Autómata celular

Ir a la navegaciónIr a la búsqueda
Click para cargar el WikiWidget
Un autómata celular (A.C.) es un modelo matemático y computacional para un sistema
dinámico que evoluciona en pasos discretos. Es adecuado para modelar sistemas
naturales que puedan ser descritos como una colección masiva de objetos simples que
interactúen localmente unos con otros.

Son sistemas descubiertos dentro del campo de la física computacional por John von
Neumann en la década de 1950. La teoría de los autómatas celulares se inicia con su
precursor John von Neumann a finales de la década de 1940 con su libro Theory of
Self-reproducing Automata (editado y completado por A. W. Burks).

Aunque John von Neumann puso en práctica los AA.CC., estos fueron concebidos en los
años 40 por Konrad Zuse y Stanislaw Ulam. Zuse pensó en los “espacios de cómputo”
(computing spaces), como modelos discretos de sistemas físicos. Las contribuciones
de Ulam vinieron al final de los 40, poco después de haber inventado con Nicholas
Metropolis el Método de Montecarlo.

Índice
1 Descripción
1.1 Condiciones de frontera
1.2 Variaciones
2 Historia
2.1 Era de Von Neumann
2.2 Era de John Horton Conway
2.3 Era de Stephen Wolfram
3 Aplicaciones
4 Ejemplos de autómatas celulares
4.1 AC de una dimensión
4.2 Juego de la vida
4.3 Modelo Nagel-Schreckenberg
5 Véase también
6 Referencias
7 Bibliografía
8 Enlaces externos
8.1 Software
Descripción
No existe una definición formal y matemática aceptada de autómata celular; sin
embargo, se puede describir a un A.C. como una tupla, es decir, un conjunto
ordenado de objetos caracterizado por los siguientes componentes:

Una rejilla o cuadriculado (lattice) de enteros (conjunto {\displaystyle \mathbb

{Z} }\mathbb{Z}) infinitamente extendida, y con dimensión {\displaystyle d\in
\mathbb {Z} ^{+}}{\displaystyle d\in \mathbb {Z} ^{+}}. Cada celda de la cuadrícula
se conoce como célula.
Cada célula puede tomar un valor en {\displaystyle \mathbb {Z} }\mathbb{Z} a partir
de un conjunto finito de estados {\displaystyle k}k.
Cada célula, además, se caracteriza por su vecindad, un conjunto finito de células
en las cercanías de la misma.
De acuerdo con esto, se aplica a todas las células de la cuadrícula una función de
transición ( {\displaystyle f}f ) que toma como argumentos los valores de la célula
en cuestión y los valores de sus vecinos, y regresa el nuevo valor que la célula
tendrá en la siguiente etapa de tiempo. Esta función {\displaystyle f}f se aplica,
como ya se dijo, de forma homogénea a todas las células, por cada paso discreto de
tiempo.
Condiciones de frontera
Topología del autómata celular de 2D plegado en 3D para el caso de frontera
periódica.
Por definición, un A.C. consiste en una retícula infinita de enteros. Sin embargo,
para cuestiones prácticas (como en modelos de sistemas físicos llevados a cabo en
ordenadores de memoria finita), se requiere tomar ciertas consideraciones a la hora
de implementar un A.C. Por ello, la definición original se modifica para dar cabida
a retículas finitas en las que las células del A.C. interactúen. Esto conlleva la
consideración extra de lo que debe suceder con aquellas células que se encuentren
en los bordes de la retícula. A la implementación de una o varias consideraciones
específicas se le conoce como condición de frontera.

