Естественные вычисления

редактировать

Естественные вычисления, также называемые естественными вычислениями, - это терминология, введенная для охвата трех классов методов : 1) те, кто черпают вдохновение в природе для разработки новых методов решения проблем; 2) основанные на использовании компьютеров для синтеза природных явлений; и 3) те, в которых для вычислений используются природные материалы (например, молекулы). Основными направлениями исследований, составляющих эти три ветви, являются искусственные нейронные сети, эволюционные алгоритмы, интеллект роя, искусственные иммунные системы, фрактал геометрия, искусственная жизнь, ДНК-вычисления и квантовые вычисления и другие.

Вычислительные парадигмы, изучаемые с помощью естественных вычислений, абстрагируются от таких разнообразных природных явлений, как самовоспроизведение, функционирование мозга, дарвиновская эволюция, групповое поведение, иммунная система, определяющие свойства жизненных форм, клеточные мембраны и морфогенез. Помимо традиционного электронного оборудования, эти вычислительные парадигмы могут быть реализованы на альтернативных физических средах, таких как биомолекулы (ДНК, РНК) или устройства квантовых вычислений с захваченными ионами.

С другой стороны, процессы, происходящие в природе, можно рассматривать как обработку информации. Такие процессы включают самосборку, процессы развития, сети регуляции генов, сети белок-белковых взаимодействий, биологический транспорт (активные транспортные, пассивные транспортные ) сети, а в одноклеточных организмах. Попытки понять биологические системы также включают разработку полусинтетических организмов и понимание самой Вселенной с точки зрения обработки информации. Более того, была даже выдвинута идея, что информация более фундаментальна, чем материя или энергия. В тезисе Цузе-Фредкина, датируемом 1960-ми годами, говорится, что вся Вселенная представляет собой огромный клеточный автомат, который постоянно обновляет свои правила. Недавно было высказано предположение, что вся Вселенная - это квантовый компьютер, который вычисляет свое собственное поведение. Вселенная / природа как вычислительный механизм рассматривается, исследуя природу с помощью идей вычислимости и изучая естественные процессы как вычисления (обработка информации).

Содержание
  • 1 Модели вычислений, вдохновленные природой
    • 1.1 Клеточные автоматы
    • 1.2 Нейронные вычисления
    • 1.3 Эволюционные вычисления
    • 1.4 Интеллект роя
    • 1.5 Искусственные иммунные системы
    • 1.6 Мембрана вычисления
    • 1.7 Аморфные вычисления
    • 1.8 Морфологические вычисления
    • 1.9 Когнитивные вычисления
  • 2 Синтезирование природы посредством вычислений
    • 2.1 Искусственная жизнь
  • 3 Новое оборудование, вдохновленное природой
    • 3.1 Молекулярные вычисления
    • 3.2 Квантовые вычисления
  • 4 Природа как обработка информации
    • 4.1 Системная биология
    • 4.2 Синтетическая биология
    • 4.3 Клеточные вычисления
  • 5 См. Также
  • 6 Ссылки
  • 7 Дополнительная литература
Модели вычислений, вдохновленные природой

Наиболее устоявшимися «классическими» моделями вычислений, вдохновленных природой, являются клеточные автоматы, нейронные вычисления и эволюционные вычисления. Более современные вычислительные системы, абстрагированные от естественных процессов, включают интеллект роя, искусственные иммунные системы, мембранные вычисления и аморфные вычисления. Подробные обзоры можно найти во многих книгах.

Клеточные автоматы

Дополнительная информация: Клеточный автомат

Клеточный автомат - это динамическая система, состоящая из массива клеток. Пространство и время дискретны, и каждая из ячеек может находиться в конечном числе состояний . Клеточный автомат синхронно обновляет состояния своих ячеек в соответствии с правилами перехода, заданными априори. Следующее состояние ячейки вычисляется правилом перехода и зависит только от ее текущего состояния и состояний ее соседей.

Игра жизни Конвея - один из самых известных примеров клеточных автоматов, который оказался универсальным в вычислительном отношении. Клеточные автоматы применялись для моделирования различных явлений, таких как общение, рост, воспроизводство, конкуренция, эволюция и другие физические и биологические процессы.

