💻 computer science

Microcosmos: Reimagining Artificial Life for the GPU Era

Het artikel introduceert Microcosmos, een op de GPU geoptimaliseerde, end-to-end differentieerbare simulatie-engine die kunstmatig leven modelleert als elastische filamenten in een 2D viskeuze vloeistof, waarmee succesvol fysieke plausibiliteit, differentieerbaarheid en schaalbaarheid voor grootschalige open-einde evolutie wordt gedemonstreerd.

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

Gepubliceerd 2026-07-07

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

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

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een computer probeert te leren hoe hij leven kan creëren. Decennialang staan wetenschappers voor een frustrerende keuze: ze kunnen óf een wereld bouwen die de strikte wetten van de fysica volgt (zoals waterweerstand en zwaartekracht), maar die zo traag draait dat ze slechts een paar kleine wezens kunnen simuleren. Óf ze kunnen een wereld bouwen die razendsnel op computers draait, maar die bestaat uit abstracte regels die niets te maken hebben met hoe echte organismen daadwerkelijk bewegen of interageren.

Microcosmos is een nieuwe "speeltuin" voor kunstmatig leven die probeert beide kanten te verenigen. Het is een simulatie-engine die is ontworpen om op moderne grafische kaarten (GPU's) te draaien, waardoor onderzoekers duizenden levensvormen tegelijkertijd kunnen simuleren, terwijl ze tegelijkertijd voldoen aan de echte fysica van het zwemmen in een dikke, plakkerige vloeistof.

Hier is een overzicht van hoe het werkt, met behulp van eenvoudige analogieën:

1. De Wezens: "Elastische Touw-mensen"

In plaats van complexe organen of spieren te simuleren, bouwt Microcosmos leven uit elastische filamenten. Denk aan deze als lange, flexibele touwen of kettingen van kralen.

Hoe ze bewegen: Net als een echte worm of een kwal, kunnen deze touwen buigen, strekken en wiebelen.
De "Genetische Code": Het computerprogramma regelt hoe stijf het touw is, hoe lang het wil zijn en onder welke hoek het het liefst buigt. Door deze instellingen aan te passen, kan het "wezen" van vorm en bewegingsstijl veranderen.

2. De Wereld: "Dikke Honing"

Deze touw-wezens leven in een 2D-wereld gevuld met een viskeuze vloeistof. Stel je voor dat je zwemt in een bad vol dikke honing in plaats van water.

Waarom dit belangrijk is: In deze dikke wereld kun je niet zomaar symmetrisch heen en weer wiebelen (zoals het openen en sluiten van een schelp) en verwachten dat je ergens naartoe gaat. Dit staat bekend als de "Scallop Theorem". Om te bewegen, heb je asymmetrische, tijd-irreversibele bewegingen nodig, precies zoals echte bacteriën of larven dat doen.
De Fysica: De simulatie berekent hoe de vloeistof tegen de touwen duwt en hoe de touwen terugduwen tegen de vloeistof. Het is een tweerichtingsgesprek tussen het wezen en het water.

3. De Superkracht: "De Magische Gum" (Differentiabiliteit)

Dit is het meest technische maar ook het coolste deel. Normaal gesproken, als je de vorm van een wezen wilt verbeteren, moet je gokken, testen, falen en opnieuw gokken.

Microcosmos is anders: Omdat de hele simulatie is gebouwd op een specifieke wiskundige structuur (JAX), is het volledig differentieerbaar.
De Analogie: Stel je voor dat je probeert een stuk touw in de vorm van het cijfer "7" te vouwen. In een normale simulatie zou je duizenden keren moeten gokken en controleren. In Microcosmos kan de computer naar het eindresultaat kijken, direct berekenen welke kleine buiging in het touw fout was, en het touw automatisch in de perfecte vorm "schuiven". Het is alsof je een magische gum hebt die precies weet hoe hij de fout direct moet herstellen.

