---
source_url: https://distill.pub/2020/growing-ca/
source_title: "Growing Neural Cellular Automata"
source_site: "Distill"
hero_image: https://distill.pub/2020/growing-ca/thumbnail.jpg
tags: neural-cellular-automata,morphogenesis,self-organization
generated_at: 2026-05-20T00:18:40.794Z
model: claude-haiku-4-5
---
# ニューラルセルオートマタが単一細胞から複雑な模様を成長させる

単一の種細胞から出発して、多細胞生物の複雑なパターンを成長させ、損傷時に自己修復できるニューラル計算モデルが開発された。微分可能なセルオートマタを用いた研究により、自己組織化による形態形成の仕組みが明らかになりつつある。

2020年に発表された研究では、差分可能なセルオートマタを使用した計算モデルが、単一の種細胞からアトラクタとして安定した多細胞パターンを成長させ、損傷時の再生能力を示すことが実証された。

## 細胞状態の表現と知覚機構

各細胞の状態は16次元の実数ベクトルで表現され、最初の3つのチャネルがRGB色を、アルファチャネルが生きている細胞を示す。アルファ値が0.1を超える細胞は成熟細胞と見なされる。知覚は3×3の畳み込みとSobelフィルタを用いて実装され、x方向とy方向の偏微分を推定する。

## 学習と訓練戦略

セルオートマタの更新ルールは約8,000のパラメータで構成される。訓練では64ステップから96ステップの範囲でランダムに選択されたステップ数が用いられ、1,024個の状態で初期化されたサンプルプールから、各訓練ステップごとに32個のバッチが抽出される。目標パターンサイズは40×40ピクセルである。

## 再生能力と堅牢性

結合システムアプローチで訓練されたモデルは、目標形状に向かうアトラクタ動作を発展させる。特に注目すべきは、再生能力を明示的には訓練されていないにもかかわらず、いくつかのモデルが再生能力を示したことである。訓練中に損傷にさらされたモデルは、より堅牢な再生能力を示し、未訓練の損傷タイプに対しても対応した。

## 筆者の見立て

- 「このプロセスは、おそらくあらゆる生き物が所有する最も根本的なスキルである」と論じている
- 身体内の細胞が必要に応じてオンデマンドで構造を構築できるという含意を示唆している
- 単純なルールからの創発と恒常性フィードバックループの相互作用を理解することが、活発な研究分野であると解釈している

*この記事は元記事の事実のみに基づいて自動生成されました。*

## 出典

Distill『Growing Neural Cellular Automata』https://distill.pub/2020/growing-ca/