Нейронные вычисления

Дополнительная информация: Искусственная нейронная сеть

Нейронные вычисления - это область исследований, которая возникла в результате сравнения вычислительных машин и человека нервная система. Эта область направлена ​​как на понимание того, как работает мозг живых организмов (или вычислительная нейробиология ), так и на разработку эффективных алгоритмов, основанных на принципы обработки информации человеческим мозгом (искусственные нейронные сети, ИНС).

искусственная нейронная сеть - это сеть искусственных нейронов. Искусственный нейрон A снабжен функцией f A {\ displaystyle f_ {A}}f_ {A } , принимает n вещественных входов x 1, x 2, …, Xn {\ displaystyle x_ {1}, x_ {2}, \ ldots, x_ {n}}x_ {1}, x_ {2}, \ ldots, x_ {n} с соответствующими весами w 1, w 2,…, wn {\ displaystyle w_ {1}, w_ {2}, \ ldots, w_ {n}}w_ { 1}, w_ {2}, \ ldots, w_ {n} , и выводит f A (w 1 x 1 + w 2 x 2 +… + wnxn) {\ displaystyle f_ {A} (w_ {1} x_ {1} + w_ {2} x_ {2} + \ ldots + w_ {n} x_ {n})}f_ {A} (w_ {1} x_ {1} + w_ {2} x_ {2} + \ ldots + w_ {n} x_ {n}) . Некоторые нейроны выбираются в качестве выходных нейронов, а сетевая функция - это векторная функция, которая связывает с n входными значениями выходы m выбранных выходных нейронов. Обратите внимание, что при выборе разных весов для одних и тех же входов создаются разные сетевые функции. Обратное распространение - это метод контролируемого обучения, с помощью которого веса соединений в сети повторно регулируются, чтобы минимизировать разницу между вектором фактических выходов и вектором желаемых выходов. Алгоритмы обучения, основанные на обратном распространении ошибок, могут использоваться для поиска оптимальных весов для данной топологии сети и пар вход-выход.

Эволюционные вычисления

Дополнительная информация: Эволюционные вычисления

Эволюционные вычисления - это вычислительная парадигма, вдохновленная дарвиновской эволюцией.

Искусственная эволюционная система - это вычислительная система, основанная на понятии смоделированной эволюции. Он включает популяцию особей постоянного или переменного размера, критерий пригодности и генетически вдохновленные операторы, которые производят следующее поколение из текущего. Начальная популяция обычно создается случайным образом или эвристически, и типичными операторами являются мутация и рекомбинация. На каждом этапе индивидуумы оцениваются в соответствии с заданной функцией приспособленности (выживаемость наиболее приспособленных ). Следующее поколение получается от избранных людей (родителей) с помощью генетически вдохновленных операторов. Выбор родителей может определяться оператором выбора, который отражает биологический принцип выбора партнера. Этот процесс смоделированной эволюции в конечном итоге сводится к почти оптимальной популяции особей с точки зрения функции приспособленности.

Изучение эволюционных систем исторически развивалось по трем основным направлениям: Стратегии эволюции обеспечивают решение задач оптимизации параметров как для вещественных, так и для дискретных и смешанных типы параметров. Эволюционное программирование первоначально было направлено на создание оптимальных "интеллектуальных агентов", моделируемых, например, как конечные автоматы. Генетические алгоритмы применили идею эволюционных вычислений к проблеме поиска (почти) оптимального решения данной проблемы. Генетические алгоритмы изначально состояли из входной популяции индивидов, закодированных как битовые строки фиксированной длины, мутации генетических операторов (перевороты битов) и рекомбинации (комбинация префикса одного родителя с суффиксом другого) и проблемно-зависимой приспособленности. функция. Генетические алгоритмы использовались для оптимизации компьютерных программ, называемых генетическим программированием, и сегодня они также применяются к задачам оптимизации вещественных параметров, а также ко многим типам.