4. Wat ze hebben getest

Het team heeft vier hoofdexperimenten uitgevoerd om te bewijzen dat het systeem werkt:

De "Handmatig Ontworpen" Test: Ze programmeerden handmatig vijf verschillende zwemstijlen (zoals een worm, een larve, een kwal en een rog). De simulatie bevestigde dat deze wezens bewogen precies zoals de fysica voorspelt dat ze zouden doen in dikke vloeistof. Bijvoorbeeld: de "rog" (die symmetrisch beweegt) kwam vast te zitten, terwijl de "kwal" (die asymmetrisch beweegt) vooruit zwom.
De "Vouw" Test: Ze vroegen de computer om de "magische gum" te gebruiken om een touw van 1.000 knopen te vouwen in de vormen van handgeschreven cijfers (0–9). De computer slaagde erin de touwen te vouwen in herkenbare cijfers, wat bewees dat het systeem wiskundig nauwkeurig is.
De "Evolutie" Test: Ze lieten een computeralgoritme de controllers van de touwen "evolueren". In plaats van de touwen te vertellen hoe ze moeten bewegen, lieten ze de computer miljoenen willekeurige variaties proberen. Het systeem ontdekte automatisch veel verschillende manieren om te zwemmen en leerde zelfs te zwemmen naar "voedsel" (energiepakketjes) in het water.
De "Schaal" Test: Ze controleerden hoe snel de computer draait wanneer ze meer wezens toevoegen. De meeste simulaties worden exponentieel trager naarmate je meer dingen toevoegt (zoals het berekenen van de interactie tussen elk persoon in een stad met alle andere mensen). Microcosmos schaalt echter lineair. Dit betekent dat als je het aantal wezens verdubbelt, het slechts twee keer zoveel tijd kost, niet vier keer zoveel. Dit maakt het mogelijk om enorme populaties (tot 500.000 deeltjes) efficiënt te simuleren.

De Kernboodschap

Microcosmos is een brug. Het verbindt de rommelige, fysieke realiteit van hoe minuscule organismen zwemmen met de snelheid en kracht van moderne computerhardware. Het simuleert niet alleen leven; het simuleert leven op een manier die onderzoekers in staat stelt om krachtige wiskundige instrumenten te gebruiken om automatisch nieuwe, complexe gedragingen te ontdekken die misschien nooit door een menselijke ontwerper waren bedacht.

De auteurs hebben dit als een open platform uitgebracht, in de hoop dat het een fundament wordt voor de volgende generatie onderzoek naar kunstmatig leven, waarbij we eindelijk grootschalige, fysiek realistische evolutionaire experimenten kunnen uitvoeren.

Technische Samenvatting: Microcosmos: Het herontwerpen van Kunstmatig Leven voor het GPU-tijdperk

Probleemstelling

Het veld van Kunstmatig Leven (ALife) staat voor een fundamentele afruil tussen fysieke geloofwaardigheid en computationele schaalbaarheid. Bestaande simulators vallen over het algemeen uiteen in twee categorieën:

Abstracte Substraten: Regelgebaseerde systemen (bijv. cellulaire automaten, Lenia, Tierra) zijn computationeel efficiënt en ondersteunen open-ended evolutie, maar missen een verankering in fysieke principes zoals vloeistofdynamica en biofysica, wat de realistische belichaming van gedragingen beperkt.
Fysiek Gegronde Simulators: Systemen die realistische fysica simuleren (bijv. botsingen van rigide lichamen, interactie tussen vloeistof en structuur) zijn vaak computationeel onhandelbaar voor grootschalige evolutionaire zoektochten, opereren op hoge abstractieniveaus, of zijn ontworpen voor reinforcement learning in plaats van open-ended evolutionaire dynamiek.

De auteurs stellen dat het bereiken van open-ended evolutionaire complexiteit een simulator vereist die fysiek geloofwaardig genoeg is om de echte wereld te respecteren (zoals hydrodynamica met een lage Reynoldsgetal), efficiënt genoeg is om evolutionaire zoektochten op schaal te ondersteunen, en gedragsmatig rijk genoeg is om complexe morfologieën te inspireren.

