《Journal of Imaging》：Self-Replicating Neural Cellular Automata: Quantifying Emergent Phenotypic and Genotypic Diversity in an Open-Ended Substrate
编辑推荐：
研究人员研究了一种计算机模拟（in silico）基质，其中双通道细胞自动机（cellular automata, CA）网格的每个像素携带一个微型神经网络（称为agent），用于感知其摩尔邻域（Moore neighbourhood）。细胞仅通过自复制持续存
研究人员研究了一种计算机模拟（in silico）基质，其中双通道细胞自动机（cellular automata, CA）网格的每个像素携带一个微型神经网络（称为agent），用于感知其摩尔邻域（Moore neighbourhood）。细胞仅通过自复制持续存在：一个存活邻居被克隆，其权重经均匀扰动发生突变，因此表型（phenotype，细胞状态）完全由基因型（genotype，网络权重）驱动。由少量种子创始人细胞开始，系统生长为空间组织的生态系统，包含共存、竞争和占优势的物种。研究人员的主要贡献是一组粗粒化多样性指标（coarse-grained diversity metrics），使这种生长可在两个尺度上测量：四个基于细胞类型频率、熵和细胞方差的表型工具（phenotypic tools），以及两个基因型工具（genotypic tools），分别通过每个agent全权重向量的哈希与稀疏随机权重探针（sparse random-weight probe）进行着色。在1680次小型运行的五折扫描和24次长时（1000代，200 × 200）运行中，该基质在24个长时配置中的20个中具有持久性和自维持性，并揭示出明确的表型-基因型多样性权衡（phenotype–genotype diversity trade-off）：提高表型多样性会压缩基因型多样性，反之亦然。全基因组哈希着色（full-genome hash colouring）进一步揭示了随机权重探针系统性地遗漏的谱系结构（lineage structure）。
研究背景：计算生命模型使研究人员能够研究复杂性、自组织和智能如何从简单局部规则中涌现。人工生命（Artificial Life, ALife）将开放端（open-endedness）定义为系统在没有固定目标时持续产生新颖、有意义结构的能力。细胞自动机（cellular automata, CA）是此类研究的经典基质，从Elementary CA和Game of Life到Lenia等连续系统及其扩展。神经细胞自动机（neural cellular automata, NCA）中每个细胞由小型可微网络更新，已被训练生长和再生目标形态、自分类数字并承载进化生命形式。近期工作显示，即使无显式训练，自复制NCA也表现自发突变和遗传漂变，表型与基因型误差共同增长。仍有两个问题未充分解决：多数NCA研究训练单一共享更新规则，对每个细胞拥有自身网络且唯一生存机制为自复制加突变的非均匀基质知之甚少；更重要的是，缺少实用指标以在长期范围内同时观察表型和基因型尺度上多样性的升降。因此，研究人员开展本研究，定义非均匀自复制NCA基质并提出粗粒化多样性指标组。
研究人员定义了一种双通道NCA基质，每个像素是一个agent，其克隆并突变的权重是细胞可观察状态的唯一驱动因素。研究人员提出四个表型多样性（phenotypic diversity, PD）指标：细胞类型频率图（Cellular-Type Frequency Plot, CTFP）、全局熵图（Global Entropy Plot, GEP）、总细胞方差图（Gross-Cell Variance Plot, GCVP）、细胞局部组织全局方差（Cell-Local-Organization Global Variance, CLOGV）；两个基因型多样性（genotypic diversity, GD）指标：基因型哈希着色（Genotypic Hash Colouring, GHC）和随机权重选择图（Random-Weight-Selection Plot, RWSP）；另有基于聚类的谱系工具聚类神经权重（Clustering Neural Weights of Agents, CNWA）。在1680次小运行五折扫描和24次长时200 × 200、1000代五折运行中，研究人员发现基质在24个长配置中的20个中持久且自维持；GEP是可靠多样性信号而GCVP在实值网格上具欺骗性；全基因组哈希暴露随机权重探针遗漏的谱系结构；并存在由突变率控制的明确表型-基因型多样性权衡。该工作位于计算机视觉与计算生物学交叉处，其工具是面向时空细胞数据的图像表型与谱系追踪管线。
关键技术方法概括：基质为W × H、深度d网格，首通道α表示存活，其余通道为隐藏化学量；每像素agent读取深度方向摩尔邻域并输出下一状态。agent为两层全连接网络，输入3 × 3 × d，d = 2时为18维，隐藏宽度2，输出d，共44参数，仅40个权重突变。更新含存活门控：邻域无超α者则死亡；否则agent产生候选状态。以继承概率（inheritance probability, ip）克隆随机存活邻居网络，并以参数扰动概率（parameter-perturbation probability, ppp）对每个权重施加均匀[-1, 1]加性扰动；可选生命预算（life budget, b）为b ∈ {4, 8, ∞}。激活为sigmoid（α = 0.5）或tanh（α = 0）。小运行50 × 50、300代，共1680配置；长运行200 × 200、1000代，24配置五折，ppp固定0.02。无湿实验样本队列。
