Slime Mold
Physarum एजेंट जो रास्तों का निर्माण और अनुसरण करते हुए जैविक नेटवर्क पैटर्न बुनते हैं।
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.
Slime Mold आपके लिए कैसा काम कर रहा है?
Slime Mold के बारे में
- जीव
- Physarum polycephalum, एक एकल-कोशिका स्लाइम मोल्ड
- मॉडल
- Jeff Jones का एजेंट मॉडल (2010): सेंस, रोटेट, मूव, डिपॉजिट
- एजेंट्स
- 1,000 से 20,000
- प्रीसेट्स
- Classic, Fine veins, Thick highways, Cell foam, Long tendrils
- इंटरैक्शन
- भोजन डालने के लिए कर्सर घुमाएं
इनके लिए उपयोगी: देर रात के लिए
Physarum polycephalum, या बहु-सिर वाला स्लाइम मोल्ड, एक एकल-कोशिका वाला जीव है जो भोजन खोजने के लिए नलियों के पीले नेटवर्क के रूप में फैलता है। बिना मस्तिष्क के भी यह कुशल नेटवर्क बनाता है: 2000 में Toshiyuki Nakagaki और उनके सहयोगियों ने दिखाया कि यह भूलभुलैया में सबसे छोटा रास्ता खोज सकता है, और 2010 में Atsushi Tero की टीम ने पाया कि ओट फ्लेक्स के बीच इसका बनाया नेटवर्क टोक्यो के रेल नेटवर्क जैसा था।
2010 में Jeff Jones ने इस व्यवहार का एक सरल एजेंट मॉडल प्रस्तावित किया। हज़ारों कण तीन सेंसरों के साथ अपने आगे की रासायनिक ट्रेल को भांपते हैं, सबसे मजबूत दिशा में मुड़ते हैं, आगे बढ़ते हैं और ट्रेल छोड़ते हैं, जबकि ट्रेल फैलती और वाष्पित होती रहती है। बिना किसी योजना या नेता के, यह समूह शाखित, शिरा-समान परिवहन नेटवर्क में स्वतः संगठित हो जाता है।
यह सिमुलेशन 1,000 से 20,000 एजेंट्स चलाता है। Classic, Fine veins, Thick highways, Cell foam या Long tendrils जैसा कोई प्रीसेट चुनें, फिर Sensor angle, Sensor distance, Turn angle, Evaporation, Speed और Contrast को ट्यून करें। कैनवस पर कर्सर घुमाकर भोजन डालें और नेटवर्क को उसकी ओर बढ़ते देखें, फिर हाई-रिज़ॉल्यूशन PNG एक्सपोर्ट करें।
Slime Mold का उपयोग कैसे करें
- Play दबाएं. एजेंट्स को फैलते और उनके ट्रेल्स को एक नेटवर्क में बदलते हुए देखें।
- व्यवहार चुनें. Classic, Fine veins, Thick highways, Cell foam या Long tendrils आज़माएं।
- सेंसिंग ट्यून करें. Sensor angle और Sensor distance यह तय करते हैं कि प्रत्येक एजेंट कितना चौड़ा और कितना आगे देखता है; Turn angle मुड़ने की तीव्रता तय करता है।
- ट्रेल्स को आकार दें. पतली, तेजी से बदलने वाली शिराओं के लिए Evaporation बढ़ाएं, या मोटी, स्थायी सड़कों के लिए इसे कम करें। Contrast ट्रेल्स की चमक तय करता है।
- भोजन दें. कैनवस पर कर्सर घुमाकर भोजन डालें, और नेटवर्क उसकी ओर बढ़ने लगेगा।
- एक्सपोर्ट करें. रंग सेट करें, मनपसंद पैटर्न पर रोकें और PNG एक्सपोर्ट करें।
अक्सर पूछे जाने वाले सवाल
क्या स्लाइम मोल्ड एक कवक (fungus) है?
नहीं। नाम के बावजूद, Physarum polycephalum एक अमीबा-जैसा प्रोटिस्ट है: कई नाभिकों वाली एक विशाल एकल कोशिका जो रेंगती है और बैक्टीरिया व कवक बीजाणुओं को खाती है। प्रयोगशालाओं में इसे अक्सर ओट फ्लेक्स पर उगाया जाता है।
स्लाइम मोल्ड भूलभुलैया कैसे हल कर सकता है?
यह पहले हर रास्ते में फैलता है, फिर भोजन के स्रोतों के बीच सबसे अधिक प्रवाह वाली नलियों को मजबूत करता है और बाकी को सिकोड़ देता है। जो बचता है वह सबसे छोटा मार्ग होता है, जो बिना किसी केंद्रीय नियंत्रण के खोजा जाता है।
सिमुलेशन कैसे काम करता है?
प्रत्येक एजेंट के पास आगे, आगे-बाएं और आगे-दाएं देखने वाले तीन सेंसर होते हैं। हर चरण में वह सबसे मजबूत ट्रेल वाले सेंसर की ओर मुड़ता है, आगे बढ़ता है और ट्रेल छोड़ता है। ट्रेल मैप थोड़ा फैलता और वाष्पित होता है, जिससे व्यस्त रास्ते मजबूत होते हैं और अप्रयुक्त मिट जाते हैं।
कौन सी सेटिंग्स पैटर्न को सबसे अधिक बदलती हैं?
सेंसर कोण और सेंसर दूरी। छोटी दूरी के साथ चौड़े कोण घनी, झागदार कोशिकाएं बनाते हैं; लंबी दूरी के साथ संकीर्ण कोण लंबे, चिकने हाईवे बनाते हैं। Evaporation तय करता है कि नेटवर्क पुराने रास्तों को कितनी जल्दी भूलता है।
क्या इसे रात भर चलता छोड़ सकते हैं?
हाँ। Fine veins या Cell foam चुनें और Speed कम करें, फिर Full screen दबाएं और स्क्रीन की ब्राइटनेस कम कर दें। इसमें कोई आवाज़ नहीं होती, और नेटवर्क लगातार पुनर्गठित होता रहता है।
गाइड
संदर्भ
- Jones, J. (2010). Characteristics of pattern formation and evolution in approximations of Physarum transport networks. Artificial Life 16(2), 127–153.
- Nakagaki, T., Yamada, H., & Tóth, Á. (2000). Maze-solving by an amoeboid organism. Nature 407, 470.
- Tero, A., Takagi, S., Saigusa, T., Ito, K., et al. (2010). Rules for biologically inspired adaptive network design. Science 327(5964), 439–442.