Methodologie

De auteurs presenteren Microcosmos, een simulatie-engine die vanaf de basis is ontworpen voor moderne GPU-hardware en end-to-end differentieerbaarheid. Het systeem modelleert kunstmatige levensvormen als elastische filamentketens die zich in een tweedimensionale viskeuze vloeistofwereld bevinden.

Kerncomponenten

Filament Representatie: Levensvormen worden gemodelleerd als discrete elastische staven (Cosserat-staven) bestaande uit verbonden knopen. Elke rand heeft een materiaalframenhoek ( $\theta$ ) en fysieke parameters waaronder rustlengte ( $L_{rest}$ ), rusthoek ( $\theta_{rest}$ ) en stijfheidscoëfficiënten ( $k_{bend}, k_{shear}, k_{stretch}$ ). De topologie ondersteunt lussen en vertakkingen via een graafrepresentatie.
Dynamics Solver: Het systeem gebruikt Position-Based Dynamics (PBD) om constraints op te lossen. Deze iteratieve methode wijzigt direct de posities en oriëntaties van knopen om geometrische constraints (buigen, strekken, afschuiven) te voldoen. PBD werd gekozen vanwege de onvoorwaardelijke stabiliteit en compatibiliteit met automatische differentiatie, waardoor het niet nodig is om door impliciete lineaire solvers te differentiëren.
Vloeistofsimulatie: De omgeving wordt gemodelleerd met de Lattice Boltzmann Method (LBM) met een D2Q9-model (2D, 9 snelheden). Deze mesoscopische aanpak handelt bewegende grenzen af zonder remeshing en maakt lineaire schaling ( $O(n)$ ) op GPU's mogelijk.
Fluid-Structure Interaction: Interactie wordt afgehandeld via de Immersed Boundary Method (IBM). Filamentknopen bemonster de lokale vloeistofsnelheid om weerstand (drag) te bepalen, en hun snelheden worden teruggebroadcast naar het rooster. Om lekkage van vloeistof door filamenten met nul dikte te voorkomen, gebruiken de auteurs Multi-Direct Forcing (MDF), Two-Relaxation-Time (TRT) schema's en een twee-lagen filament broadcasting techniek.
Zelfvermijding: Botsingsvermijding wordt beheerd via een roostergebaseerd sterisch afstotingsveld. Knopenposities worden op een rooster geplaatst, gediffundeerd via FFT-convolutie, en de resulterende dichtheidsgradiënt genereert afstotende krachten, waardoor $O(n^2)$ paarwijze afstandcontroles worden vermeden.
Differentiabiliteit: De volledige pijplijn, van PBD-constraints tot LBM-vloeistofupdates, is geïmplementeerd in JAX, wat end-to-end automatische differentiatie mogelijk maakt. Dit ondersteunt zowel gradiëntgebaseerde optimalisatie als evolutionaire zoektochten.

Codering en Zoektocht

Microcosmos is zoekmethode-agnostisch en ondersteunt:

Directe Codering: Expliciete specificatie van parameters voor elke knoop.
Indirecte Codering: Generatieve modellen (bijv. CPPNs) die ruimtelijke/temporele inputs mappen naar fysieke eigenschappen.
Optimalisatiemethoden: De paper gebruikt gradiëntafdaling voor vormoptimalisatie en Neuroevolutie (NEAT) en Quality-Diversity (QD) zoektochten (MAP-Elites) voor het ontdekken van voortbewegingsstrategieën.

Belangrijkste Bijdragen

Een Schaalbare, Differentiabele Simulator: Microcosmos is het eerste systeem dat differentiabele flexibele filamentsimulatie combineert met een opgeloste vloeistofsolver (LBM) voor simultane optimalisatie van morfologie en controller.
GPU-Native Architectuur: De engine is ontworpen voor parallelle executie en bereikt lineaire schaling met het aantal deeltjes, in tegen tegenstelling tot deeltjesgebaseerde systemen die lijden onder kwadratische schaling.
Open Platform: De code wordt vrijgegeven als een open-source platform om grootschalige open-ended evolutionaire simulaties binnen de ALife-gemeenschap te faciliteren.

