黏菌模擬
模擬真核黏菌(Physarum)鋪設並追蹤路徑,交織出有機網絡圖樣。
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.
黏菌模擬 的使用體驗如何?
關於 黏菌模擬
- 模擬生物
- 多頭絨泡菌(Physarum polycephalum),單細胞黏菌
- 演算法模型
- Jeff Jones 個體導向模型(2010):感測、轉向、前進、分泌
- 個體規模
- 1,000 至 20,000 個粒子
- 行為預設集
- Classic、Fine veins、Thick highways、Cell foam、Long tendrils
- 互動操作
- 移動游標投放養分引導黏菌
適用於: 深夜放鬆
多頭絨泡菌(Physarum polycephalum)是一種單細胞真核生物,能生長出由黃色管狀通道構成的網絡來尋找養分。即便沒有神經系統,它卻能建構極具效率的網絡:2000 年中垣俊之團隊證實它能找出走通迷宮的最短路徑;2010 年手老篤史研究團隊亦發現,黏菌在燕麥片(依東京周邊城市分佈擺設)之間建立的網絡,與當地的鐵路系統高度吻合。
2010 年 Jeff Jones 提出了模擬該特性的個體導向模型(agent-based model)。數千個粒子利用前方的三個感測器探測化學濃度,轉向最強方向前進並沿路留下記號,軌跡則在每一步驟持續擴散與蒸發。在無統籌指揮的情況下,群體能自組織出不斷重組的分支脈絡與傳輸網絡。
本模擬支援 1,000 至 20,000 個微型個體。您可以套用 Classic、Fine veins、Thick highways、Cell foam 或 Long tendrils 等預設集,並微調 Sensor angle、Sensor distance、Turn angle、Evaporation、Speed 與 Contrast。在畫布上移動游標可投下食物引導網絡生長,最後可匯出高解析度 PNG。
如何使用 黏菌模擬
- 按下 Play. 觀察個體向外擴散,其軌跡逐漸融合交織成結構網絡。
- 選取行為模式. 嘗試切換 Classic、Fine veins、Thick highways、Cell foam 或 Long tendrils 等預設模式。
- 調整感測參數. Sensor angle(感測角度)與 Sensor distance(感測距離)決定視角寬度與探測距離;Turn angle(轉向角度)決定轉向幅度。
- 塑造網絡軌跡. 提高 Evaporation(蒸發率)可形成纖細易變的脈紋,降低蒸發率則會留下粗大持久的主幹。Contrast(對比度)調節軌跡的視覺明暗。
- 餵食互動. 在畫布上移動游標投放食物,整座網絡便會自發往游標位置延伸。
- 匯出成圖. 挑選喜愛的配色方案,在理想的圖案形態下暫停,並匯出為 PNG。
常見問題
黏菌是真菌嗎?
不是。雖然英文俗稱帶有 mold(黴菌),但多頭絨泡菌實際上屬於變形蟲界的原生生物:它是一個具多個細胞核的巨大單細胞個體,能緩慢爬行並攝食細菌與真菌孢子。實驗室中通常以燕麥片進行培養。
黏菌是如何解開迷宮的?
黏菌首先會蔓延覆蓋整座迷宮的所有通道,隨後強化流經食物端點之間流量較大的管道,並讓未使用的管道萎縮。最終保留下來的便是最短連結路徑,整個過程完全無需中央大腦控制。
此模擬的底層運作機制是什麼?
每個個體配備三個面向前、左前與右前的感測器。每個步驟它會轉向訊號最強的方向、往前移動並留下化學路徑。整張路徑圖隨後稍微擴散並蒸發,使高頻繁使用的路徑增強,廢棄的路徑逐漸消褪。
哪些設定對圖案形態影響最大?
感測角度與感測距離。較大角度搭配短距離會產生密集如泡沫的細胞網格;較窄角度搭配長距離則會形成綿長滑順的骨幹高速通道。蒸發率則決定網絡汰換舊路徑的快慢。
可以放著讓它整夜執行嗎?
可以。選擇 Fine veins 或 Cell foam,調低 Speed,開啟全螢幕並調低螢幕亮度。模擬運作時完全靜音,網絡只要維持運作便會不斷自組織重構。
指南
參考文獻
- 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.





