💻 computer science

Microcosmos: Reimagining Artificial Life for the GPU Era

El artículo presenta Microcosmos, un motor de simulación diferenciable de extremo a extremo y optimizado para GPU que modela la vida artificial como filamentos elásticos en un fluido viscoso 2D, demostrando con éxito plausibilidad física, diferenciabilidad y escalabilidad para la evolución abierta a gran escala.

Autores originales: Mark Tensen, Ciaran Regan, Bert Wang-Chak Chan, Mizuki Oka, Kenneth O. Stanley, Grisha Szep

Publicado 2026-07-07

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mark Tensen, Ciaran Regan, Bert Wang-Chak Chan, Mizuki Oka, Kenneth O. Stanley, Grisha Szep

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina intentar enseñar a una computadora cómo crear vida. Durante décadas, los científicos se han enfrentado a una elección frustrante: o pueden construir un mundo que siga las estrictas leyes de la física (como la resistencia del agua y la gravedad), pero es tan lento de ejecutar que solo pueden simular unas pocas criaturas diminutas. O pueden construir un mundo que funcione superrápido en computadoras, pero que esté hecho de reglas abstractas que no tienen nada que ver con cómo se mueven o interactúan los organismos reales.

Microcosmos es un nuevo "patio de juegos" para la vida artificial que intenta tener lo mejor de ambos mundos. Es un motor de simulación diseñado para ejecutarse en tarjetas gráficas (GPU) modernas, lo que permite a los investigadores simular miles de formas de vida a la vez, todo mientras obedece la física real de nadar en un fluido espeso y pegajoso.

Aquí hay un desglose de cómo funciona, utilizando analogías simples:

1. Las Criaturas: "Personas de Cuerda Elástica"

En lugar de simular órganos o músculos complejos, Microcosmos construye la vida a partir de filamentos elásticos. Piensa en ellos como cuerdas largas y flexibles o cadenas de cuentas.

Cómo se mueven: Al igual que un gusano o una medusa real, estas cuerdas pueden doblarse, estirarse y ondularse.
El "Código Genético": El programa de la computadora controla qué tan rígida es la cuerda, qué tan larga quiere ser y en qué ángulo prefiere doblarse. Al ajustar estos parámetros, la "criatura" puede cambiar su forma y su estilo de movimiento.

2. El Mundo: "Miel Espesa"

Estas criaturas de cuerda viven en un mundo 2D lleno de un fluido viscoso. Imagina nadar en una piscina de miel espesa en lugar de agua.

Por qué importa: En este mundo espeso, no puedes simplemente ondular de un lado a otro simétricamente (como abrir y cerrar una concha de almeja) y esperar llegar a alguna parte. Esto se conoce como el "Teorema del Escalo". Para moverse, necesitas realizar movimientos asimétricos e irreversibles en el tiempo, tal como lo hacen las bacterias o los renacuajos reales.
La Física: La simulación calcula cómo el fluido empuja contra las cuerdas y cómo las cuerdas empujan de vuelta contra el fluido. Es una conversación de dos vías entre la criatura y el agua.

3. El Superpoder: "El Borrador Mágico" (Diferenciabilidad)

Esta es la parte más técnica pero más genial. Normalmente, si quieres mejorar la forma de una criatura, tienes que adivinar, probar, fallar y volver a adivinar.

Microcosmos es diferente: Debido a que toda la simulación está construida sobre un marco matemático específico (JAX), es totalmente diferenciable.
La Analogía: Imagina que estás intentando doblar una cuerda para darle la forma del número "7". En una simulación normal, tendrías que adivinar y comprobar miles de veces. En Microcosmos, la computadora puede mirar el resultado final, calcular instantáneamente qué pequeño doblez en la cuerda estaba mal, y "deslizar" la cuerda hacia la forma perfecta automáticamente. Es como tener un borrador mágico que sabe exactamente cómo corregir el error al instante.

4. Lo que Probaron

El equipo realizó cuatro experimentos principales para demostrar que el sistema funciona:

La Prueba de "Diseño Manual": Programaron manualmente cinco estilos de nado diferentes (como un gusano, un renacuajo, una medusa y una raya). La simulación confirmó que estas criaturas se movían exactamente como la física predice que deberían hacerlo en un fluido espeso. Por ejemplo, la "raya" (que se mueve simétricamente) se quedó estancada, mientras que la "medusa" (que se mueve asimétricamente) nadó hacia adelante.
La Prueba de "Plegado": Le pidieron a la computadora que usara su "borrador mágico" para plegar una cuerda de 1,000 nodos en las formas de números escritos a mano (0–9). La computadora aprendió con éxito a plegar las cuerdas en dígitos reconocibles, demostiendo que el sistema es matemáticamente preciso.
La Prueba de "Evolución": Dejaron que un algoritmo de computadora "evolucionara" los controladores de las cuerdas. En lugar de decirle a las cuerdas cómo moverse, dejaron que la computadora probara millones de variaciones aleatorias. El sistema descubrió automáticamente muchas formas diferentes de nadar e incluso aprendió a nadar hacia la "comida" (paquetes de energía) en el agua.
La Prueba de "Escala": Verificaron qué tan rápido corre la computadora a medida que añaden más criaturas. La mayoría de las simulaciones se vuelven exponencialmente más lentas a medida que agregas más elementos (como intentar calcular cómo cada persona en una ciudad interactúa con todas las demás). Microcosmos, sin embargo, escala de forma lineal. Esto significa que si duplicas el número de criaturas, solo toma el doble de tiempo, no el cuádruple. Esto permite simular grandes poblaciones (hasta 500,000 partículas) de manera eficiente.