Dentro del ámbito de los A.C., se pueden implementar numerosas condiciones de

frontera, en función de lo que el problema real requiera para su modelado. Por
ejemplo:

Frontera abierta. Se considera que fuera de la lattice residen células, todas con
un valor fijo. En el caso particular del juego de la vida y de otros A.C. con dos
estados en su conjunto {\displaystyle k}k, una frontera se dice fría si las células
fuera de la frontera se consideran muertas, y caliente si se consideran vivas.
Frontera periódica. Se considera a la lattice como si sus extremos se tocaran. En
una lattice de dimensión 1, esto puede visualizarse en dos dimensiones como una
circunferencia. En dimensión 2, la lattice podría visualizarse en tres dimensiones
como un toroide.
Frontera reflectora. Se considera que las células fuera de la lattice "reflejan"
los valores de aquellas dentro de la lattice. Así, una célula que estuviera junto
al borde de la lattice (fuera de ella) tomaría como valor el de la célula que esté
junto al borde de la lattice, dentro de ella.
Sin frontera. Haciendo uso de implementaciones que hagan crecer dinámicamente el
uso de memoria de la lattice implementada, se puede asumir que cada vez que las
células deben interactuar con células fuera de la lattice, esta se hace más grande
para dar cabida a estas interacciones. Obviamente, existe un límite (impuesto por
la memoria disponible) para esta condición. Es muy importante no confundir esta
condición de frontera con la definición original de A.C. cuya lattice es
inicialmente infinita. En el caso de un A.C. sin frontera, la lattice comienza con
un tamaño definido y finito, y conforme se requiera va creciendo en el tiempo, lo
cual no lo hace necesariamente un modelo más cercano a la realidad, pues si se
inicializara la lattice aleatoriamente, con esta condición sólo se pueden
inicializar las células dentro de la lattice inicial finita, mientras que en el
caso de la definición original, en teoría todas las células de la lattice infinita
deberían ser inicializadas.
Variaciones
Los A.C. pueden variar en alguna de las características antes mencionadas,
derivando en autómatas celulares no estándar.

Por ejemplo, un A.C. estándar tiene una cuadrícula donde se asume que las células
son cuadros; es decir, que la retícula tiene una geometría cuadrada. Esto no es
necesariamente un requisito, y se puede variar el A.C. para presentar una geometría
triangular o hexagonal (en A.C. de 2 dimensiones, el cuadrado, el triángulo y el
hexágono son las únicas figuras geométricas que llenan el plano).

También puede variarse el conjunto de estados {\displaystyle k}k que cada célula
puede tomar, la función de transición {\displaystyle f}f de forma que ya no sea
homogénea, utilizar elementos estocásticos (aleatoriedad) en {\displaystyle f}f (lo
que se conoce como A.C. probabilístico), variar las vecindades de cada célula, etc.

Historia
La historia de los autómatas celulares puede ser clasificada en tres etapas
asociadas a los nombres de los científicos que en cada momento marcaron un punto de
inflexión en el desarrollo de la teoría: la era de Von Neumann, la era de John
Horton Conway y la era de Stephen Wolfram.

Era de Von Neumann

La primera etapa la inicia von Neumann,1 quien una vez terminada su participación
en el desarrollo y terminación de la primera computadora ENIAC tenía en mente
desarrollar una máquina con la capacidad de construir a partir de sí misma otras
máquinas (auto-reproducción) y soportar comportamiento complejo. Con la ayuda de su
amigo Stanislaw Ulam, von Neumann implementa la teoría de los autómatas celulares
en un vector de dos dimensiones {\displaystyle \mathbb {Z} \times \mathbb {Z} }
{\displaystyle \mathbb {Z} \times \mathbb {Z} } (donde {\displaystyle \mathbb
{Z} }\mathbb{Z} representa el conjunto de los enteros). El vector es llamado el
espacio de evoluciones y cada una de las posiciones (llamadas células) en el vector
toma un valor del conjunto de estados {\displaystyle |k|=29}{\displaystyle |k|=29}.
La función de transición que determina el comportamiento del autómata celular
utiliza la vecindad de von Neumann, que consiste en un elemento central
{\displaystyle x(i,j)}{\displaystyle x(i,j)} (llamada célula central) y sus vecinos
que son las células {\displaystyle x(i,j-1)}{\displaystyle x(i,j-1)},
{\displaystyle x(i,j+1)}{\displaystyle x(i,j+1)}, {\displaystyle x(i-1,j)}
{\displaystyle x(i-1,j)} y {\displaystyle x(i+1,j)}{\displaystyle x(i+1,j)} (es
decir, la célula en cuestión y sus células vecinas más próximas, arriba, abajo,
izquierda y derecha, respectivamente).

