알고리즘 렌즈를 통한 생태와 진화

생태와 진화에 대한 연구는 점점 더 수학적으로 발전하고 있지만 대부분의 이론적 도구는 물리학에서 나온 것 같습니다. 그러나 대부분의 경우 문제는 매우 불 연속적이며 (예 : SLBS00 참조 ) 컴퓨터 과학의 관점에서 이점을 얻을 수 있습니다 . 그러나 나는 생태와 진화에 대한 특정 질문을 다루려고하는 TCS의 심각한 결과 만 알고 있습니다. 떠오르는 두 가지 방향은 다음과 같습니다.

1. Livnat, A., Papadimitriou, C., Dusho, J., & Feldman, MW [2008] "진화에서 성의 역할에 대한 혼합 성 이론"PNAS 105 (50) : 19803-19808. [ pdf ]

2. Valiant, LG [2009] "진 화성"저널 ACM 56 (1) : 3.

전자는 유전자 알고리즘 분석의 아이디어를 적용하여 성 및 무성 유기체가 피트니스 환경에서 행동하는 방식 사이의 질적 차이를 보여 주며 후속 조치로 이어졌습니다. 관찰 된 모듈성을 정당화하는 데 도움이 . 후자는 진화와 컴퓨터 학습 이론을 연결하여 진화 성과 불합리성 결과를 증명하려고 노력합니다. 그것은 작은 논문 모음에 영향을 주었지만 대부분 다른 컴퓨터 과학자들에 의해 영향을 받았습니다.

이 정맥에 더 많은 결과가 있습니까? 생물 학자들이 연구하면서 생태학과 진화를 이해하는 데 이론적 컴퓨터 과학의 다른 심오한 응용이 있습니까?

노트

• 나는 일반적인 공학 관련 유전자 또는 진화 알고리즘 결과에 관심이 없습니다. 이것은 컴퓨터 과학에서 매우 흥미롭고 흥미로운 부분이지만 생물 학자들이 연구 한 진화와의 연관성은 종종 피상적입니다. 때때로 (LPDF08에서와 같이) 구체적인 연결이 이루어 지지만 대부분의 표준 결과는 생물학적으로 중요하지 않으므로이 게시물에 관심이 없습니다.

• 생물 정보학은 가까운 분야이지만 내가 찾고있는 것이 아닙니다. 계통 발생 수와 같은 것을 재구성하고 진화 / 생태학을 돕는 데 사용될 수 있지만, 이론적 CS 측면은 중심 단계를 차지하지 않습니다. 여기서 CS 결과는 기존의 잘 확립 된 이론 내에서 주로 블랙 박스로 사용될 수있는 도구를 완벽하게 완성하고 새로운 생물학적 이론을 구축하거나 확장하지 않는 것으로 보인다.

• 나는 컴퓨터 과학의 현대적이고 사소한 측면을 사용하여 이론적이지만 생물 학자에게는 여전히 생물학에 영향을 미치는 결과를 선호합니다. 따라서 나는 Chaitin의 metabiology 와 같은 것에 관심이 없습니다 .

관련 질문

• 유전자 알고리즘에 대한 입증 가능한 진술

• 사회 과학의 알고리즘 렌즈

• 알고리즘 진화 게임 이론의 출처

• 양적 금융의 계산 복잡성

흠. 진화론 적 역학 / 게임 이론이 진행되는 한, 개인적으로 여러분이 언급 한 리브 나트 (Livnat) 등의 논문은 아주 훌륭하지만 진화론 적 게임 이론에 대한 표준 수학적 접근법에 "외부"가되지 않는 것으로 보입니다 ( 예 : '05 논문 "그래프의 진화론 적 역학" 과 같은 Martin Nowak의 그룹 ).

그래서 제가 주장하는 두 가지 주장은 : 첫째, 이것은 컴퓨터 과학자들에 의해 수행되는 진화론 역학에서 훌륭한 일이지만, 개인적으로 이론적 컴퓨터 과학 안에 두거나 TCS와 밀접하게 관련된 것은 아닙니다. 진화론과 알고리즘 게임 이론 사이의 기존 관계에 대한 둘째, 당신이 동의하지 않는 경향이 있다면, Evolutionary Dynamics의 분야가 철학적으로 TCS와 얼마나 많이 공유 / 공유하는지에 놀랄 것입니다.

