💻 computer science

Microcosmos: Reimagining Artificial Life for the GPU Era

本文介绍了 Microcosmos，这是一个经过 GPU 优化的端到端可微模拟引擎，它将人工生命建模为 2D 粘性流体中的弹性细丝，成功展示了在面向大规模开放式演化的物理合理性、可微性和可扩展性。

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

发布于 2026-07-07

📖 1 分钟阅读☕ 轻松阅读

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

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，尝试教计算机如何创造生命。几十年来，科学家们一直面临着一个令人沮丧的选择：他们要么构建一个遵循严格物理定律（如水的阻力和重力）的世界，但运行速度极慢，以至于只能模拟极少数微小的生物；要么构建一个在计算机上运行速度极快的世界，但它是由抽象规则组成的，与真实生物的实际运动或交互方式毫无关系。

Microcosmos 是一个全新的人工生命“游乐场”，它试图兼顾两者的优点。它是一个旨在运行在现代图形处理器（GPU）上的模拟引擎，允许研究人员同时模拟数千种生命形式，同时仍遵循在粘稠液体中游泳的真实物理规律。

以下是其工作原理的分解，使用了简单的类比：

1. 生物：“弹性绳人”

Microcosmos 并不是通过模拟复杂的器官或肌肉来构建生命，而是利用**弹性丝线（elastic filaments）**来构建。把这些想象成长而灵活的绳子或珠链。

如何运动： 就像真实的蠕虫或水母一样，这些绳子可以弯曲、拉伸和扭动。
“遗传密码”： 计算机程序控制着绳子的硬度、期望长度以及它偏好弯曲的角度。通过微调这些设置，这个“生物”可以改变其形状和运动风格。

2. 世界：“浓稠的蜂蜜”

这些绳索生物生活在一个充满黏性流体的二维世界中。想象一下，你是在一个装满浓稠蜂蜜的池子里游泳，而不是在水中。

为什么这很重要： 在这种粘稠的世界里，你不能仅仅进行对称的摆动（比如像开合蚌壳那样），并指望能产生位移。这被称为“蛤蜊定理”（Scallop Theorem）。为了移动，你需要做出非对称的、时间不可逆的动作，就像真实的细菌或蝌蚪那样。
物理学： 模拟计算了流体如何推挤绳索，以及绳索如何反作用于流体。这是生物与水之间的一场双向对话。

3. 超能力：“魔术橡皮擦”（可微性）

这是最技术化但也最酷的部分。通常，如果你想改进一个生物的形状，你必须经历猜测、测试、失败、再猜测的过程。

Microcosmos 与众不同之处在于： 因为整个模拟是基于特定的数学框架（JAX）构建的，所以它是完全可微的（fully differentiable）。
类比： 想象你正试图将一根绳子折叠成数字“7”的形状。在普通的模拟中，你必须进行成千上万次的猜测和尝试。而在 Microcosmos 中，计算机可以观察最终结果，瞬间计算出绳子中哪一个微小的弯曲出了错，并自动将绳子“滑动”到完美的形状。这就像拥有一个知道如何立即修复错误的魔术橡皮擦。

4. 他们测试了什么

团队运行了四个主要实验来证明该系统的有效性：

“人工设计”测试： 他们手动编写了五种不同的游泳风格（如蠕虫、蝌蚪、水母和鳼鱼）。模拟证实了这些生物确实按照物理学在粘稠流体中应有的预测方式进行运动。例如，“鳼鱼”（进行对称运动的生物）被困住了，而“水母”（进行非对称运动的生物）则向前游动了。
“折叠”测试： 他们要求计算机使用其“魔术橡皮擦”将一根拥有 1,000 个节点的绳子折叠成手写数字（0–9）的形状。计算机成功学习了如何将绳子折叠成可辨认的数字，证明了该系统在数学上的精确性。
“进化”测试： 他们让一个计算机算法去“进化”绳子的控制器。他们没有告诉绳子如何运动，而是让计算机尝试数百万种随机变化。系统自动发现了许多不同的游泳方式，甚至学会了朝着水中的“食物”（能量包）游动。
“规模”测试： 他们检查了随着增加生物数量时计算机的运行速度。大多数模拟会随着物体数量的增加而呈指数级变慢（就像计算一个城市中每个人如何与其他每个人互动一样）。然而，Microcosmos 的扩展是**线性（linear）**的。这意味着如果生物数量翻倍，所需时间也仅为原来的两倍，而不是四倍。这使得他们能够高效地模拟大规模种群（高达 500,000 个粒子）。