Era de John Horton Conway

En 1970, John Horton Conway dio a conocer el autómata celular que probablemente sea
el más conocido: el Juego de la vida (Life), publicado por Martin Gardner en su
columna Mathematical Games en la revista Scientific American.2 Life ocupa una
cuadrícula (lattice bidimensional) donde se coloca al inicio un patrón de células
"vivas" o "muertas". La vecindad para cada célula son ocho: los vecinos formados
por la vecindad de Von Neumann y las cuatro células de las dos diagonales (esta
vecindad se conoce como vecindad de Moore). De manera repetida, se aplican
simultáneamente sobre todas las células de la cuadrícula las siguientes 3 reglas:

Nacimiento: se reemplaza una célula muerta por una viva si dicha célula tiene
exactamente 3 vecinos vivos.
Muerte: se reemplaza una célula viva por una muerta si dicha célula no tiene más de
1 vecino vivo (muerte por aislamiento) o si tiene más de 3 vecinos vivos (muerte
por sobrepoblación).
Supervivencia: una célula viva permanecerá en ese estado si tiene 2 o 3 vecinos
vivos.
Una de las características más importantes de Life es su capacidad de realizar
cómputo universal, es decir, que con una distribución inicial apropiada de células
vivas y muertas, Life se puede convertir en una computadora de propósito general
(máquina de Turing).

Era de Stephen Wolfram

Stephen Wolfram3ha realizado numerosas investigaciones sobre el comportamiento
cualitativo de los A.C. Con base en su trabajo sobre AC unidimensionales, con dos o
tres estados, sobre configuraciones periódicas que se presentan en el A.C., observó
sus evoluciones para configuraciones iniciales aleatorias. Así, dada una regla, el
A.C. exhibe diferentes comportamientos para diferentes condiciones iniciales.

De esta manera, Wolfram clasificó el comportamiento cualitativo de los A.C.

unidimensionales. De acuerdo con esto, un AC pertenece a una de las siguientes
clases:

Clase I. La evolución lleva a una configuración estable y homogénea, es decir,

todas las células terminan por llegar al mismo valor.
Clase II. La evolución lleva a un conjunto de estructuras simples que son estables
o periódicas.
Clase III. La evolución lleva a un patrón caótico.
Clase IV. La evolución lleva a estructuras aisladas que muestran un comportamiento
complejo (es decir, ni completamente caótico, ni completamente ordenado, sino en la
línea entre uno y otro, este suele ser el tipo de comportamiento más interesante
que un sistema dinámico puede presentar).
Aplicaciones

El caparazón de Conus textile muestra un patrón caracterizable en términos de

autómatas celulares.
Los autómatas celulares pueden ser usados para modelar numerosos sistemas físicos
que se caractericen por un gran número de componentes homogéneos y que interactúen
localmente entre sí. De hecho, cualquier sistema real al que se le puedan analogar
los conceptos de "vecindad", "estados de los componentes" y "función de transición"
es candidato para ser modelado por un A.C.

Las características de los autómatas celulares harán que dichos modelos sean
discretos en tiempo, espacio o ambos, dependiendo de la variante de la definición
de A.C. que se use. Algunos ejemplos de áreas en donde se utilizan los autómatas
celulares son:

Modelado del flujo de tráfico y de peatones.

Modelado de fluidos (gases o líquidos).
Modelado de la evolución de células o virus como el VIH.
Modelado de procesos de percolación.
Ejemplos de autómatas celulares
AC de una dimensión

Autómata celular generado con la regla 30.

El AC no trivial más simple consiste en una retícula unidimensional de células que
sólo pueden tener dos estados (« 0 » o « 1 »), con un vecindario constituido, para
cada célula, por ella misma y por las dos células adyacentes (23=8 configuraciones
posibles). Existen 28=256 modos de definir cuál ha de ser el estado de una célula
en la generación siguiente para cada una de estas configuraciones, luego existen
256 AC diferentes de este tipo.

