پدیده های طبیعی و مکانیسم های بیولوژیکی می توانند منبع بزرگی برای الهام بخش دانشمندان باشند که رویکردهای ریاضی ، سیستم های رایانه ای و روبات ها را توسعه می دهند. طی چند دهه گذشته ، تحقیقات بارها و بارها با معرفی بسیاری از تکنیک ها و سیستم های محاسباتی جذاب بیولوژیکی ، ارزش تکرار رفتارهای مشاهده شده در طبیعت را اثبات کرده اند.

رفتاری که به عنوان ابزاری برای حل مشکلات پیچیده ریاضی توجه ویژه ای را به خود جلب کرده است ، از رفتارهای Pharum polycephalum ، یک قالب لجن تک سلولی است که غالباً به عنوان یک الگوی در مطالعات پدیده های بیولوژیکی مورد استفاده قرار گرفته است. در گذشته ، تکرار رفتار این ارگانیسم تک سلولی خاص برای حل مشکلات مختلف مرتبط با گراف و ترکیبی مفید بوده است.

با الهام از یافته های قبلی ، محققان دانشگاه دموکریتوس تراکیه و دانشگاه غرب انگلستان مدلی را برای طراحی دروازه های منطقی تهیه کرده اند که تا حدی از رفتار P. polycephalum الهام گرفته است. مقاله آنها ، که ابتدا در arXiv ارسال شده است ، به زودی در مجله بین المللی محاسبات غیر متعارف منتشر می شود .

"کار ما در طراحی یک اتوماسیون سلولی کمتر پیچیده (CA) طراحی شده است تا توانایی های محاسباتی P. polycephalum را شبیه سازی کند ،" Karolos-Alexandros Tsakalos ، دکتری. دانشجویی که مطالعه را انجام داده ، به TechXplore گفت. "هدف نهایی طراحی الگوریتم های الهام بخش زیستی کارآمدتر برای حل مشکلات محاسباتی سخت بود."

این تحقیق که توسط Tsakalos و همکارانش انجام شده است ، بر روی کارهای قبلی تیم تحقیق شده است که ابزارهای محاسباتی و تکنیکهای یادگیری ماشین را القاء می کند . تکنیک جدید محققان برای طراحی دروازه های منطقی ، مضامین اصول اتوماسیون سلولی (CA) است ، طبقه ای از مدل های گسسته که اغلب برای حل علوم کامپیوتر ، ریاضیات و مشکلات فیزیک استفاده می شود. ویژگی های CA با تکنیک های یادگیری ماشین ترکیب شده است ، که منجر به یک مدل محاسباتی قوی می شود که منعکس کننده رفتار P. polycephalum است.

} 1 ، 1} → {1 ، 1} تغییر مدل پیشنهادی در دروازه P1. اعتبار: فلوروس و همکاران.
نیکولا دووراس ، دکترای دیگر ، گفت: "مدل ما از یادگیری تقویتی در هر منطقه محلی استفاده می کند که در آن قوانین به کار می روند تا یاد بگیرند که مسیر مناسب به مقصد نهایی چیست." دانش آموز درگیر در مطالعه ، به TechXplore گفت. "مزیت اصلی نسبت به موارد قبلی توسعه یافته ، سادگی ، توانایی آن در یادگیری و ارائه نتایج تصادفی متفاوت است ، همانطور که در آزمایش های واقعی بیولوژیکی کشف شد."

از روش ساده ای که توسط Tsakalos ، Dourvas و همکارانشان معرفی شده است می توان برای مدل سازی رفتار انواع موجودات زنده استفاده کرد. محققان در مطالعه خود از P. polycephalum استفاده کرده و عملکرد آن را در طراحی دروازه های منطقی در یک محیط شبیه سازی شده آزمایش کردند ، جایی که این مدل می بایست حداقل مسیرها را در مارپیچ های حاوی منابع غذایی شناسایی کند.

دکتر Michail-Antisthenis I. Tsompanas ، محقق دانشگاه غرب انگلستان ، گفت: "معنی دارترین دستاورد این مطالعه ، شبیه سازی موفقیت آمیز در رفتار و در نتیجه توانایی های محاسباتی Physarum polycephalum ، با استفاده از یک مدل رایانه ای است." به TechXplore گفت که درگیر این مطالعه است. "این مدل از موازی بودن ذاتی اتومات های سلولی الهام گرفته شده است ، اما توانایی آنها در ارائه شبیه سازی های کافی از پدیده های جسمی پیچیده بیشتر توسط تصادفی بودن یادگیری خودکار و تواناییهای یادگیری مربوطه غنی می شود."

روش محاسباتی زیست شناختی الهام گرفته شده توسط Tsakalos ، Dourvas ، Tsompanas و همکارانشان پیدا شد که عملکرد بسیار خوبی داشته و به طور موثری از دروازه های منطق در سناریوهای شبیه سازی شده متعدد استفاده می کند. در آینده ، مدل آنها می تواند برای انواع مشکلات بسیار پیچیده ریاضی و محاسباتی اعمال شود. همچنین می تواند برای تکرار رفتار سایر موجودات زنده و پدیده های بیولوژیکی سازگار باشد.

پروفسور جورجیوس Ch. "ما پیش بینی می کنیم که الگوی الهام یافته زیستی پیشنهادی می تواند به عنوان ابزاری کارآمد در مطالعات بعدی عمل کند تا بتواند رفتار سایر موجودات زنده حتی پیچیده تر را حل کند و مشکلات گرافیکی مشابه را حل کند." سیراکولیس ، محقق دانشگاه دموکریتوس تریاک که این تحقیق را انجام داد ، به TechXplore گفت.