Алгоритм оценки распределения (EDA), с другой стороны, представляет собой эволюционные алгоритмы, которые заменяют традиционные операторы воспроизведения операторами на основе модели. Такие модели изучаются у населения с помощью методов машинного обучения и представляются в виде вероятностных графических моделей, из которых можно выбирать или генерировать новые решения с помощью управляемого кроссовера.

Интеллект роя

интеллект роя, иногда называемый коллективный разум, определяется как поведение при решении проблем, возникающее в результате взаимодействия отдельных агентов (например, бактерий, муравьев, термиты, пчелы, пауки, рыбы, птицы ), которые общаются с другими агентами, действуя в их локальных средах.

Оптимизация роя частиц применяет эту идею к проблеме поиска оптимального решения данной проблемы путем поиска в (многомерном) пространстве решений. Первоначальная установка - это рой частиц, каждая из которых представляет собой возможное решение проблемы. Каждая частица имеет свою собственную скорость, которая зависит от ее предыдущей скорости (компонент инерции), тенденции к прошлому личному лучшему положению (компонент ностальгии) и ее тенденции к глобальному оптимуму соседства или оптимуму локального соседства. (социальная составляющая). Таким образом, частицы движутся в многомерном пространстве и в конечном итоге сходятся к точке между глобальным лучшим и своим личным лучшим. Алгоритмы оптимизации роя частиц применялись к различным задачам оптимизации, а также к приложениям неконтролируемого обучения и планирования.

Аналогичным образом, алгоритмы муравьев моделируют поведение колоний муравьев при поиске пищи. Чтобы найти лучший путь между гнездом и источником пищи, муравьи полагаются на косвенную связь, прокладывая феромонный след на обратном пути к гнезду, если они нашли пищу, соответственно, следя за концентрацией феромонов, если они ищут еду. Алгоритмы Ant были успешно применены к множеству задач комбинаторной оптимизации над дискретными пространствами поиска.

Искусственные иммунные системы

Искусственные иммунные системы (также известные как иммунологические вычисления или иммунокомпьютинг ) - это вычислительные системы, вдохновленные естественными иммунными системами биологических организмов.

Рассматриваемая как система обработки информации, естественная иммунная система организмов выполняет множество сложных задач в режиме параллельных и распределенных вычислений. К ним относятся различение между собой и чужим, нейтрализацией чужих патогенов (вирусов, бактерий, грибов и паразиты ), обучение, память, саморегулирование и отказоустойчивость. Искусственные иммунные системы - это абстракции естественной иммунной системы, подчеркивающие эти вычислительные аспекты. Их приложения включают обнаружение компьютерных вирусов, обнаружение аномалий во временном ряду данных, диагностику неисправностей, распознавание образов, машинное обучение, биоинформатика, оптимизация, робототехника и контроль.

Мембранные вычисления

Мембранные вычисления исследуют компьютерные модели, абстрагированные из разнесенной структуры живого клетки, на которые воздействуют мембраны. Общая мембранная система (P-система) состоит из клеточных компартментов (областей), ограниченных мембранами, которые помещены в вложенную иерархическую структуру. Каждая окруженная мембраной область содержит объекты, правила преобразования, которые изменяют эти объекты, а также правила передачи, которые определяют, будут ли объекты перемещаться за пределы области или оставаться внутри нее. Регионы общаются друг с другом посредством передачи объектов. Вычисление мембранной системой начинается с начальной конфигурации, в которой номер (множественность ) каждого объекта устанавливается равным некоторому значению для каждой области (мультимножество объектов ). Он продолжается путем выбора недетерминированно и максимально параллельным способом, какие правила применяются к каким объектам. Выходные данные вычислений собираются из заранее определенной выходной области.

Приложения мембранных систем включают машинное обучение, моделирование биологических процессов (фотосинтез, определенные сигнальные пути, распознавание кворума у бактерий, клетки- опосредованный иммунитет ), а также приложения для компьютерных наук, такие как компьютерная графика, криптография с открытым ключом, аппроксимация и сортировка алгоритмы, а также анализ различных.

