[Submitted on 13 Nov 2025 (v1), last revised 29 Jul 2026 (this version, v2)]

View PDF

Abstract:背景：體現智能與發育形態生成皆依賴集中式引導與分散式物質動態之間的勞動分工，但究竟需要多少自上而下的控制才能引導自我組織仍不明確。方法：我們將一個緊湊的全解析度卷積控制器與可微分的 Gray-Scott 反應-擴散（RD）基質結合。該控制器觀察 U 與 V 兩個場，並對 feed 與 kill 參數施加平滑的增益排程調變（Delta F 與 Delta K）。我們比較了純 RD、神經網路（NN）主導以及混合三種模式，並評估其頻譜選擇性、收斂性與控制成本。結果：混合模式在大約 165 步內達成 100% 的嚴格收斂，而純 RD 與 NN 主導的基線在相同時間範圍內皆未收斂。混合模式與基質的頻譜選擇性相符，同時 L1 努力量約減少 15 倍，L2 功率則減少超過 200 倍。適度的振幅（A 約 0.03–0.045）形成黃金區域，在 94–96 步內達到 100% 的準收斂。結論：有效的控制最適合被描述為「播種後放手」：簡短、平滑的參數層級推力將系統置於有利的吸引域中，之後反應-擴散動態完成並穩定圖形。這為受控自我組織的形態計算提供了一個定量模型。

Submission history

From: Takehiro Ishikawa [view email]
[v1] Thu, 13 Nov 2025 09:05:27 UTC (437 KB)
[v2] Wed, 29 Jul 2026 08:28:55 UTC (2,278 KB)