Dlaczego biologia?
Symulacje fizyczne doskonale sprawdzają się w systemach zamkniętych o znanych równaniach. Biologia jest inna: reguły są rozmyte, agenci są adaptacyjni, a najciekawsze efekty wynikają z interakcji wielu niezależnych agentów przestrzegających lokalnych reguł, których nie widzą w skali globalnej.
To sprawia, że biologia jest idealną dziedziną do symulacji. Nie potrzebujesz rozwiązań w postaci zamkniętej — uruchamiasz agentów, obserwujesz wyłaniające się wzorce i budujesz intuicję, której żadne równanie nie jest w stanie łatwo przekazać.
Emergencja w każdej demonstracji. Każda z poniższych symulacji generuje zachowanie bogatsze niż suma jej reguł. Żaden pojedynczy boid nie wie, że tworzy stado. Żadna pojedyncza mrówka nie wie, że optymalizuje trasę. Żaden pojedynczy organizm nie wie, że ewoluuje strategię. Globalny wzorzec wyłania się bez centralnego kontrolera.
Zachowania zbiorowe
Stado boidów
Klasyczny model Craiga Reynoldsa — trzy reguły (separacja, wyrównanie, kohezja) tworzą realistycznie wyglądające zachowanie stadne dla setek agentów.
Stado ptaków (3D)
Rozszerzony model boidów z unikaniem drapieżnika, polami przeszkód i płótnem 3D — łącznie z falami gęstości w stylu murmuracji, gdy dodany zostaje agent-drapieżnik.
Kolonia mrówek i feromony
Tysiące mrówek zostawiają ślady feromonowe do źródeł pożywienia i mrowiska. Obserwuj, jak kolonia spontanicznie znajduje najkrótsze trasy i rozwiązuje problem komiwojażera na niewielkich labiryntach.
Drapieżnik-ofiara (Lotki-Volterry)
Agentowa ekologia drapieżnik-ofiara na siatce toroidalnej. Obserwuj cykle populacyjne, przestrzenne spiralowanie i zdarzenia wymierania wynikające ze strojenia współczynników narodzin/śmierci.
Dynamika ewolucyjna
Algorytm genetyczny
Obserwuj, jak populacja ewoluuje w kierunku docelowego rozwiązania poprzez selekcję, krzyżowanie i mutację. Steruj presją doboru i częstością mutacji, by zbadać kompromis między eksploracją a eksploatacją.
Ewolucyjna teoria gier
Jastrzębie i gołębie. Ekologia „kamień-nożyce-papier". Przestrzenny dylemat więźnia. Obserwuj, jak współpraca i zdrada rozprzestrzeniają się w populacji na siatce.
Biologia molekularna
Zwijanie białka (model HP)
Sieciowy model HP — łańcuch reszt hydrofobowych (H) i polarnych (P) poszukujący konfiguracji o minimalnej energii metodą symulowanego wyżarzania. Pokazuje, dlaczego zwijanie jest problemem NP-trudnym.
Automaty komórkowe
Gra w życie Conwaya i osiem innych reguł, w tym Lenia (ciągły automat komórkowy), Mózg Briana i Mrówka Langtona. Maluj warunki początkowe i obserwuj wyłaniającą się strukturę.
Sugerowana kolejność eksploracji
- Boidy — pierwotny przykład emergencji z lokalnych reguł
- Kolonia mrówek — stygmergia: inteligencja poprzez środowisko
- Drapieżnik-ofiara — dynamika populacji i chaos
- Automaty komórkowe — obliczenia z czystych reguł przestrzennych
- Ewolucyjna teoria gier — strategia bez stratega
- Algorytm genetyczny — ukierunkowane przeszukiwanie poprzez mutację i selekcję
- Zwijanie białka — dlaczego najtrudniejszy problem biologii jest trudny
- Stado ptaków 3D — przesuń granice zachowania zbiorowego