La Conclusión

Microcosmos es un puente. Conecta la realidad física desordenada de cómo nadan los organismos diminutos con la velocidad y el poder del hardware moderno. No solo simula la vida; simula la vida de una manera que permite a los investigadores utilizar poderosas herramientas matemáticas para descubrir automáticamente comportamientos nuevos y complejos que nunca habrían sido imaginados por un diseñador humano.

Los autores han lanzado esto como una plataforma abierta, con la esperanza de que se convierta en la base para la próxima generación de investigación en vida artificial, donde finalmente podamos realizar experimentos evolutivos a gran escala y físicamente realistas.

Resumen Técnico: Microcosmos: Reimaginando la Vida Artificial para la Era de la GPU

Planteamiento del Problema

El campo de la Vida Artificial (ALife) enfrenta un compromiso fundamental entre la credibilidad física y la escalabilidad computacional. Los simuladores existentes generalmente se dividen en dos categorías:

Sustratos Abstractos: Sistemas basados en reglas (por ejemplo, autómatas celulares, Lenia, Tierra) que son computacionalmente eficientes y admiten la evolución abierta, pero carecen de fundamentación en principios físicos como la dinámica de fluidos y la biofísica, lo que limita el realismo de los comportados corporizados.
Simuladores con Fundamento Físico: Sistemas que simulan una física realista (por ejemplo, colisiones de cuerpos rígidos, interacción fluido-estructura) que a menudo son computacionalmente inabordables para búsquedas evolutivas a gran escala, operan en niveles altos de abstracción o están diseñados para el aprendizaje por refuerzo en lugar de dinámicas evolutivas abiertas.

Los autores argumentan que lograr una complejidad evolutiva abierta requiere un simulador que sea lo suficientemente creíble físicamente para respetar las restricciones del mundo real (como la hidrodinámica de bajo número de Reynolds), lo suficientemente eficiente para soportar la búsqueda evolutiva a escala y lo suficientemente rico conductualmente como para inspirar morfologías complejas.

Metodología

Los autores presentan Microcosmos, un motor de simulación diseñado desde cero para el hardware moderno de GPU y la diferenciabilidad de extremo a extremo. El sistema modela formas de vida artificial como cadenas de filamentos elásticos que habitan un mundo de fluido viscoso bidimensional.

Componentes Principos

Representación de Filamentos: Las formas de vida se modelan como varillas elásticas discretas (varillas de Cosserat) compuestas por nodos conectados. Cada arista tiene un ángulo de marco material ( $\theta$ ) y parámetros físicos que incluyen longitud de reposo ( $L_{rest}$ ), ángulo de reposo ( $\theta_{rest}$ ) y coeficientes de rigidez ( $k_{bend}, k_{shear}, k_{stretch}$ ). La topología soporta bucles y ramificaciones mediante una representación de grafo.
Solucionador de Dinámica: El sistema utiliza Dinámica Basada en Posición (PBD) para resolver restricciones. Este método iterativo modifica directamente las posiciones y orientaciones de los nodos para satisfacer las restricciones geométricas (flexión, estiramiento, cizallamiento). Se eligió PBD por su estabilidad incondicional y compatibilidad con la diferenciación automática, evitando la necesidad de diferenciar a través de solucionadores lineales implícitos.
Simulación de Fluidos: El entorno se modela utilizando el Método de Lattice Boltzmann (LBM) con un modelo D2Q9 (2D, 9 velocidades). Este enfoque mesoscópico gestiona fronteras móviles sin remallado y permite un escalado lineal ( $O(n)$ ) en GPUs.
Interacción Fluido-Estructura: La interacción se gestiona mediante el Método de Frontera Inmersa (IBM). Los nodos de los filamentos muestrean la velocidad local del fluido para determinar el arrastre, y sus velocidades se transmiten de vuelta a la rejilla. Para evitar la fuga de fluido a través de filamentos de espesor cero, los autores emplean esquemas de Fuerza Múltiple Directa (MDF) y de Tiempo de Relajación Doble (TRT), además de una técnica de transmisión de filamentos de dos capas.
Auto-evitación: La evitación de colisiones se gestiona mediante un campo de repulsión estérica basado en rejilla. Las posiciones de los nodos se depositan en una rejilla, se difunden mediante convolución FFT, y el gradiente de densidad resultante genera fuerzas repulsivas, evitando las comprobaciones de distancia de par a par de $O(n^2)$ .
Diferenciabilidad: Todo el flujo de trabajo, desde las restricciones PBD hasta las actualizaciones de fluido LBM, está implementado en JAX, lo que permite la diferenciación automática de extremo a extremo. Esto soporta tanto la optimización basada en gradientes como la búsqueda evolutiva.