Аморфные вычисления

В биологических организмах морфогенез (развитие четко определенных форм и функциональных структур) достигается за счет взаимодействия между клетками под управлением генетической программы, закодированной в ДНК организма.

Вдохновленный этой идеей, аморфные вычисления нацелены на разработку четко определенных форм и шаблонов или согласованного вычислительного поведения на основе локального взаимодействия множества простых ненадежных, нерегулярно размещенных, асинхронных, идентично запрограммированные вычислительные элементы (частицы). В качестве парадигмы программирования цель состоит в том, чтобы найти новые методы программирования, которые хорошо работали бы в аморфных вычислительных средах. Аморфные вычисления также играют важную роль в качестве основы для «клеточных вычислений » (см. Темы синтетическая биология и клеточные вычисления ниже).

Морфологические вычисления

Понимание того, что морфология выполняет вычисления, используется для анализа взаимосвязи между морфологией и контролем и для теоретического руководства при проектировании роботов с пониженными требованиями к управлению, используется в обеих робототехнике. а для понимания когнитивных процессов в живых организмах см. Морфологические вычисления и.

Когнитивные вычисления

Когнитивные вычисления CC - это новый тип вычислений, обычно с целью моделирование функций человеческого восприятия, мышления и реакции на стимул, см. Когнитивные вычисления и.

Когнитивные способности современных когнитивных вычислений далеки от человеческого уровня. Тот же информационно-вычислительный подход может быть применен к другим, более простым живым организмам. Бактерии являются примером когнитивной системы, смоделированной с помощью вычислений, см. Эшель Бен-Джейкоб и Разум микробов.

Синтезирование природы посредством вычислений

Искусственная жизнь

Искусственная life (ALife) - это область исследований, конечной целью которой является понимание основных свойств живых организмов путем создания в электронных компьютерах или других искусственных средах ab initio систем, которые проявляют свойства, обычно связанные только с живые организмы. Ранние примеры включают системы Линденмайера (L-системы), которые использовались для моделирования роста и развития растений. L-система - это система параллельной перезаписи, которая начинается с начального слова и применяет свои правила перезаписи параллельно ко всем буквам слова.

Новаторские эксперименты в области искусственной жизни включали создание эволюционирующих "виртуальных блочных существ" "действие в смоделированных средах с реалистичными характеристиками, такими как кинетика, динамика, гравитация, столкновение и трение. Эти искусственные существа были отобраны за их способности плавать, ходить или прыгать, и они соревновались за общий ограниченный ресурс (контроль над кубом). Моделирование привело к эволюции существ, демонстрирующих удивительное поведение: одни развили руки, чтобы схватить куб, другие развили ноги, чтобы двигаться к кубу. Этот вычислительный подход был дополнительно объединен с технологией быстрого производства, чтобы фактически создать физических роботов, которые фактически эволюционировали. Это ознаменовало появление области механической искусственной жизни .

. Область синтетической биологии исследует биологическое воплощение подобных идей. Другие направления исследований в области искусственной жизни включают искусственную химию, а также традиционно биологические явления, исследуемые в искусственных системах, от вычислительных процессов, таких как коэволюционная адаптация и развитие, до физических такие процессы, как рост, самовоспроизведение и самовосстановление.

Новое оборудование, вдохновленное природой

Все вычислительные методы, упомянутые выше, хотя и вдохновлены природой, до сих пор реализовывались в основном на традиционном электронном оборудовании. Напротив, две представленные здесь парадигмы, молекулярные вычисления и квантовые вычисления, используют совершенно разные типы оборудования.

Молекулярные вычисления

Молекулярные вычисления (также известные как биомолекулярные вычисления, биокомпьютеры, биохимические вычисления, ДНК-вычисления ) - это вычислительная парадигма, в которой данные кодируются как биомолекулы, такие как нити ДНК, и инструменты молекулярной биологии воздействуют на данные для выполнения различных операций (например, арифметических или логических операций ).

