猎取水母作为超级计算机?

科内罗塔序的Jellyfish常见于大西洋东北部,也常见于亚得里亚海,地中海和黑海. 特别是直径可达40厘米的Rhizostoma pulmo物种,是它们居住在英属岛屿沿岸的代表中最大的. 正是在这里,生物学家安德鲁·雷诺兹(Andrew Reynolds)在水母中发现了一种为动物获取食物的独特策略.

如果我们泛泛地谈论水母-角质, 那么它们的饮食是相当多样化的。 有些物种能够外消化,因此它们的菜单包括相当大的水下居民,例如鱼类. 另一些则从字面上变成“蔬菜”:在底部定居,由于动物纲的共生微生物,它们进行光合作用。 然而,与其兄弟不同,Rhizostoma Pulmo更具有选择性,只以浮游生物为食. 因此,他设法同时掌握了几种狩猎方法——其中一对突出,可以用数学统计方法来描述.



第一个叫"利维行走" 作者用丢失了钥匙的简单例子来解释这一策略的本质. 此人在自己的口袋中搜寻这些物品,但没有成功,将他的搜寻转移到另一个地方,例如,他也在一张桌子上密集地搜寻,等等,直到目标实现。 从效率的角度来看,这种策略非常合理。

同样地,水母进行随机移动,在此期间更频繁的短步与长步相接. 也就是说,首先,水母在其位置附近寻找猎物,然后移动到相当远的地方,继续在那里进行“详细”的搜寻。 这种策略在许多动物中是常见的——例如鲨鱼,龟,节肢动物或蜜蜂.



然而,水母最有生产力的是第二种策略,它类似于模拟厌食算法. 后者是基于对某种物质结晶过程中发生的物理过程的模仿,包括用(硬化)金属来增加同质性,消除缺陷,降低穿戴的易感和增强强度.

每个金属都有晶体花纹. 它描述了物质原子几何位置的可能变体,每个态都对应一定的能量. 在取暖过程中,金属被加热到一定温度,这导致晶体上层的原子离开其位置. 然后开始缓慢而有控制的冷却,结果原子“选择”最适合自己的地方。 因此,这个想法的目标是以比原作更少的能量将系统带入最有秩序的状态.



对于任何数学家来说,这种算法与超级计算机相关联,其特点是可以在很短的时间内用来找到一个复杂问题的最佳解决方案,安德鲁·雷诺兹在他在伦敦皇家自然知识学会皇家学会界面杂志上发表的文章中说. 但最简单的例子是我们通常留在互联网上。 我们打开Google, 我们提出要求,我们得到信息。 要入下个查询,必须回首一页查询等.

在水母中,模拟取暖的策略表述如下: 捕食者在任意距离上进行跳跃——如果没有合适的猎物,则返回起步点,从向另一方向进行跳跃. 这种行动的要点是找到被猎物在水体中的最大浓度,或者在从远处被猎物产生的众多嗅觉小径中选择最强的.

结合这两种策略,对于像Rhizostoma pulmo这样的活浮游生物使用者来说,是成功生存的关键. 这个迄今为止前所未有的生物“计算机”行为的例子清楚地表明,大自然已经知道我们未来在数学方面的进步 — — 人们只能猜到接下来会给我们带来什么惊喜。

资料来源:facepla.net。