Codificación y Búsqueda

Microcosmos es agnóstico al método de búsqueda, soportando:

Codificación Directa: Especificación explícita de parámetros para cada nodo.
Codificación Indirecta: Modelos generativos (por ejemplo, CPPNs) que mapean entradas espaciales/temporales a rasgos físicos.
Métodos de Optimización: El artículo utiliza el descenso de gradiente para la optimación de la forma y la Neuroevolución (NEAT) y la búsqueda de Calidad-Diversidad (QD) (MAP-Elites) para descubrir estrategias de locomoción.

Contribuciones Clave

Un Simulador Diferenciable y Escalable: Microcosmos es el primer sistema que combina la simulación diferenciable de filamentos flexibles con un solucionador de fluidos resuelto (LBM) para la optimización simultánea de morfología y controlador.
Arquitectura Nativa de GPU: El motor está diseñado para la ejecución paralela, logrando un escalado lineal con el número de partículas, a diferencia de los sistemas basados en partículas que sufren un escalado cuadrático.
Plataforma Abierta: El código se libera como una plataforma de código abierto para facilitar simulaciones evolutivas de gran escala dentro de la comunidad de ALife.

Resultados Experimentales

El motor fue validado a través de cuatro experimentos distintos:

Locomoción Diseñada a Mano: Se probaron cinco criaturas con geometrías diseñadas manualmente (gusano, renacuajo, raya, cilios, medusa) a través de un barrido de viscosidad ( $10^{-3}$ a $2$).
- Resultado: La simulación reprodujo correctamente las restricciones físicas, como el teorema de la escoba de Purcell. Las estrategias reversibles en el tiempo (por ejemplo, la "raya") produjeron un desplazamiento neto de cero a alta viscosidad, mientras que las estrategias no recíprocas (por ejemplo, "cilios") mantuvieron la locomoción, confirmando que el acoplamiento de fluidos respeta la física de bajo número de Reynolds.
Plegado de Filamentos (Diferenciabilidad): Un filamento de 1000 nodos fue optimizado mediante descenso de gradiente para plegarse en formas de dígitos MNIST.
- Resultado: El sistema minimizó con éxito la función de pérdida, plegando el filamento en formas de dígitos reconocibles. Esto confirmó la total diferenciabilidad del flujo de trabajo, incluyendo el solucionador PBD y el cómputo de fluidos.
Neuroevolución de Controladores: Se evolucionó una Red de Producción de Patrones Composicionales (CPPN) para controlar los nodos del filamento, con la aptitud basada en el desplazamiento y la quimiotaxis (recolección de energía).
- Resultado: El sistema evolucionó estrategias de locomoción sinusoidal y demostró la capacidad de navegar gradientes químicos, validando la integración del control sensoriomotor con la dinámica física.
Búsqueda de Calidad-Diversidad (QD): Se utilizó MAP-Elites para descubrir diversas estrategias de locomoción basadas en descriptores de comportamiento (esfuerzo de flexión y esfuerzo de estiramiento).
- Resultado: Emergieron una amplia variedad de marchas de natación, incluyendo movimientos sinusoidales, giros direccionales, movimientos complejos y estructuras circulares tipo paleta, demostrando la expresividad de la codificación de filamentos.
Escalabilidad: El tiempo de ejecución se midió frente al número de partículas (hasta 500k partículas).
- Resultado: Microcosmos demostró un escalado lineal con el número de partículas, contrastando fuertemente con el escalado $O(n^2)$ de los sistemas de interacción par a par como Particle Life.

Significado y Reivindicaciones

El artículo afirma que Microcosmos aborda el cuello de botella histórico en la investigación de ALife: la incapacidad de escalar simulaciones con fundamento físico. Al aprovechar la ubicuidad de las estructuras filamentosas en la biología (desde los flagelos hasta las redes del citoesqueleto) y la eficiencia de los solucionadores de fluidos acelerados por GPU, los autores proporcionan una herramienta que cierra la brecha entre la credibilidad física y la tratabilidad computacional.

Los autores posicionan a Microcosmos no como una solución final, sino como una plataforma fundacional. Argumentan que escalar las simulaciones con fundamento físico es tan crítico para el futuro de la Vida Artificial como lo ha sido escalar el cómputo para la IA moderna. El sistema está destinado a apoyar la investigación futura en interacciones multi-agente, dinámicas de nacimiento/muerte, auto-ensamblaje y la emergencia de la individualidad y el simbiosis en mundos virtuales físicamente plausibles. El artículo concluye con un llamado a la comunidad para construir sobre esta plataforma abierta para alcanzar una complejidad evolutiva de extremo abierto.