Consideremos el AC definido por la tabla siguiente, que nos da la regla de

evolución:

Motivo inicial 111 110 101 100 011 010 001 000
Valor siguiente de la célula central 0 0 0 1 1 1 1
0
Juego de la vida
Artículo principal: Juego de la vida
Modelo Nagel-Schreckenberg
Artículo principal: Modelo Nagel-Schreckenberg
Véase también
Autómata celular cuántico
Emergencia (filosofía)
Máquina de Turing
Teoría de autómatas
Ciudad Permutación
Referencias
von Neumann, J. (1966)The Theory of Self-reproducing Automata, ed. Univ. of
Illinois Press, Urbana, IL
Gardner, M. (1970) Mathematical Games: The fantastic combinations of John Conway's
new solitaire game "Life", Scientific American
Wolfram (1986), Theory and Application of Cellular Automata, World Scientific,
Singapur
Bibliografía
S. Wolfram, A New Kind of Science, 2002
B. Cipra, What's happening in the Mathematical Sciences, vols. 3 y 5, American
Mathematical Society, EU, 1996, 2002
Enlaces externos
Cellular Automata Repository (CA researchers, historic links, free software, books
and beyond (inglés))
Cellular Automata And the Edge of Chaos (inglés)
Una introducción a los Autómatas Celulares
Autómata Celular
Autómatas Celulares
Modelación de flujo de tránsito de autos utilizando autómatas celulares
Autómata de Modelo Electromagnético
Software
Discrete Dynamics Lab
Mirek's Cellebration
Modern Cellular Automata
Loops autoreplicantes en el espacio celular
AC triangulares, pentagonales y hexagonales
Generador virtual de AC
EvoCell - Licencia GPL
Watch 16, 256 and 512 cellular automata grow in your browser
Prenzl!! Artistic Cellular Automata - Software libre para desarrollar AC artísticos
y otros sistemas dinámicos.
Colección de 10 AC
Cafun – Freeware Java implementación para simular y visualizar autómatas celulares
con configuración basada en XML
[1] - autómata celular en castellano, programado en C++ modo texto
Control de autoridades
Proyectos WikimediaWd Datos: Q189156Commonscat Multimedia: Cellular automata
IdentificadoresBNF: 12144918z (data)GND: 4190671-8LCCN: sh85021692Microsoft
Academic: 35527583Diccionarios y enciclopediasBritannica: url
Categorías: Inteligencia artificialLenguajes formalesAutómata celular
Menú de navegación
No has accedido
Discusión
Contribuciones
Crear una cuenta
Acceder
ArtículoDiscusión
LeerEditarVer historial
Buscar
Buscar en Wikipedia
Portada
Portal de la comunidad
Actualidad
Cambios recientes
Páginas nuevas
Página aleatoria
Ayuda
Donaciones
Notificar un error
Herramientas
Lo que enlaza aquí
Cambios en enlazadas
Subir archivo
Páginas especiales
Enlace permanente
Información de la página
Citar esta página
Elemento de Wikidata
Imprimir/exportar
Crear un libro
Descargar como PDF
Versión para imprimir
En otros proyectos
Wikimedia Commons

En otros idiomas
‫العربية‬
Deutsch
English
Français
日本語
Português
Русский
‫اردو‬
中文
23 más
Editar enlaces
Esta página se editó por última vez el 19 dic 2020 a las 16:15.
El texto está disponible bajo la Licencia Creative Commons Atribución Compartir
Igual 3.0; pueden aplicarse cláusulas adicionales. Al usar este sitio, usted acepta
nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una
organización sin ánimo de lucro.
Política de privacidadAcerca de WikipediaLimitación de responsabilidadVersión para
móvilesDesarrolladoresEstadísticasDeclaración de cookiesWikimedia FoundationPowered
by MediaWiki