- 野火自主响应与预测利用元胞自动机 (WARP-CA)
这篇论文通过采用 Perlin 噪声生成地形和 Cellular Automata(CA)的动态性来模拟火灾的蔓延,并利用 Multi-Agent Reinforcement Learning(MARL)通过协作框架模拟自主智能体对火灾进行 - 细胞自动机、多值逻辑和深度神经网络
深度神经网络可以从演化轨迹中学习元胞自动机的逻辑规则,使用 Lukasiewicz 命题逻辑描述了元胞自动机的一般性,并且可以通过连续的分段线性函数和深度 ReLU 网络从元胞自动机的演化过程中提取出相应的公式。
- 使用多样性搜索在细胞自动机中发现感觉运动代理
研究人工生命领域探讨计算机模拟中类似生命的现象,如自我组织、自主性或自我调节。本文利用机器学习的最新进展,结合多样性搜索、课程学习和梯度下降等算法,自动搜索能够与外部障碍物相互作用并保持完整性的局部结构,即原始形式的感知运动机制。我们展示了 - ReLiCADA - 使用线性元胞自动机设计算法的储库计算
本研究提出了一种新颖的算法,通过使用元胞自动机模型来优化沉积计算在时间序列应用中的设计。除了选择模型的超参数外,该算法特别解决了线性元胞自动机规则选择的问题。该选择方法在指数级规则空间中仅预先选择了少数有前景的候选规则。当应用于相关基准数据 - 生物创造 CA:一个使用细胞自动机的生物制造项目
介绍了使用细胞自动机(CA)的生物制造项目 Biomaker CA。通过 CA 规则在 2D 网格上模拟复杂的生物群落,并通过 Python JAX 框架在 GPU 上并行计算,展示了该项目如何在多种环境和物理规律、不同的模型架构和变异策略 - 路径规划神经细胞自动机
本文使用神经元元自动机的计算框架,对广度优先搜索和深度优先搜索进行了手工编码和学习模型,实现了计算图的直径问题,并提出了对数据点实施对抗扰动训练的方案,提高了神经网络的泛化能力和解决复杂问题的能力。
- 智慧生命的游戏
这篇论文介绍了神经元细胞自动机的概念,并探讨了其与卷积神经网络相结合在预测机器方面的应用,以及通过计算每个单元的适应性分数和随机性移动来优化神经元自动机。
- Flow-Lenia: 基于质量守恒和参数本地化的元胞自动机开放式演化
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 - 一种基于从网络自动机中提取的密度时间演化模式的网络分类方法
本研究提出了使用密度时间演变 (pattern) (D-TEP) 和状态密度时间演变 (pattern) (SD-TEP) 作为网络分类任务的特征描述符,并基于直方图计算特征向量,其结果表明相比之前的研究,我们的方法在五个合成网络数据库和七 - 基于注意力机制的神经元元胞自动机
本文介绍了一种名为 Vision Transformer Cellular Automata(ViTCA)的定义在细胞自动机框架内基于自注意力机制的人工神经网络,并比较了其在线性降噪自编码任务上与其他神经网络的性能。
- 使用书和书签的人工生命
本文介绍了一种新的人工生命模型,可以模拟细胞自动机和虚拟生物的特征,实现了形态和行为上高度自由的同时又能模拟繁殖、发展、个体互动等生命特征。通过阅读遗传信息的方式,执行扩张、连接、断开和过渡四个动作,模拟出了具有独特的生存策略和生活方式,同 - ICLR使用生成元胞自动机学习生成 3D 形状
提出一种名为生成元胞自动机的概率三维生成模型,其能够产生多样化和高质量的形状,利用细胞自动机的局部更新规则有效减少了搜索空间,在稀疏卷积网络的支持下进行渐进生成,通过抽样与训练轮廓数据的匹配学习得到了本地均匀规则,并在概率形状补全和形状生成 - AAAI元胞自动机生成的对抗图灵模式
本文通过在元胞自动机中生成图灵图案提出了数据无关的几乎不可见的通用扰动的一种快速有效的方法,并发现这种扰动显着降低了深度学习模型的性能,这可能导致严重的安全问题。
- 消息传递神经过程
引入 Message Passing Neural Processes (MPNPs),在模型中显式利用关系结构来弥补 NPs 在处理细胞自动机、标记任意数据等任务中无法利用关系信息所导致的性能限制。模型在现有基准测试和新提出的细胞自动机和 - Lenia 和扩展宇宙
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 - Lenia - 人工生命的生物学
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。
- 细胞自动机作为卷积神经网络
本文探讨了如何使用卷积神经网络及多层感知器等深度学习技术识别复杂动力系统中的规律,着重研究了各类元胞自动机以及其内部规则和神经网络的内部表示方法。
- 基于层次化的元胞自动机实现视觉显著性检测
本文提出了一种基于分层细胞自动机的图像显著性检测算法,利用深度特征和贝叶斯框架,集成不同尺度上的单层元胞自动机算法,取得了比传统方法更好的实验效果
- 不可预测性和计算不可约性
本文从细胞自动机领域到任何可计算函数 f 的通用领域探讨了分析计算不可约性的几个概念,并提出了一个稳健的形式化定义;通过定义 “在没有遵循模拟自动机或函数的相同路径的情况下无法计算第 n 步骤” 这一概念,我们证明了如果一个对象的行为是计算 - 本地信息传输作为复杂系统的时空滤波器
本文提出了一种评估局部信息传递的方法,并应用到了细胞自动机中,证实了粒子结构是细胞自动机中传递信息的主要机制。