점균류 시뮬레이션
Physarum 입자들이 흔적을 남기고 따라가며 유기적인 망형 구조를 직조해 나가는 모습을 관찰해 보세요.
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.
점균류 시뮬레이션 도구는 만족스러우신가요?
점균류 시뮬레이션 소개
- 유기체
- Physarum polycephalum, 단세포 점균류
- 모델
- Jeff Jones 에이전트 모델 (2010): 감지, 회전, 이동, 흔적 생성
- 에이전트 수
- 1,000 ~ 20,000개
- 프리셋
- Classic, Fine veins, Thick highways, Cell foam, Long tendrils
- 상호작용
- 커서를 움직여 먹이 공급
추천 용도:: 늦은 밤 휴식
황색망사점균(Physarum polycephalum)은 먹이를 찾기 위해 노란색 관 형태의 네트워크를 뻗어나가는 단세포 생물입니다. 뇌가 없음에도 효율적인 네트워크를 구축합니다. 2000년 나카가키 도시유키 연구팀은 점균류가 미로에서 최단 경로를 찾아낼 수 있음을 증명했으며, 2010년 데로 아쓰시 연구팀은 도쿄 인근 도시 위치에 놓인 오트밀 사이로 점균류가 형성한 네트워크가 실제 도쿄 수도권 철도망과 유사함을 밝혔습니다.
2010년 제프 존스(Jeff Jones)는 이러한 행동 양식을 모방한 단순한 에이전트 모델을 제안했습니다. 수천 개의 입자가 각자 세 개의 센서로 전방의 화학 흔적을 감지하고, 가장 강한 쪽으로 방향을 틀어 앞으로 나아가며 흔적을 남깁니다. 동시에 이 흔적은 매 단계마다 퍼져나가며 증발합니다. 중앙의 통제나 계획 없이도 에이전트 무리는 스스로 분기하며 끊임없이 재구성되는 망상형 수송 네트워크를 형성합니다.
이 시뮬레이션은 1,000개에서 20,000개의 에이전트를 구동합니다. Classic, Fine veins, Thick highways, Cell foam, Long tendrils 같은 프리셋을 선택한 뒤 Sensor angle, Sensor distance, Turn angle, Evaporation, Speed, Contrast 등을 조절할 수 있습니다. 캔버스 위로 커서를 움직여 먹이를 떨어뜨리고 네트워크가 그쪽으로 뻗어나가는 모습을 관찰한 뒤 고해상도 PNG로 내보낼 수 있습니다.
점균류 시뮬레이션 사용법
- Play 누르기. 에이전트들이 퍼져나가며 남긴 흔적이 점차 거대한 네트워크로 결합되는 과정을 관찰합니다.
- 동작 프리셋 선택. Classic, Fine veins, Thick highways, Cell foam, Long tendrils 중 하나를 선택합니다.
- 감지 수치 조절하기. Sensor angle(센서 각도)과 Sensor distance(센서 거리)는 각 에이전트가 주변을 얼마나 넓고 멀리 탐색할지 결정하며, Turn angle(회전 각도)은 방향을 얼마나 급격하게 틀지 설정합니다.
- 흔적 패턴 다듬기. Evaporation(증발) 수치를 높이면 얇고 빠르게 변화하는 망이 형성되고, 낮추면 굵고 오래 지속되는 경로가 만들어집니다. Contrast(대비)는 흔적의 시각적 밝기를 조절합니다.
- 먹이 주기. 캔버스 위로 커서를 움직여 먹이를 떨어뜨리면 점균류 네트워크가 해당 위치를 향해 뻗어나갑니다.
- 내보내기. 원하는 색상을 설정하고 마음에 드는 패턴이 나타났을 때 정지한 후 PNG로 내보냅니다.
자주 묻는 질문
점균류는 곰팡이인가요?
아닙니다. 점균(slime mold)이라는 명칭과 달리 황색망사점균(Physarum polycephalum)은 아메바류에 속하는 원생생물입니다. 수많은 핵을 가진 거대한 단세포 생물로, 기어 다니며 박테리아와 곰팡이 포자를 섭취합니다. 연구실에서는 주로 오트밀을 먹이로 주어 배양합니다.
점균류가 어떻게 미로를 풀 수 있나요?
처음에는 미로의 모든 통로로 균일하게 퍼져나간 뒤, 먹이 공급원 사이에서 물질 수송량이 가장 많은 관은 굵게 강화하고 그렇지 않은 경로는 수축시켜 없앱니다. 그 결과 중앙 통제 기관 없이도 자연스럽게 최단 연결 경로만 남게 됩니다.
시뮬레이션은 어떤 원리로 작동하나요?
각 에이전트는 전방, 좌측 전방, 우측 전방을 향하는 3개의 센서를 지닙니다. 매 단계마다 가장 강한 흔적이 감지된 방향으로 회전하여 앞으로 전진하며 새로운 흔적을 남깁니다. 전체 흔적 지도는 시간이 지나면서 점차 확산되고 증발하므로, 자주 이용되는 경로는 굵어지고 방치된 경로는 사라집니다.
어떤 설정이 패턴에 가장 큰 영향을 미치나요?
센서 각도와 센서 거리입니다. 각도가 넓고 거리가 짧으면 조밀한 거품 형태의 세포망이 형성되며, 각도가 좁고 거리가 길면 곧게 뻗은 매끄러운 간선 경로가 만들어집니다. 증발 속도는 이전 경로를 네트워크가 얼마나 빨리 지우는지를 결정합니다.
밤새 켜두어도 괜찮은가요?
네. Fine veins나 Cell foam을 선택하고 Speed를 낮춘 후, 전체 화면 모드로 전환하고 화면 밝기를 낮추면 됩니다. 소음이 발생하지 않으며 브라우저가 실행되는 동안 네트워크는 끊임없이 스스로를 재구성합니다.
관련 가이드
참고 문헌
- 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.





