捕捉 Lenia 中不断出现的复杂性
本研究基于 Lenia,一种连续的细胞自动机族群,将它的规则拓宽到更高的维度、多种核心和多种通道,形成了类似于循环卷积神经网络的最终结构,并通过半自动的搜索算法发现了多种新的现象和特征,如多面体对称性、自复制、发射和摄取式生长,进而观察到了拥有内部分工和类型分化的 “虚拟真核生物”,并最终探讨了这些结果在生物学、人工生命和人工智能等领域的应用。
May, 2020
我们报道了一种新的人工生命系统 Lenia,它是一种具有连续空 - 时间 - 状态和广义局部规则的二维细胞自动机,支持多样复杂的自主模式或生命形式,其形态和行为动力学具有自我组织、可塑性等特性。
Dec, 2018
本文提出了一种名为 Flow Lenia 的细胞自动机扩展,解决了 Lenia 中存在的一些问题,包括虚拟生物只存在于特定规则的世界中且规则不可交互,证明了 Flow Lenia 在生成具有复杂行为的空间局部模式方面的有效性,并展示了它在动态和本地化的 CA 动力学中的潜力,扩展了 CA 模拟的应用范围,为自组织人工生命的内在进化铺平了道路。
Dec, 2022
Coralai 是一个用于探索神经元元胞自动机(NCA)多样化生态系统的框架,通过使用模块化的 GPU 加速 Taichi 内核,以 HyperNEAT 和 PyTorch 实现的局部存活、合并和变异操作,实现了生物在 Coralai 中的相互作用、环境变化和进化。通过模拟黏菌行为的物理实验,展示了固定和移动生物之间的竞争、资源消耗和恢复循环以及多样化生物之间的共生关系。同时提出未来研究工作的设想,通过多尺度复杂性和多样性的度量来发现模拟参数。Coralai 的代码可在该 URL 获取,视频演示可在该 URL 获取。
Jun, 2024
通过模仿生物进化的方式,本研究引入了一种名为 Generative Cellular Automata (GeCA) 的新模型系列,作为一种有效的补充工具,用于视网膜疾病分类的两种成像模式:Fundus 和光学相干断层扫描(OCT)。在 OCT 成像的背景下,GeCA 显著提升了 11 种不同眼科疾病的性能,相较于传统基线模型,平均 F1 分数提高了 12%。在相似的参数限制下,GeCA 优于融合 UNet 或基于 Transformer 的去噪模型的扩散方法。
Jul, 2024
应用 LON 分析揭示了三种不同编码在机器人演化运动任务中所引发的适应度景观的结构,首次揭示了在 Morpho-evolution 领域中使用 LON 分析,这将有助于未来定制 ME 景观的新算法或操作符的设计。
Feb, 2024
通过运用内在动机的机器学习算法,实现自发模式的自动发现和多样性;同时提出了基于深度自编码器和 CPPN 函数的增量式方法,有效地在寻找自发模式方面比多个基准测试的系统更为高效。
Aug, 2019
本文提出了一种利用遗传算法优化深度卷积神经网络结构和连接权重初始化的图像分类算法,该算法利用一个高效的可变长度基因编码策略和新的表示方案初始化深度卷积神经网络的连接权重,并提出了一种新的适应度评估方法,实现了在少量计算资源下的快速启发式搜索,与其他 22 个现有算法相比在九个广泛应用于图像分类的任务中表现明显优越。
Oct, 2017