Cellular Automata Models Simulating Slime Mould Computing

Tsompanas, Michail‐Antisthenis; Sirakoulis, Georgios Ch.; Adamatzky, Andrew

doi:10.1007/978-3-319-26662-6_27

Cited by 9 publications

(12 citation statements)

References 48 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…More specifically, the testbed selected was a series of biological experiments, as provided in [20], so as the P. polycephalum to perform basic logical operations on a geometrically constrained substrate of two Boolean logic gates, where the proposed model performed adequately mimicking in an efficient way the biological organism behaviour. Up-to-date models have attempted to imitate this behaviour through either less or more complicated CA rules [33,24,5] or other methods [34,3,35,36,37,38,39,40,41]; however, the flexibility and the precision offered by the introduced model, through almost simpler rules, makes it also an excellent tool for modeling such organisms.…”

Section: Discussionmentioning

confidence: 99%

Unconventional Bio-Inspired Model for Design of Logic Gates

Floros¹,

Tsakalos²,

Dourvas³

et al. 2020

Preprint

Self Cite

View full text Add to dashboard Cite

During the last years, a well studied biological substrate, namely Physarum polycephalum, has been proven efficient on finding appropriate and efficient solutions in hard to solve complex mathematical problems. The plasmodium of P. polycephalum is a single-cell that serves as a prosperous biocomputational example. Consequently, it has been successfully utilized in the past to solve a variety of path problems in graphs and combinatorial problems. In this work, this interesting behaviour is mimicked by a robust unconventional computational model, drawing inspiration from the notion of Cellular and Learning Automata. Namely, we employ principles of Cellular Automata (CAs) enriched with learning capabilities to develop a robust computational model, able of modelling appropriately the aforementioned biological substrate and, thus, capturing its computational capabilities. CAs are very efficient in modelling biological systems and solving scientific problems, owing to their ability of incarnating essential properties of a system where global behaviour arises as an effect of simple components, interacting locally. The resulting computational tool, after combining CAs with learning capabilities, should be appropriate for modelling the behaviour of living organisms. Thus, the inherent abilities and computational characteristics of the proposed bio-inspired model are stressed towards the experimental verification of Physarum's ability to model Logic Gates, while trying to find minimal paths in properly configured mazes with food sources. The presented simulation results for various Logic Gates are found in good agreement, both qualitatively and quantitatively, with the corresponding experimental results, proving the efficacy of this unconventional bio-inspired model and providing useful insights for its enhanced usage in various computing applications.

show abstract

Section: Discussionmentioning

confidence: 99%

Unconventional Bio-Inspired Model for Design of Logic Gates

Floros¹,

Tsakalos²,

Dourvas³

et al. 2020

Preprint

Self Cite

View full text Add to dashboard Cite

show abstract

“…A new model of CA was developed, in order to combine CA [15,16], and multiagent modeling [22]. This new model integrates the parallel nature of CA along with the dynamic behavior in space and time of the multi-agent system without, however, increasing the complexity of the system.…”

Section: Description Of the Ca-multiagent Modelmentioning

confidence: 99%

“…Nonetheless, the abilities of P. polycephalum inspired scientists to invest efforts towards the simulation of its behavior and its usage to solve complex problems, like designing routes in information networks [11]. Some examples of the computerized approximation of the behavior of the plasmodium are a mathematical model with feedback of the tube dynamics [12], agent-based particle models [13] and cellular automata (CA) [14][15][16]We propose a novel approach towards computerizing the abilities of the slime mouldby designing a hybrid model, which combines CA and a multi-agent system is introduced.…”

Section: Introductionmentioning

confidence: 99%

Hardware Implementation of a Biomimicking Hybrid CA

Madikas

Tsompanas

Dourvas

et al. 2018

Developments in Language Theory

Self Cite

View full text Add to dashboard Cite

A hybrid model, combining a Cellular Automaton (CA) and a multi-agent system, was proposed to mimic the computation abilities of the plasmodium of Physarum polycephalum. This model was implemented on software, as well as, on hardware, namely on a Field Programmable Gate Array (FPGA). The specific ability of the P. polycephalum simulated here is given in brief, also bringing attention to the approximation of a Kolmogorov-Uspensky machine (KUM), an alternative to the Turing machine. KUM represent data and program by a labeled indirected graphs and a computation is performed by adding/removing nodes/edges. The proposed model implementation is taking full advantage of the inherent parallel nature of automaton networks, and CA, as a result of the mapping of the local rule to a digital circuit. Consequently, the acceleration of the computation for the hardware implementation, compared to the software, is as high as 6 orders of magnitude.

show abstract

“…The initially developed model [79] can be described by the following procedures. The initialization step includes the definition of parameters that have a great impact on the results.…”

Section: First Variation Of the Modelmentioning

confidence: 99%

“…A thoroughly studied laboratory experiment that the plasmodium of P. polycephalum is subjected to, is the imitation and optimization of human-made transport networks in several countries [78]. In order to accelerate the long lasting (3 to 5 days) biological experiments a CA model was proposed [79] that imitates the behaviour and, thus, the computational abilities of the plasmodium. In this Chapter, the development of the model and its assessment in simple and frequently studied problems were described.…”

Section: Introductionmentioning

confidence: 99%

Design and hardware implementation of unconventional computing systems for networks analysis and data center management

