黏菌网络模拟
模拟多头绒泡菌(Physarum)释放并追踪趋化轨迹,编织出自然的有机网络脉络。
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.
你觉得 黏菌网络模拟 体验如何?
关于 黏菌网络模拟
- 模拟生物
- 多头绒泡菌(Physarum polycephalum),一种单细胞黏菌
- 算法模型
- Jeff Jones 智能体模型 (2010):感应、旋转、移动、沉积
- 智能体数量
- 1,000 至 20,000
- 行为预设
- Classic、Fine veins、Thick highways、Cell foam、Long tendrils
- 交互操作
- 移动光标投放食物
适用场景:: 深夜放松
多头绒泡菌(Physarum polycephalum)是一种单细胞生物,通过伸展黄色管状网络来搜寻食物。尽管没有大脑,它却能构建极高效率的路径网络:2000年中垣俊之团队证实它能在迷宫中找到最短路径;2010年手老笃史团队发现,黏菌在按东京都周边城市位置摆放的燕麦片之间生长出的网络,与当地的铁路线路布局惊人一致。
2010年,Jeff Jones提出了模拟这一行为的简易智能体模型。数以万计的粒子各自利用三个传感器检测前方的化学痕迹,转向浓度最高的方向,前进并分泌新的化学痕迹;与此同时,痕迹在每一步都不断扩散与蒸发。在没有任何宏观规划与指挥者的情况下,群体自组织形成分支脉络般的运输网络,并在动态中持续重构。
本模拟支持运行1,000至20,000个智能体。选择Classic、Fine veins、Thick highways、Cell foam或Long tendrils等预设,微调Sensor angle(感应角度)、Sensor distance(感应距离)、Turn angle(转向角度)、Evaporation(蒸发率)、Speed(速度)与Contrast(对比度)。在画布上滑动光标投放食物,观察网络向其聚拢延伸,随后导出高分辨率PNG。
如何使用 黏菌网络模拟
- 点击 Play. 观察智能体向外扩散,留下的轨迹相互交织成有机网络。
- 选取行为模式. 体验Classic、Fine veins、Thick highways、Cell foam或Long tendrils等预设。
- 调节感知参数. Sensor angle与Sensor distance控制每个智能体前方的感应视场与距离;Turn angle决定其转向灵敏度。
- 塑造轨迹形态. 提高Evaporation可产生细微且瞬息万变的脉络,调低则形成粗壮持久的干线通道。Contrast用于调节轨迹的明暗度。
- 投放食物. 在画布上移动光标投放食物,网络会自动向光标位置延伸生长。
- 导出图像. 配置心仪的色彩方案,在满意的图案形态上暂停,导出高清晰度PNG。
常见问题解答
黏菌是真菌吗?
不是。虽然名称中带“菌”,但多头绒泡菌属于变形虫类原生生物:它是一个拥有无数细胞核的单一巨大细胞,通过蠕动爬行并吞噬细菌与真菌孢子。实验室通常使用燕麦片进行培养。
黏菌是如何解开迷宫的?
它会先铺满迷宫的每一条通路,随后强化在食物源之间传输流量最大的管道,并让闲置管路萎缩退化。最终保留下来的便是最短连接路径,全程无需任何中央控制。
该模拟的运作原理是什么?
每个智能体都配备指向正前、左前和右前的三个感应点。每一步它都会转向信号最强的感应点方位,向前迈进并留下化学痕迹。轨迹图随后轻微扩散并蒸发,繁忙路段逐渐强化,冷清路段则逐渐淡化消逝。
哪些参数对图案形态影响最大?
感应角度与感应距离。较宽的感应角搭配短距离会形成细密多孔的泡状细胞网;窄感应角搭配长距离则促成平滑延伸的粗壮主干。蒸发速率则决定了网络淘汰旧路径的速度。
可以通宵挂机运行吗?
完全可以。选择Fine veins或Cell foam预设并调低Speed,开启全屏模式并降低屏幕亮度。模拟完全静音,网络会在运行中持续不断地推演与重构。
相关指南
参考文献
- 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.