Первой экспериментальной реализацией молекулярного компьютера специального назначения был прорывный эксперимент 1994 года, проведенный Леонардом Адлеманом, который решил 7-узловой пример проблемы гамильтонова пути исключительно с помощью манипулирование нитями ДНК в пробирках. Вычисления ДНК начинаются с начального ввода, закодированного как последовательность ДНК (по сути, последовательность в четырехбуквенном алфавите {A, C, G, T}), и продолжаются последовательностью биоопераций, таких как вырезание и вставка ( с помощью рестрикционных ферментов и лигаз ), экстракции цепей, содержащих определенную подпоследовательность (с использованием комплементарности Уотсона-Крика), копирования (с помощью полимеразной цепной реакции, которая использует фермент полимеразы) и считывание. Недавние экспериментальные исследования позволили решить более сложные примеры NP-complete проблем, таких как экземпляр 3SAT с 20 переменными, и реализации конечных автоматов с мокрой ДНК с потенциальными приложениями к дизайну. умных наркотиков.

Самосборка плитки ДНК треугольника Серпинского, начиная с семени, полученного с помощью техники ДНК-оригами

Одним из наиболее заметных вкладов исследований в этой области является к пониманию самосборки. Самосборка - это восходящий процесс, с помощью которого объекты автономно объединяются в сложные структуры. В природе существует множество примеров, в том числе атомов, связывающихся химическими связями с образованием молекул, и молекул, образующих кристаллы или макромолекулы. Примеры тем исследований самосборки включают самособирающиеся наноструктуры ДНК, такие как треугольники Серпинского или произвольные наноформы, полученные с использованием техники ДНК-оригами, и наномашины ДНК, такие как схемы на основе ДНК (двоичный счетчик,), рибозимы для логических операций, молекулярные переключатели () и автономные молекулярные двигатели ().

Теоретические исследования в области молекулярных вычислений привели к появлению нескольких новых моделей вычислений ДНК (например, представленных Томом Хедом еще в 1987 году), и их вычислительная мощность была исследована. В настоящее время известно, что различные подмножества биоопераций могут обеспечить вычислительную мощность машин Тьюринга.

квантовых вычислений

Дополнительная информация: квантовых вычислений

квантовый компьютер обрабатывает данные, хранящиеся в квантовом виде. битов (кубитов ) и использует квантово-механические явления, такие как суперпозиция и запутанность для выполнения вычислений. Кубит может содержать «0», «1» или их квантовую суперпозицию. Квантовый компьютер работает с кубитами с квантовыми логическими вентилями. С помощью полиномиального алгоритма Шора для разложения целых чисел и алгоритма Гровера для квантового поиска в базе данных, который имеет квадратичное преимущество по времени, квантовые компьютеры потенциально обладают значительным преимуществом по сравнению с электронными компьютерами.

Квантовая криптография основана не на сложности вычислений, а на особых свойствах квантовой информации, таких как тот факт, что квантовая информация не может быть надежно измерена. и любая попытка его измерения приводит к неизбежным и необратимым нарушениям. В 2007 году было сообщено об успешном эксперименте под открытым небом в области квантовой криптографии, когда данные передавались на расстояние 144 км. Квантовая телепортация - еще одно многообещающее приложение, в котором квантовое состояние (не материя или энергия) является переносится в произвольное отдаленное место. Реализации практических квантовых компьютеров основаны на различных подложках, таких как ионные ловушки, сверхпроводники, ядерный магнитный резонанс и т. Д. По состоянию на 2006 год крупнейшие квантовые вычисления В эксперименте использовались жидкостные процессоры квантовой информации ядерного магнитного резонанса, которые могли работать с 12 кубитами.

Природа как обработка информации

Двойной аспект естественных вычислений состоит в том, что они нацелены на понимание природы посредством рассматривать природные явления как обработку информации. Еще в 1960-х Цузе и Фредкин предложили идею о том, что вся Вселенная представляет собой вычислительный механизм (обработка информации), смоделированный как клеточный автомат, который постоянно обновляет свои правила. Недавний квантово-механический подход Ллойда предлагает Вселенную как квантовый компьютер, который вычисляет свое собственное поведение, в то время как Ведрал предполагает, что информация является самым фундаментальным строительным блоком реальности.