일반적으로, 나는 언급 한 참조를 포함하여, 당신이 찾고있는 것처럼 보이는이 라인을 따라 어떤 작업도 없다고 말하고 싶습니다 .TCS의 핵심 개념 / 기술 사이의 깊은 연결이라고 생각합니다. 그리고 진화에 대한 연구. (물론 다른 의견을 가진 사람이 있다면 그렇게 말하십시오!)

나는 진화 게임 이론이나 진화 역학 이보다 알고리즘적인 접근 방식 (예 : Livnat 등)으로부터 혜택을 얻을 수 있다고 생각합니다 . 특정 예를 들어, 난 등으로 모델링 (제한) computional 능력과 진화 가능한 에이전트 고려 가능한 좋은 확장 참조 예를 들어, 유한 상태 기계. 이를 통해 tit-for-tat과 같은보다 복잡한 조건부 전략을 가진 이산 에이전트의 진화를 연구 할 수 있습니다. 나는 이것에 대해 조금 살펴 보았고이 라인을 따라 예비 작업에 대해 들었지만 인용 할 언급이 없습니다.

그러나이 예제조차도 다소 간단한 응용 프로그램이므로 이러한 결과는 여전히 귀하의 질문에 대답하지 못할 것입니다.

다른 한편으로는 이론을 배우는 것에 대한 희망이 훨씬 더 높아져 언젠가 진화론 적 역학과도 좋은 연관성을 가질 수 있습니다. 그러나 나는 그 결과에 익숙하지 않으므로 다른 사람들이 의견을 남길 수 있습니다.

(편집) 언급해야 할 한 가지 잠재적 인 관계는 알려진 게임 학습 관계 (예 : "전문가의 문제")와 반복 게임에서 평형에 대한 수렴입니다. 예를 들어, 반복되는 게임에서 모든 플레이어가 후회없는 전략을 수행하는 경우, 과거의 행동 분포는 단일 라운드 게임의 거친 상관 평형으로 수렴합니다. 진화 게임 이론 렌즈를 통해 볼 때 이것에 대해 흥미롭고 참신한 것이있을 수 있습니다. 잘 모르겠습니다.

약물 디자인에 적용하고 흥미로운 마르코프 체인 기술을 사용하는 무성 진화와 관련된 하나의 (최근) 작업 라인 : 섹스없는 진화

여기 진화론 / 유전학을 Multiplicative Weight Update 알고리즘과 연계시키는 새로운 주목할만한 논문이 있습니다. 또한 Simons 재단에 의해 프로파일 링 되었으며이 질문에 인용 된 공동 저자를 포함합니다

• 알고리즘, 게임 및 진화 Erick Chastain, Adi Livnat, Christos Papadimitriou 및 Umesh Vazirani

  다윈을 시작으로 가장 노련한 진화의 학생들조차도 자연 선택의 메커니즘이 우리 주변의 삶 전체를 생산했다는 사실에 놀라움을 표명했습니다. 동일한 놀라움을 표현할 수있는 계산 방법이 있습니다.“약 35 억 년 만에이 알고리즘을 모두 구현할 수있는 알고리즘은 무엇입니까?”이 논문에서 우리는 답을 제안합니다. 성별이있을 때 자연 선택을 묘사하는 인구 유전학 방정식은 컴퓨터 과학 분야에서 놀랍도록 강력하고 다재다능한 알고리즘 인 MWUA (multiplicative weight updates)에 따라 재생되는 유전자 사이에서 반복되는 게임의 것과 동일하게됩니다. MWUA는 누적 성능과 엔트로피 간의 트레이드 오프를 극대화합니다.

미샤 그로 모프 (Misha Gromov)의 최근 광범위한 연구 결정, 단백질, 안정성 및 등가 측정법 (Bull. Amer. Math. Soc. 48 (2011), 229-257)은 생물학 관련 수학적 주제 (TCS에 연결되는 많은 주제 포함)의 풍부한 정맥입니다. 행동 양식).

질문은의 목록을 요구했다

알고리즘 렌즈를 통해 매우 이질적인 컴퓨터 과학 […]의 현대적이고 사소한 측면을 사용하는 결과 […]

Gromov의 설문 조사는 특정 연구 프로그램보다 일반적인 수학 문제에 중점을 둡니다. 따라서 설문 조사는 Gromov의 선택으로 읽을 수 있습니다

질문 (가능성이) 매우 이산 성격이다 [...] (다수가) 현대 틱 및 컴퓨터 과학의 적지 않은 부분을 사용하는 것이 [...] (종종 무엇을) 알고리즘 렌즈를 통해.

