Слизевик Physarum
Агенты Physarum, прокладывающие следы и сплетающие органические транспортные сети.
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.
Как вам Слизевик Physarum?
О генераторе Слизевик Physarum
- Организм
- Physarum polycephalum, одноклеточный миксомицет
- Модель
- Агентная модель Jeff Jones (2010): поиск, поворот, шаг, след
- Агенты
- От 1 000 до 20 000 активных частиц
- Пресеты
- Classic, Fine veins, Thick highways, Cell foam, Long tendrils
- Интерактивность
- Размещение питательных зон курсором
Подходит для: Ночного времени
Physarum polycephalum, многоголовый слизевик, представляет собой одноклеточный организм, разрастающийся сетью трубок для эффективного поиска пищи. Не имея нервной системы, он строит оптимальные маршруты: в 2000 году Toshiyuki Nakagaki с коллегами доказали, что слизевик находит кратчайший путь в лабиринте, а в 2010 году группа под руководством Atsushi Tero показала, что выращенная слизевиком сеть между овсяными хлопьями повторяет топологию железнодорожной системы Токио.
В 2010 году Jeff Jones предложил простую агентную модель этого явления. Тысячи агентов считывают след перед собой с помощью трёх сенсоров, поворачивают к самому сильному сигналу, двигаются вперёд и выделяют новые метки, пока старый след рассеивается и угасает. Без внешнего плана рой формирует живые венозные структуры, непрерывно перестраивающие свою геометрию.
Симулятор поддерживает от 1000 до 20 000 агентов. Выбирайте пресеты Classic, Fine veins, Thick highways, Cell foam или Long tendrils, настраивайте параметры Sensor angle, Sensor distance, Turn angle, Evaporation, Speed и Contrast. Кликайте по холсту для добавления питательных точек и экспортируйте изображения в высоком разрешении в формате PNG.
Как пользоваться Слизевик Physarum
- Нажмите Play. Смотрите, как агенты разбегаются в стороны, а их следы объединяются в связную сеть.
- Выберите пресет. Попробуйте варианты Classic, Fine veins, Thick highways, Cell foam или Long tendrils.
- Настройте восприятие. Параметры Sensor angle и Sensor distance определяют сектор и дальность обзора, а Turn angle — резкость маневрирования.
- Управляйте следами. Увеличьте Evaporation для тонких меняющихся капилляров или снизьте для устойчивых магистралей. Contrast задаёт яркость карты.
- Покормите слизевика. Перемещайте курсор над полем, чтобы оставлять пищу: сеть начнёт целенаправленно расти к этим координатам.
- Экспорт. Настройте палитру, остановите симуляцию на красивой итерации и сохраните файл PNG.
Часто задаваемые вопросы
Является ли слизевик грибом?
Нет. Несмотря на сходство, Physarum polycephalum относится к миксомицетам (протистам). Это гигантская многоядерная клетка (плазмодий), питающаяся бактериями и спорами грибов. В лабораториях его обычно культивируют на овсяных хлопьях.
Как организм без мозга проходит лабиринт?
Слизевик заполняет собой все доступные коридоры, после чего трубки, по которым циркулирует наибольший поток питательных веществ между источниками еды, утолщаются, а тупиковые ветви отмирают. В итоге остаётся кратчайший путь.
По какому принципу работает симуляция?
У каждого агента есть три сенсора: по центру, слева и справа. На каждом шаге агент поворачивает к датчику с максимальным химическим следом, продвигается вперёд и оставляет порцию следа. Поле следов рассеивается и испаряется, сохраняя только активные маршруты.
Какие параметры влияют на форму сети сильнее всего?
Угол и дистанция сенсоров. Широкий угол и малая дистанция формируют плотную ячеистую пену; узкий угол и дальнозоркость дают длинные магистрали. Параметр Evaporation регулирует, насколько быстро забываются старые пути.
Можно ли оставить визуализацию работать как фоновую заставку?
Да. Выберите пресет Fine veins или Cell foam, уменьшите скорость Speed, разверните окно на весь экран и приглушите яркость дисплея. Симуляция не имеет ограничений по времени и генерирует непрерывный бесшумный визуальный поток.
Руководства и статьи
Научные источники
- 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.





