Naturfenomen och biologiska mekanismer kan vara stora inspirationskällor för forskare som utvecklar matematiska metoder, datorsystem och robotar. Under de senaste decennierna, forskning har upprepade gånger visat värdet av att replikera beteenden som observerats i naturen genom införandet av många fascinerande bioinspirerade beräkningstekniker och system.

Ett beteende som har väckt särskild uppmärksamhet som ett sätt att lösa komplexa matematiska problem är det hos Physarum polycephalum, en encellig slemmögel som ofta har använts som modell i studier som undersöker biologiska fenomen. Förr, att replikera beteendet hos denna speciella encelliga organism har visat sig användbart för att lösa olika grafrelaterade och kombinatoriska problem.

Inspirerad av tidigare fynd, forskare vid Democritus University of Thrace och University of West of England har utvecklat en modell för att designa logiska grindar som delvis är inspirerad av P. polycephalums beteende. Deras papper, publicerades ursprungligen på arXiv, kommer snart att publiceras i International Journal of Unconventional Computing .

"Vårt arbete var inriktat på att designa en mindre komplicerad cellulär automat (CA)-baserad modell för att simulera beräkningsförmågan hos P. polycephalum, " Karolos-Alexandros Tsakalos, en Ph.D. student som genomförde studien, berättade för TechXplore. "Det slutliga målet var att designa mer effektiva bioinspirerade algoritmer för att lösa svåra beräkningsproblem."

Studien utförd av Tsakalos och hans kollegor bygger på teamets tidigare arbete med att undersöka physarum-inspirerade beräkningsverktyg och maskininlärningstekniker. Forskarnas nya teknik för att designa logiska grindar förkroppsligar principerna för cellulära automater (CA), en klass av diskreta modeller som ofta används för att lösa datavetenskap, matematik och fysik problem. Funktionerna hos CA kombinerades med maskininlärningstekniker, vilket leder till en robust beräkningsmodell som återspeglar beteendet hos P. polycephalum.

"Vår modell använder förstärkningsinlärning inom varje lokalt område där regler tillämpas för att lära sig vad den lämpliga vägen mot slutdestinationen är, " Nikolaos Dourvas, ytterligare en Ph.D. student involverad i studien, berättade för TechXplore. "Den främsta fördelen jämfört med tidigare utvecklade är dess enkelhet, dess förmåga att lära sig och ge stokastiskt olika resultat, som det upptäcktes i de faktiska biologiska experimenten."

Den enkla metoden introducerad av Tsakalos, Dourvas, och deras kollegor kan användas för att modellera beteendet hos en mängd olika levande organismer. I deras studie, forskarna använde P. polycephalum och testade dess prestanda vid design av logiska grindar i en simulerad miljö, där modellen var tvungen att identifiera minimala vägar i labyrinter som innehåller matkällor.

"Den mest meningsfulla prestationen av denna studie är den framgångsrika simuleringen av beteendet och därmed beräkningsförmågan hos Physarum polycephalum, använder en datormodell, "Dr Michail-Antisthenis I. Tsompanas, en forskare vid University of the West of England involverad i studien, berättade för TechXplore. "Denna modell är inspirerad av den inneboende parallelliteten hos cellulära automater, men deras förmåga att tillhandahålla adekvata simuleringar av komplexa fysiska fenomen berikas ytterligare av stokasticiteten hos inlärningsautomater och motsvarande inlärningsförmågor."

Den bioinspirerade beräkningstekniken utarbetad av Tsakalos, Dourvas, Tsompanas och deras kollegor visade sig prestera avsevärt bra, effektivt modellera logiska grindar i många simulerade scenarier. I framtiden, deras modell skulle kunna tillämpas på en mängd mycket komplexa matematiska och beräkningsproblem. Det skulle också kunna anpassas för att replikera beteendet hos andra levande organismer och biologiska fenomen.

"Vi föreställer oss att den föreslagna bioinspirerade modellen kan fungera som ett effektivt verktyg i ytterligare studier för att modellera beteendet hos andra, ännu mer komplicerad, levande organismer och lösa liknande grafiskt representerade problem, " Prof. Georgios Ch. Sirakoulis, en forskare vid Democritus University of Thrace som genomförde studien, berättade för TechXplore.

© 2020 Science X Network