Вселенная / природа как вычислительный механизм разрабатывается, исследуя природу с помощью идей вычислимости, в то время как, основываясь на идее природы как сети сетей информационных процессов на разных уровнях организации, является изучение природных процессов как вычислений (обработка информации).

Основными направлениями исследований в этой области являются системная биология, синтетическая биология и клеточные вычисления.

Системная биология

Далее информация: системная биология

Вычислительная системная биология (или просто системная биология) - это комплексный и качественный подход, который исследует сложные коммуникации и взаимодействия, происходящие в биологических системах. Таким образом, в системной биологии в центре внимания исследования сами сети взаимодействия и свойства биологических систем, которые возникают из-за этих сетей, а не отдельные компоненты функциональных процессов в организме. Этот тип исследований органических компонентов был сосредоточен на четырех различных сетях взаимозависимого взаимодействия: сетях регуляции генов, биохимических сетях, транспортных сетях и углеводных сетях.

Генные регуляторные сети включают взаимодействия генов, а также взаимодействия между генами и другими веществами в клетке. Гены транскрибируются в информационную РНК (мРНК), а затем транслируются в белки в соответствии с генетическим кодом. Каждый ген связан с другими сегментами ДНК (промоторы, энхансеры или сайленсеры ), которые действуют как сайты связывания для активаторов. или репрессоры для транскрипции гена. Гены взаимодействуют друг с другом либо через свои генные продукты (мРНК, белки), которые могут регулировать транскрипцию генов, либо через небольшие, которые могут напрямую регулировать гены. Они, вместе с взаимодействиями генов с другими веществами в клетке, образуют основную сеть взаимодействия: регуляторные сети генов. Они выполняют задачи обработки информации внутри ячейки, включая сборку и обслуживание других сетей. Модели регуляторных сетей генов включают случайные и вероятностные булевы сети и сетевые мотивы.

. Другая точка зрения состоит в том, что вся геномная регуляторная система представляет собой вычислительную систему, геномный компьютер. Эта интерпретация позволяет сравнивать электронные вычисления, созданные человеком, с вычислениями, которые происходят в природе.

Сравнение геномных и электронных компьютеров
Геномный компьютерЭлектронный компьютер
Архитектураизменяемыйжесткий
Конструкция компонентовпо мере необходимостис самого начала
Координацияпричинная координациявременная синхронизация
Различие между аппаратным и программным обеспечениемNoДа
Транспортная средамолекулы и ионыпровода

Кроме того, в отличие от обычного компьютера, надежность геномный компьютер достигается за счет различных механизмов обратной связи, с помощью которых плохо функциональные процессы быстро разрушаются, плохо функциональные клетки убиваются в результате апоптоза, а плохо функциональные организмы вытесняются более приспособленными видами.

относятся к взаимодействиям между белками, и они выполняют различные механические и метаболические задачи внутри клетки. Два или более белков могут связываться друг с другом посредством связывания сайтов их взаимодействия и образовывать динамический белковый комплекс (комплексообразование ). Эти белковые комплексы могут действовать как катализаторы других химических реакций или могут химически модифицировать друг друга. Такие модификации вызывают изменения доступных сайтов связывания белков. В клетке десятки тысяч белков, и они взаимодействуют друг с другом. Чтобы описать столь масштабные взаимодействия, были введены графические обозначения для изображения молекулярных взаимодействий в сжатых изображениях. Другие подходы к точному и лаконичному описанию межбелковых взаимодействий включают использование пи-камня, обогащенного стохастическими характеристиками.

относятся к разделению и переносу веществ, опосредованному липидными мембранами. Некоторые липиды могут самоорганизовываться в биологические мембраны. Липидная мембрана состоит из липидного бислоя, в который встроены белки и другие молекулы, способные перемещаться по этому слою. Через липидные бислои вещества транспортируются между внутренней и внешней частью мембран, чтобы взаимодействовать с другими молекулами. Формализмы, изображающие транспортные сети, включают мембранные системы и.

