاقة واحدة تحتوي على العديد من الأنوية وتزحف لتتغذى على البكتيريا وأبواغ الفطريات. وغالبا ما تتم تنميته معمليا على رقائق الشوفان.

كيف يحل فطر العفن الغروي المتاهة؟

ينتشر الكائن أولا في كل الممرات، ثم يقوي الأنابيب التي تنقل أعلى تدفق بين مصادر الغذاء ويترك الأنابيب الأخرى لتنكمش. وينتج عن ذلك أقصر مسار ممكن، ويتم ذلك بالكامل دون أي تحكم مركزي.

كيف تعمل المحاكاة؟

يمتلك كل عامل ثلاثة مجسات متجهة للأمام، وللأمام نحو اليسار، وللأمام نحو اليمين. يلتف العامل في كل خطوة نحو المجس الذي يرصد أقوى أثر، ثم يتقدم مفرزا أثرا جديدا. بعد ذلك، ينتشر المسار ويتبخر تدريجيا، فتقوى الطرق المستخدمة وتتلاشى الطرق غير النشطة.

ما هي الإعدادات الأكثر تأثيرا في تغيير النمط؟

تعد زاوية الاستشعار ومسافته العنصرين الأكثر تأثيرا؛ فالزوايا العريضة مع المسافات القصيرة تنتج خلايا كثيفة ورغوية، بينما تعطي الزوايا الضيقة مع المسافات الطويلة مسارات سلسة وممتدة. ويحدد معدل التبخر سرعة تلاشي المسارات القديمة في الشبكة.

هل يمكن ترك المحاكاة قيد التشغيل طوال الليل؟

نعم. اختر Fine veins أو Cell foam وخفّض قيمة Speed، ثم اختر وضع ملء الشاشة وقلل سطوعها. لا تصدر الأداة أي صوت، وتستمر الشبكة في إعادة تنظيم نفسها باستمرار طالما كانت تعمل.

أدلة وشروحات

المراجع العلمية

  1. Jones, J. (2010). Characteristics of pattern formation and evolution in approximations of Physarum transport networks. Artificial Life 16(2), 127–153.
  2. Nakagaki, T., Yamada, H., & Tóth, Á. (2000). Maze-solving by an amoeboid organism. Nature 407, 470.
  3. Tero, A., Takagi, S., Saigusa, T., Ito, K., et al. (2010). Rules for biologically inspired adaptive network design. Science 327(5964), 439–442.