核心结论

Microcosmos 是一座桥梁。它连接了微小生物游泳的混乱物理现实与现代计算机硬件的速度和力量。它不仅是在模拟生命，更是在一种能够让研究人员利用强大的数学工具来自动发现从未被人类设计师构想出的复杂行为的方式下，去模拟生命。

作者已将其作为开放平台发布，希望它能成为下一代人工生命研究的基础，届时我们可以终于进行大规模、具有物理真实性的进化实验。

技术摘要：Microcosmos：重构 GPU 时代的生命人工模拟

问题陈述

人工生命（ALife）领域面临着物理可信度与计算可扩展性之间的根本权衡。现有的模拟器通常分为两类：

抽象基质： 基于规则的系统（例如细胞自动机、Lenia、Tierra），虽然计算效率高并支持开放式演化，但缺乏对流体动力学和生物物理学等物理原理的建模，限制了具身行为的真实性。
具有物理基础的模拟器： 模拟真实物理过程（例如刚体碰撞、流固耦合）的系统通常在进行大规模进化搜索时计算量过大，或者处于较高的抽象层级，或者旨在用于强化学习而非开放式演化动力学。

作者认为，实现开放式演化复杂性需要一种既能尊重现实世界约束（如低雷诺数流体力学）具备物理可信度，又能高效支持大规模进化搜索，并能激发复杂形态生成的行为丰富度高的模拟器。

方法论

作者提出了 Microcosmos，这是一个从底层开始为现代 GPU 硬件和端到端可微性设计的模拟引擎。该系统将人工生命形式建模为栖息在二维粘性流体世界中的弹性丝状链（elastic filament chains）。

核心组件

丝状结构表示： 生命形式被建模为由连接节点组成的离散弹性杆（Cosserat rods）。每条边具有一个材料框架角（ $\theta$ ）以及包括静止长度（ $L_{rest}$ ）、静止角度（ $\theta_{rest}$ ）和刚度系数（ $k_{bend}, k_{shear}, k_{stretch}$ ）在内的物理参数。其拓扑结构通过图表示法支持环路和分支。
动力学求解器： 系统使用**基于位置的动力学（Position-Based Dynamics, PBD）**来求解约束。这种迭代方法通过直接修改节点的位置和方向来满足几何约束（弯曲、拉伸、剪切）。选择 PBD 是因为它具有无条件稳定性，并且与自动微分兼容，避免了需要对隐式线性求解器进行微分的问题。
流体模拟： 环境使用 Lattice Boltzmann Method (LBM) 进行建模，采用 D2Q9 模型（2D，9 种速度）。这种介观方法可以处理运动边界而无需重新划分网格，并在 GPU 上实现线性扩展（ $O(n)$ ）。
流固耦合（FSI）： 相互作用通过**浸没边界法（Immersed Boundary Method, IBM）**处理。丝状结构节点采样局部流体速度以确定阻力，并将它们的速度广播回网格。为了防止流体穿透零厚度的丝状结构，作者采用了多直接力（Multi-Direct Forcing, MDF）、双松弛时间（Two-Relaxation-Time, TRT）方案以及双层丝状结构广播技术。
自我规避： 碰撞规避通过基于网格的立体斥力场进行管理。节点位置被沉积在网格上，通过 FFT 卷积进行扩散，产生的密度梯度产生斥力，从而避免了 $O(n^2)$ 的成对距离检查。
可微性： 整个流水线——从 PBD 约束到 LBM 流体更新——均使用 JAX 实现，从而支持端到端的自动微分。这支持了梯度下降优化和进化搜索。