Tsompanas¹,

Τσομπανάς²

View full text Add to dashboard Cite

Η υψηλή κατανάλωση ενέργειας ενός σύγχρονου Κέντρου Δεδομένων αποτελεί ένα από τα πιο σημαντικά και απαιτητικά ζητήματα στα σημερινά «οικοσυστήματα» πληροφοριακών συστημάτων. Σύμφωνα με μια μελέτη της Greenpeace με τίτλο MakeITGreen, έχει υπολογιστεί ότι η παγκόσμια ζήτηση ηλεκτρικής ενέργειας από τα Κέντρα Δεδομένων το 2007 ήταν περίπου 300 δις kWh (σχεδόν η ίδια ποσότητα ηλεκτρικής ενέργειας που καταναλώνει το Ηνωμένο Βασίλειο). Αυτή η απαίτηση για κατανάλωση ενέργειας προβλέπεται να υπερτριπλασιαστεί έως το 2020 (σε περισσότερα από 100 δις kWh). Η εξέλιξη της τεχνολογίας νέφους και άλλων αναπτυσσόμενων δικτυακών εφαρμογών έχουν αυξήσει σημαντικά την κίνηση στα Κέντρα Δεδομένων και οδήγησαν σε μια μεγάλη αύξηση της κατανάλωσης ενέργειας. Αυτή η αύξηση επιφέρει επίσης την αύξηση των εκπομπών άνθρακα. Το 2002, οι συνολικές εκπομπές των Κέντρων Δεδομένων άγγιζαν τα 76 MtCO2e (Million metric tons of carbon dioxide equivalent – Εκ. μετρικούς τόνους από ισοδύναμα του διοξειδίου του άνθρακα) και αναμένεται να υπερτριπλασιαστούν μέχρι το έτος 202 σε 259 MtCO2e. Έτσι τα Κέντρα Δεδομένων κατατάσσονται στον πιο γρήγορα αναπτυσσόμενο συμβαλλόμενο στις εκπομπές διοξειδίου του άνθρακα στον τομέα της Τεχνολογίας Πληροφοριών, με το σχετικό ποσοστό του 7%. Η αποφασιστική μείωση της κατανάλωσης ενέργειας είναι αδύνατη χωρίς μια δραστική βελτίωση στην ενεργειακή αποδοτικότητα, με την μείωση της κατανάλωσης ανα bit σε υπολογιστικά και τηλεπικοινωνιακά συστήματα. Επομένως, απαιτούνται ενεργειακά αποδοτικότεροι επεξεργαστές, στοιχεία αποθήκευσης, switches και μνήμης, τα οποία θα παρέχουν επαυξημένη υπολογιστική δυνατότητα με μειωμένη κατανάλωση ενέργειας. Σήμερα, σχεδόν όλοι οι δικτυακοί διακομιστές είναι βασισμένοι σε αρχιτεκτονικές x86 υψηλής απόδοσης, οι οποίες δεν είναι βελτιστοποιημένες με όρους ενέργειας. Η αυξανόμενη κατανάλωση ενέργειας των Κέντρων Δεδομένων ήραν η κινητήρια δύναμη για την εκπόνηση της παρούσας διδακτορικής διατριβής. Ένας επιπρόσθετος παράγοντας ήταν η μικρή ενσωμάτωση μεθόδων εναλλακτικών υπολογιστών που απαιτούν ένα ευρύ φάσμα επιστημονικού υποβάθρου. Ένα εναλλακτικό και αντισυμβατικό μέσο που αποτέλεσε έμπνευση για την παρούσα διδακτορική διατριβή είναι το πλασμώδιο του μύκητα Physarum polycephalum, ένα πολυπύρηνο κύτταρο, ένα ζωντανό μέσο το οποίο ψάχνει τροφή και παλεύει για την επιβίωσή του σε ένα αντίξοο περιβάλλον. Μετά την ανάλυση της συμπεριφοράς του πλασμωδίου έγινε σχεδιασμός ενός μοντέλου που παράγει δικτυώματα τα οποία συγκρίθηκαν με υπαρκτά δικτυώματα. Επιπλέον, δεδομένων των αποτελεσμάτων και κάποιων θεωρητικά ορισμένων γράφων, το μοντέλο βελτιστοποιήθηκε και παρείχε αποδοτικότερα δικτυώματα. Επομένως, το ίδιο το μοντέλο χρησιμοποιήθηκε για το σχεδιασμό ενός δένδρου δεδομένων (data tree) για ένα Ασύρματο Δίκτυο Αισθητήρων (Wireless Sensor Network) το οποίο χρησιμοποιείται για την καταγραφή των θερμοκρασιών σε ένα Κέντρο Δεδομένων και τον έλεγχο των υποστηρικτικών συστημάτων του. Από την άλλη πλευρά, μελετήθηκαν και πιο συμβατικοί τρόποι για την βελτίωση της αποδοτικότητας των Κέντρων Δεδομένων. Πιο συγκεκριμένα, μελετήθηκε ο διαμοιρασμός σε υπολογιστικές οντότητες κάποιων πόρων υλικού, όπως η κρυφή (cache) μνήμη, χρησιμοποιώντας Κυψελιδωτά Αυτόματα και Θεωρία Παιγνίων. Επίσης, εξετάστηκε η ενσωμάτωση κάποιων υπολογισμών σε υλικό, έτσι ώστε να επιταχυνθούν οι υπολογισμοί σε ένα Κέντρο Δεδομένων και επομένως να εξοικονομηθεί ενέργεια.

show abstract

Cellular Automata Models Simulating Slime Mould Computing

Cited by 9 publications

References 48 publications

Unconventional Bio-Inspired Model for Design of Logic Gates

Unconventional Bio-Inspired Model for Design of Logic Gates

Hardware Implementation of a Biomimicking Hybrid CA

Design and hardware implementation of unconventional computing systems for networks analysis and data center management

Contact Info

Product

Resources

About