研究结果：
4.1 基质具有稳健性和自维持性：多数预算配置既不爆炸也不崩溃；细胞按预算死亡，但群体由继承不断补充，跨1000代维持大致稳定的活细胞和agent数量。研究人员将持久定义为五折中全部1000代活细胞数严格为正，将自维持定义为初始生长暂态后活细胞数保持有界带。20/24长配置持久且自维持。四个例外实验均组合ip = 0.50与b = 4，并在数十代内死亡；相同ip = 0.50与b = 8存活，相同b = 4与ip = 0.10也存活。
4.2 表型指标表现可预测，GCVP具欺骗性：GEP最可信，稳定或缓振荡的H(t)对应物种多样性保持，下降则对应单一物种主导。CLOGV通常在生长时上升、填满后下降、随后稳定。GCVP因仅比较每个细胞与中位数，在满占用网格中常接近1，即使仅一个物种主导也如此，因此推荐将GCVP限于二元基质。经验上，当GEP低于GCVP时，网格已坍缩为单一物种。
4.3 全基因组哈希优于稀疏探针：GHC与RWSP分歧。继承概率升高且ppp较小时，权重常被复制但任一基因座很少突变，RWSP仅观察三个基因座而呈同质性，GHC则捕捉真实遗传周转；仅在很高ppp时两曲线趋近，且RWSP仍滞后。因此谱系追踪应使用全基因组而非随机子集。由于ppp在长运行中固定为0.02，该比较来自小运行扫描。哈希碰撞造成的低估约为agent数的0.1%，RWSP差距并非哈希伪影。GHC确立基因组身份周转，但不确立基因组间距离。
4.4 表型-基因型多样性权衡：低ppp提高表型多样性，CTFP中多种物种共存，但唯一基因组少；高ppp提高基因型多样性，但CTFP坍缩为单一优势物种。机制解释为agent非线性饱和：突变加性且从不重置，权重沿谱系进行无偏随机游走，方差随ppp × ip线性增长；隐藏单元预激活对18个权重求和，其标准差随6 × ppp × ip × g的平方根增长。sigmoid在预激活约超过4时饱和；ppp = 0.02、ip = 0.10时约需千代，而ppp = 0.80时仅需数十代。饱和单元输出极值并归入同一CTFP箱，表型坍缩而权重向量继续发散。可行性选择强化该效应。研究人员将此作为与观察一致的机制解释而非测量。
4.5 相同表型，不同基因型：相同设置的两个运行可收敛到相同可观察菌落，却携带不同谱系。RWSP谱系不同；CNWA使该点明确：标准化基因组经k-means聚类和主成分分析（Principal Component Analysis, PCA）后，不同簇随谱系分化而分离，衍生物种图显示物种出现、主导和灭绝。研究人员强调，表型相同应读作观测等价而非功能一致；谱系为可行性选择下的漂变，而非适应。
4.6 范围和局限：所有结果使用相同44参数agent，未测试隐藏宽度4或8是否保持权衡和指标行为；ppp仅在小运行中变化，权衡在50 × 50、300代尺度表征，未在200 × 200、1000代尺度上直接检验。五折支持分布无关包络和完全分离的p ≈ 0.0079，但不能更细估计效应量；一维粗粒化精度未系统扫描；唯一颜色计数受占用上限约束；GHC测身份而非距离；未记录亲子链接，未针对真实谱系验证；选择仅 viability 和空间可得性，因此是漂变而非适应；边界为环形、突变噪声均匀于[-1, 1]、α阈值为激活范围中点、生命预算为b ∈ {4, 8, ∞}、扫描顺序固定；Gaussian噪声、替代边界、替代更新顺序和阈值扫描均未探索。术语“species”“open-endedness”“autopoiesis”仅在操作和描述意义上使用。
讨论与结论翻译：研究人员讨论了范围与限制，强调证据是漂变下持续基因型新颖性，而非形式开放端标准被满足。结论部分翻译为：研究人员提出了一种自复制、非均匀神经CA基质，其中每个像素是微型网络，唯一生存机制为克隆-突变继承，使表型成为基因型的纯读出。基于此，研究人员提出了紧凑粗粒化多样性指标组——四个表型指标（CTFP、GEP、GCVP、CLOGV）和两个基因型指标（GHC、RWSP），另加基于聚类的谱系工具，并在1680次小运行和24次长五折运行中使用。该基质在24个长配置中的20个中持久且自维持；GEP是可靠多样性信号，而GCVP在实值网格上具欺骗性；全基因组哈希着色暴露随机权重探针遗漏的谱系结构；存在由突变率控制的明确表型-基因型多样性权衡，与生物资源权衡一致。除ALife外，这些工具是用于时空细胞数据的通用图像表型与谱系追踪管线。有前景的扩展包括对抗“annihilation”核以测试再生稳健性、JAX加速、改进身份保持聚类，以及将指标应用于体外图像序列以桥接in silico与湿实验测量。所有代码、数据和动画作为补充材料发布。三个扩展直接来自局限并可现已指定：通过重新仪器化模拟器记录权重幅值直方图和预激活方差并重跑ppp扫描来测试饱和解释；通过记录每次继承事件的父索引获得谱系真实，将GHC和CNWA从描述工具变为可针对已知谱系评分的估计器；对抗“annihilation”核已在当前克隆-突变逻辑中定义，因为死细胞只能从活邻居重生，零化连续区域——状态和agent一起——留下界面，恢复完全由存活边缘继承驱动，因此活细胞比例和全局熵的恢复时间以及再填充区域的基因型组成可测量再生稳健性和创伤谱系成本。这是无训练类似再生实验，此处无初步数据。