Gromov의 기사는 알려진 결과 목록이 아닌 답변되지 않은 질문 목록으로 독자에게 상당한 창의적 요구를 제기합니다.

아마도이 기사의 주요 미덕은 저자가… Misha Gromov라는 것입니다 !

슬프게도이 질문에 대한 높은 투표와 답변에 대한 낮은 투표에 의해 입증 된 바와 같이 과학적 관심 / 의의 vs 실제 과학 연구에 큰 격차가있는 것 같습니다 (여기서 그 패턴을 무시할 것으로 기대하지 않음). 초기 유아기 과학 이론의 핵심에서 매우 중요한 연구 / 연구 프로그램 인 것으로 보인다. 우리는 진화론을 반증 할 수있는 전산 실험을 할 수있는 도구를 가지고 진화론이 정확하다면 적어도 대략 컴퓨터에서 그것을 모델링 / 시뮬레이션 할 수 있어야한다는 의미에서 제약에 있다. 그러나 프로젝트를 시도하는 것은 거의없는 것 같습니다 (최소한 말을하는 것이 매우 야심적입니다).

예를 들어, 수십억 년에 걸쳐 계통 발생 수의 알려진 진화 적 변화와 일치하는 시뮬레이션이 있습니까? 이 문제는 학제 간 및 크로스 커팅이며 기존 과학 분야 / 경계에 깔끔하게 / 정확하게 맞지 않는 것 같습니다. 놀랍게도 그러한 연구 프로그램을 명시 적으로 제안하는 주요 과학 자나 생물학자가없는 것 같습니다 .

다음은 질문에 요약 된 좁은 기준에 엄격하게 맞지 않지만 대략적으로 가까운 몇 가지 다른 참조입니다 .

• 의 분야에서 "인공 생명" "화학 수프"복제 등등의 기본적인 측면을 보여 준 생명체의 일종으로 자기 조직을 주도하는 조건을 시뮬레이션을 시도 약간의 관심이있다. 예 : The EVOGRID : 전산의 삶의 기원에 대한 접근은 Damer를 시도합니다

  지구에서 생명의 기원의 메커니즘을 이해하려는 노력은 분자 수준에서 비 생명에서 생명이 출현하는 그럴듯한 단계에 대한 컴퓨터 시뮬레이션으로 향상 될 수 있습니다. 이러한 종류의 시뮬레이션은 병렬 실험실 화학 실험을 통해 테스트 및 검증을 지원할 수 있습니다. 화학적 또는 생물 적 생성에서 계산적 또는 "사이버"성분과 병행 노력 조사의 이러한 조합을 사이버 생성 접근법이라고 할 수있다. 사이버 바이오 제네레이션 노력의 핵심 기술 과제는 복잡한 임계 값을 통해 프리 바이오 틱 및 생물학적 가상 분자 구조 및 프로세스의 새로운 출현을 허용하는 컴퓨터 시뮬레이션 모델을 설계하는 것입니다. 이 논문은 그러한 시뮬레이션 모델 중 하나를 설계, 구현 및 분석하는 데 어려움을 겪고 있습니다.

• 인간과 다른 영토에서 영토 전쟁, 제노 포비아와 제국의 집단 선택 모델 Agner Fog

  초록 : 집단 영토에 대한 이론적 전쟁 모델은 협동 전, 정의, 이타주의 및 외부인 배제와 같은 행동 적 특성이 고등 영장류와 선사 시대 사람에게 공존했을 수 있음을 보여준다. 영토 전쟁이 효과적인 그룹 선택 메커니즘이되기위한 조건에 대해 논의합니다. 이 조건들은 선사 시대에는 부족 사회에서 있었지만 현대에는 없었을 것입니다. 영토의 지리적 진화는 컴퓨터 시뮬레이션으로 설명됩니다.

• 놀랍게도이 질문은 다음과 매우 유사합니다 : 2008 년까지 지구상에서 진행된 진화 과정의 컴퓨터 시뮬레이션 으로 스택 오버플로가 발생했습니다.