De quoi dépend qu’un réseau soit dense ou clairsemé ?

Trois paramètres se font concurrence : la vitesse de dépôt de la trace, sa vitesse de décroissance, et l’angle ou la portée des capteurs. Un dépôt fort et une décroissance lente resserrent les chemins en « veines » denses ; une décroissance rapide ou un angle de capteurs large fait s’éparpiller les agents — le réseau devient clairsemé, plus « exploratoire ».

Est-ce un vrai modèle biologique ?

Non : un schéma simplifié inspiré de Physarum. Le plasmode réel utilise plusieurs signaux chimiques, des écoulements intracellulaires et des contractions rythmiques. Ici on a gardé le mécanisme principal de rétroaction positive, grâce auquel des agents simples trouvent des itinéraires efficaces.

À quoi sert la diffusion de la trace ?

Sans diffusion, la trace n’aurait qu’une cellule de large et les autres agents la « verraient » à peine. La diffusion l’étale sur le côté et en fait un gradient que l’on peut suivre — c’est ainsi que des réseaux apparaissent dans un modèle stigmergique.

Myxomycète Physarum (agents)

Environ 4 500 agents suivent un attractant chimique déposé : dépôt, diffusion, décroissance et trois capteurs — auto-organisation en réseaux de chemins.

À propos du modèle

Le myxomycète Physarum est représenté par des milliers d’agents qui errent sur une grille et lisent un champ d’attractant chimique. Chaque agent a trois capteurs — à gauche, au centre et à droite de sa direction ; il tourne vers le capteur de plus forte concentration. Là où il passe, il laisse une trace dans le champ ; le champ diffuse ensuite vers les cellules voisines et décroît exponentiellement à chaque pas. Cette boucle « sentir → tourner → déposer → diffuser → décroître », connue d’après les travaux de Jeff Jones, modélise le comportement de Physarum polycephalum : à partir de règles locales, des réseaux de transport ramifiés apparaissent spontanément, très proches des veines alimentaires d’un vrai plasmode.

Public : Systèmes complexes et biologie computationnelle : règles locales, stigmergie, réseaux de transport.

Notions clés

Physarum polycephalum
modèle à agents
chimiotaxie
réaction–diffusion
auto-organisation
réseaux de transport

Comment ça marche

Des milliers d’agents avancent sur une grille et lisent un champ d’attractant chimique avec trois capteurs (gauche, devant, droite). Chacun tourne vers le capteur le plus « riche », laisse une trace dans le champ, et le champ lui-même diffuse vers les cellules voisines et décroît exponentiellement. Boucle minimale « sentir → tourner → déposer → diffuser → décroître », décrite par Jeff Jones pour Physarum polycephalum : par rétroaction positive, elle s’auto-organise en réseaux de transport ramifiés, très proches des « veines » alimentaires d’un vrai myxomycète.

Formules

pos ← pos + v · (cos θ, sin θ)

C(x, y) ← (1 − ρ) · ∇²-blur(C + dep) (décroissance + diffusion)

Questions fréquentes

De quoi dépend qu’un réseau soit dense ou clairsemé ?: Trois paramètres se font concurrence : la vitesse de dépôt de la trace, sa vitesse de décroissance, et l’angle ou la portée des capteurs. Un dépôt fort et une décroissance lente resserrent les chemins en « veines » denses ; une décroissance rapide ou un angle de capteurs large fait s’éparpiller les agents — le réseau devient clairsemé, plus « exploratoire ».
Est-ce un vrai modèle biologique ?: Non : un schéma simplifié inspiré de Physarum. Le plasmode réel utilise plusieurs signaux chimiques, des écoulements intracellulaires et des contractions rythmiques. Ici on a gardé le mécanisme principal de rétroaction positive, grâce auquel des agents simples trouvent des itinéraires efficaces.
À quoi sert la diffusion de la trace ?: Sans diffusion, la trace n’aurait qu’une cellule de large et les autres agents la « verraient » à peine. La diffusion l’étale sur le côté et en fait un gradient que l’on peut suivre — c’est ainsi que des réseaux apparaissent dans un modèle stigmergique.

Poursuivez avec des thèmes proches de cette catégorie — ou les 85 de «Visualisation mathématique».

Toute la catégorie →

NouveauUniversité

Chimiotaxie de Keller–Segel

Lancer la simulation

n suit le gradient de c ; sécrétion αn, dégradation βc ; effondrement si χ est grand ; grille 96².

NouveauUniversité

Oscillations MinD/MinE (E. coli)

Lancer la simulation

Réaction–diffusion unidimensionnelle sur un bâtonnet ; oscillations de pôle à pôle ; plan de division au minimum de MinD moyen.

NouveauUniversité

Volumes finis : advection et diffusion

Lancer la simulation

Transport conservatif d’un scalaire sur un maillage 2D : flux à travers les faces, schéma décentré amont ou interpolation centrée, nombre de Péclet, CFL et diffusion numérique.

NouveauUniversité

Attracteur de Rössler

Lancer la simulation

Intégration par Runge–Kutta d’ordre 4 du système ẋ = −y − z, ẏ = x + ay, ż = b + z(x − c) ; cascade de doublement de période lorsque c croît.

NouveauUniversité

Méthode du gradient conjugué

Lancer la simulation

Système SDP Ax=b comme minimisation d’une forme quadratique : lignes de niveau, gradient conjugué contre plus grande pente, norme du résidu et conditionnement.

NouveauUniversité

Équation de la chaleur : différences finies

Lancer la simulation

Équation 1D u_t = αu_xx : FTCS explicite et Euler implicite ; faites varier r = αΔt/Δx², observez l’explosion du schéma explicite pour r > 1/2 et comparez la diffusion numérique.

Myxomycète Physarum (agents)

À propos du modèle

Comment ça marche

Formules

Questions fréquentes

Simulations voisines

Chimiotaxie de Keller–Segel

Oscillations MinD/MinE (E. coli)

Volumes finis : advection et diffusion

Attracteur de Rössler

Méthode du gradient conjugué

Équation de la chaleur : différences finies

Myxomycète Physarum (agents)

À propos du modèle

Comment ça marche

Formules

Questions fréquentes