编码与搜索

Microcosmos 是搜索方法无关的，支持：

直接编码： 显式指定每个节点的参数。
间接编码： 生成模型（如 CPPN）将空间/时间输入映射到物理特征。
优化方法： 本文利用梯度下降进行形状优化，并利用神经进化（NEAT）和质量多样性（Quality-Diversity, QD）搜索（MAP-Elites）来发现运动策略。

核心贡献

可扩展的可微模拟器： Microcosmos 是第一个结合了可微柔性丝状结构模拟与解析流体求解器（LBM）的系统，可同时进行形态和控制器优化。
GPU 原生架构： 该引擎专为并行执行设计，实现了与粒子数量呈线性相关的扩展，不同于那些受限于二次方扩展的粒子系统。
开放平台： 代码作为开源平台发布，旨在促进人工生命社区内大规模的开放式演化模拟。

实验结果

该引擎通过四个不同的实验进行了验证：

手工设计的运动： 对五个具有手动设计几何形状的生物（蠕虫、蝌蚪、射线、纤毛、水母）进行了粘度扫描测试（ $10^{-3}$ 到 $2$）。
- 结果： 模拟正确重现了物理约束，例如 Purcell 的喷火器定理（scallop theorem）。时间可逆策略（如“射线”）在高粘度下产生零净位移，而非对称策略（如“纤毛”）仍能保持运动，证实了流体耦合遵循低雷诺数物理学。
丝状折叠（可微性验证）： 一个 1000 节点的丝状结构通过梯度下降被优化为折叠成 MNIST 数字形状。
- 结果： 系统成功最小化了损失函数，使丝状结构折叠成可辨识的数字形状。这证实了包括 PBD 求解器和流体计算在内的整个流水线的完全可微性。
控制器的神经进化： 进化了一个组合模式生成网络（CPPN）来控制丝状节点，适应度基于位移和趋化性（能量收集）。
- 结果： 系统进化出了正弦运动策略，并展示了在化学梯度中导航的能力，验证了感觉-运动控制与物理动力学的集成。
质量多样性（QD）搜索： 使用 MAP-Elites 根据行为描述符（弯曲努力程度和拉伸努力程度）来发现多样化的运动策略。
- 结果： 涌现出了多种多样的游泳步态，包括正弦运动、定向转向、复杂运动以及类似桨状的圆形结构，展示了丝状编码的表达能力。
可扩展性： 测量了运行时间随粒子数量的变化（最高达 50 万个粒子）。
- 结果： Microcosmos 展示了相对于粒子数量的线性扩展，这与像 Particle Life 这样基于成对相互作用的粒子系统（其扩展为 $O(n^2)$ ）形成了鲜明对比。

意义与主张

论文声称 Microcosmos 解决了人工生命研究中的历史瓶颈：即无法扩展具有物理基础的模拟。通过利用生物学中普遍存在的丝状结构（从鞭毛到细胞骨架网络）以及 GPU 加速流体求解器的高效性，作者提供了一个弥合物理可信度与计算可行性之间鸿沟的工具。

作者将 Microcosmos 定位为并非最终解决方案，而是一个基础平台。他们认为，扩展具有物理基础的模拟对于人工生命而言，其重要性等同于计算规模的扩展对于现代人工智能的重要性。该系统旨在支持未来关于多智能体交互、出生/死亡动力学、自组装以及在物理上合理的虚拟世界中个体性和共生关系的涌现的研究。论文最后呼吁社区基于这一开放平台开展工作，以实现开放式的演化复杂性。