Синтетическая биология

Дополнительная информация: синтетическая биология

Синтетическая биология направлена ​​на создание синтетических биологических компонентов с конечной целью сборки целых биологических систем из их составляющие компоненты. История синтетической биологии восходит к 1960-м годам, когда Франсуа Жакоб и Жак Моно открыли математическую логику в регуляции генов. Методы генной инженерии, основанные на технологии рекомбинантной ДНК, являются предшественником современной синтетической биологии, которая распространяет эти методы на целые системы генов и генных продуктов.

Наряду с возможностью синтеза более длинных и длинных цепей ДНК, реальностью стала перспектива создания синтетических геномов с целью создания полностью искусственных. Действительно, быстрая сборка химически синтезированных коротких цепей ДНК позволила сгенерировать синтетический геном вируса размером 5386 п.н.

Альтернативно, Smith et al. обнаружили около 100 генов, которые можно удалить по отдельности из генома Mycoplasma Genitalium. Это открытие открывает путь к созданию минимального, но все же жизнеспособного искусственного генома, состоящего только из основных генов.

Третий подход к конструированию полусинтетических клеток - конструирование одного типа РНК-подобной молекулы со способностью к саморепликации. Такую молекулу можно получить, руководя быстрой эволюцией начальной популяции РНК-подобных молекул, путем отбора по желаемым признакам.

Еще одна попытка в этой области направлена ​​на разработку многоклеточных систем путем разработки, например, модулей межклеточной связи, используемых для координации популяций живых бактериальных клеток.

Клеточные вычисления

Вычисления в живых клетках (также известные как клеточные вычисления или вычисления in-vivo ) - еще один подход к пониманию природы как вычислений. Одним из конкретных исследований в этой области является изучение вычислительной природы сборки генов у одноклеточных организмов, называемых инфузориями. Инфузории хранят копию своей ДНК, содержащую функциональные гены, в макронуклеусе, а другую «зашифрованную» копию - в микронуклеусе. Конъюгация двух инфузорий заключается в обмене их микроядерной генетической информацией, что приводит к образованию двух новых микроядер, после чего каждая инфузория повторно собирает информацию из своего нового микроядра, чтобы построить новое функциональное макроядро. Последний процесс называется перестройкой генов. Он включает переупорядочение некоторых фрагментов ДНК (перестановок и, возможно, инверсии ) и удаление других фрагментов из микроядерной копии. С вычислительной точки зрения изучение этого процесса сборки генов привело к появлению множества сложных исследовательских тем и результатов, таких как универсальность по Тьюрингу различных моделей этого процесса. С биологической точки зрения, правдоподобная гипотеза о «биологическом ПО», реализующем процесс сборки генов, была предложена на основе.

Другие подходы к клеточным вычислениям включают разработку in vivo программируемый и автономный конечный автомат с E. coli, разработка и конструирование клеточных логических ворот и генетических схем in vivo, которые используют существующие биохимические процессы клетки (см., например), и глобальную оптимизацию устьиц в листьях, следуя набору местных правил напоминающий клеточный автомат.

См. также
Ссылки
Дополнительная литература

Эта статья была написана на основе следующих ссылок с любезного разрешения их авторов:

Многие из составляющих областей исследований естественных вычислений имеют свои собственные специализированные журналы и серии книг. Журналы и серии книг, посвященные широкой области естественных вычислений, включают журналы International Journal of Natural Computing Research (IGI Global), Natural Computing (Springer Verlag), теоретический компьютер. Science, Series C: Theory of Natural Computing (Elsevier), серия книг Natural Computing (Springer Verlag) и Handbook of Natural Computing (G.Rozenberg, T..Back, J.Kok, Editors, Springer Verlag).

  • Ridge, E.; Куденко, Д.; Казаков, Д.; Карри, Э. (2005). «Перенос природных алгоритмов в параллельные, асинхронные и децентрализованные среды». Самоорганизация и автономная информатика (I). 135 : 35–49. CiteSeerX 10.1.1.64.3403.
  • Swarms and Swarm Intelligence, Майкл Г. Хинчи, Рой Стеррит и Крис Рафф,

Последняя правка сделана 2021-05-31 12:34:50
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте