رمزگشایی الگوریتم های مورد استفاده مورچه ها و اینترنت — ScienceDaily


دانشمندان دریافتند که مورچه‌ها و سایر سیستم‌های طبیعی از الگوریتم‌های بهینه‌سازی مشابه الگوریتم‌های مورد استفاده در سیستم‌های مهندسی شده، از جمله اینترنت، استفاده می‌کنند. این الگوریتم‌ها تا زمانی که نشانه‌ها دلگرم‌کننده باشند، منابع بیشتری را سرمایه‌گذاری می‌کنند، اما در اولین نشانه‌های مشکل به سرعت عقب می‌نشینند. این سیستم‌ها به گونه‌ای طراحی شده‌اند که مستحکم باشند، و اجازه می‌دهند بخش‌هایی بدون آسیب رساندن به کل سیستم از کار بیفتند. درک نحوه عملکرد این الگوریتم ها در دنیای واقعی ممکن است به حل مشکلات مهندسی کمک کند، در حالی که سیستم های مهندسی شده ممکن است سرنخ هایی برای درک رفتار مورچه ها، سلول ها و سایر سیستم های طبیعی ارائه دهند.

مهندسان گاهی اوقات برای الهام گرفتن به طبیعت روی می آورند. پروفسور ساکت ناولاخا، دانشیار آزمایشگاه Cold Spring Harbor و جاناتان سوئن، دانشمند تحقیقاتی، دریافتند که الگوریتم‌های تنظیم – همان فرآیند کنترل بازخوردی که توسط اینترنت ترافیک داده‌ها را بهینه می‌کند – توسط چندین سیستم طبیعی برای احساس و تثبیت رفتار، از جمله کلونی مورچه‌ها، سلول‌ها استفاده می‌شود. و نورون ها

مهندسان اینترنت داده ها را در سراسر جهان در بسته های کوچکی که مشابه مورچه ها هستند، هدایت می کنند. همانطور که ناولاخا توضیح می دهد:

“هدف این کار گردآوری ایده‌هایی از یادگیری ماشین و طراحی اینترنت و ارتباط آنها با روشی که کلونی‌های مورچه‌ها علوفه‌جویی می‌کنند، بود.”

همان الگوریتمی که مهندسان اینترنت استفاده می‌کنند، توسط مورچه‌ها هنگام جستجوی غذا مورد استفاده قرار می‌گیرد. در ابتدا، کلنی ممکن است یک مورچه را به بیرون بفرستد. هنگامی که مورچه برمی گردد، اطلاعاتی در مورد مقدار غذا و مدت زمان دریافت آن ارائه می دهد. سپس مستعمره دو مورچه را به بیرون فرستاد. اگر آنها با غذا برگردند، مستعمره ممکن است سه، سپس چهار، پنج و غیره را بفرستد. اما اگر ده مورچه به بیرون فرستاده شوند و بیشتر آنها برنگردند، کلنی تعداد ارسالی خود را به 9 نفر کاهش نمی دهد. در عوض، تعداد را به مقدار زیادی کاهش می دهد، چند برابر (مثلاً نیمی) از آنچه قبلا ارسال کرده بود: فقط پنج مورچه. به عبارت دیگر، وقتی سیگنال‌ها مثبت می‌شوند، تعداد مورچه‌ها به آرامی افزایش می‌یابد، اما وقتی اطلاعات منفی است، به‌طور چشمگیری کاهش می‌یابد. ناولاخا و سوئن خاطرنشان می کنند که این سیستم حتی اگر مورچه های منفرد گم شوند کار می کند و به موازات یک نوع خاص از “الگوریتم افزایش-افزایش/ضرب-کاهش” مورد استفاده در اینترنت است.

سوئن فکر می‌کند مورچه‌ها ممکن است راه‌های جدیدی برای محافظت از سیستم‌های کامپیوتری در برابر هکرها یا حملات سایبری الهام بخشند. مهندسان می توانند الگوبرداری کنند که چگونه طبیعت در برابر طیف وسیعی از تهدیدات برای سلامتی و زنده ماندن مقاومت می کند. سوئن توضیح می دهد:

“نشان داده شده است که طبیعت در بسیاری از جنبه ها در واکنش به محیط های در حال تغییر به طرز باورنکردنی قوی است. در امنیت سایبری [however] ما متوجه شدیم که بسیاری از سیستم های ما می توانند دستکاری شوند، می توانند به راحتی شکسته شوند، و به سادگی قوی نیستند. ما می‌خواستیم به طبیعت نگاه کنیم که در تمام انواع بلایای طبیعی، تغییرات تکاملی، تغییرات انسانی زنده می‌ماند و از این که چگونه طبیعت سیستم‌های خود را به صورت پویا برای بقا تغییر می‌دهد، چیزهای زیادی بیاموزیم.”

در حالی که Suen قصد دارد الگوریتم‌های طبیعت را در برنامه‌های مهندسی اعمال کند، ناولاخا می‌خواهد ببیند که آیا راه‌حل‌های مهندسی ممکن است رویکردهای جایگزینی برای درک تنظیم ژن و کنترل بازخورد ایمنی ارائه دهد یا خیر. نولاخا امیدوار است که “استراتژی های موفق در یک حوزه می تواند منجر به بهبود در حوزه دیگر شود.”

منبع داستان:

مواد تهیه شده توسط آزمایشگاه کلد اسپرینگ هاربر. در اصل توسط Eliene Augenbraun نوشته شده است. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.



منبع

Matthew Newman

Matthew Newman Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasets
[ Back To Top ]