Experimentele Resultaten

De engine werd gevalideerd door vier verschillende experimenten:

Handmatig Ontworpen Voortbeweging: Vijf wezens met handmatig ontworde geometrieën (worm, tadpole, ray, cilia, jellyfish) werden getest over een viscositeitsbereik ( $10^{-3}$ tot $2$).
- Resultaat: De simulatie reproduceerde correct fysieke constraints, zoals de scallop-stelling van Purcell. Tijd-omkeerbare strategieën (bijv. de "ray") produceerden nul netto verplaatsing bij hoge viscositeit, terwijl niet-reciproque strategieën (bijv. "cilia") voortbeweging behielden, wat bevestigt dat de vloeistofkoppeling de low-Reynolds-number fysica respecteert.
Filament Vouwen (Differentiabiliteit): Een filament met 1000 knopen werd geoptimaliseerd via gradiëntafdaling om in MNIST-cijfervormen te vouwen.
- Resultaat: Het systeem minimaliseerde de verliesfunctie succesvol en vouwde het filament in herkenbare cijfervormen. Dit bevestigde de volledige differentiabiliteit van de pijplijn, inclus_ de PBD-solver en vloeistofberekening.
Neuroevolutie van Controllers: Een Compositional Pattern Producing Network (CPPN) werd geëvolueerd om filamentknopen te besturen, waarbij fitness gebaseerd was op verplaatsing en chemotaxis (energieverzameling).
- Resultaat: Het systeem evolueerde sinusoidale voortbewegingsstrategieën en demonstreerde het vermogen om chemische gradiënten te navigeren, wat de integratie van sensorische-motorische controle met fysieke dynamica valideert.
Quality-Diversity (QD) Zoektocht: MAP-Elites werd gebruikt om diverse voortbewegingsstrategieën te ontdekken op basis van gedragsbeschrijvingen (buiginspanning en rekinspanning).
- Resultaat: Een grote verscheidenheid aan zwemslagen kwam naar voren, waaronder sinusoidale bewegingen, directionele draaiingen, complexe bewegingen en peddelachtige circulaire structuren, wat de expressiviteit van de filamentcodering aantoont.
Schaalbaarheid: De runtime werd gemeten tegen het aantal deeltjes (tot 500k deeltjes).
- Resultaat: Microcosmos demonstreerde lineaire schaling met het aantal deeltjes, wat scherp contrasteert met de $O(n^2)$ schaling van paarwijze interactiesystemen zoals Particle Life.

Betekenis en Claims

De paper claimt dat Microcosmos de historische bottleneck in ALife-onderzoek aanpakt: het onvermogen om fysiek gegronde simulaties op schaal uit te voeren. Door gebruik te maken van de alomtegenwoordigheid van filamenteuze structuren in de biologie (van flagellen tot cytoskeletale netwerken) en de efficiëntie van GPU-versnelde vloeistofsolvers, bieden de auteurs een instrument dat de kloof overbrugt tussen fysieke geloofwaardigheid en computationele hanteerbaarheid.

De auteurs positioneren Microcosmos niet als een definitieve oplossing, maar als een fundamenteel platform. Ze stellen dat het schalen van fysiek gegronde simulaties even cruciaal is voor de toekomst van Artificial Life als het schalen van rekenkracht cruciaal is geweest voor moderne AI. Het systeem is bedoeld om toekomstig onderzoek te ondersteunen naar multi-agent interacties, geboorte/sterfte dynamica, zelfassemblage en de opkomst van individualiteit en symbiose in fysiek plausibele virtuele werelden. Het paper sluit af met een oproep aan de gemeenschap om voort te bouwen op dit open platform om open-ended evolutionaire complexiteit te bereiken.