Многоклеточные организмы умеют собирать свои тела из одного яйцеклетки благодаря самоорганизации клеток. Биологи ищут алгоритм, который заставляет коллектив клеток знать, что и когда строить. Эволюция научилась использовать законы физики для создания робастного морфогенетического программного обеспечения, работающего на аппаратной основе ДНК. Некоторые виды, например саламандры, могут регенерировать органы и конечности. Даже если разделить раннего эмбриоля млекопитающего пополам, каждая часть образует полноценного индивидуума — однояйцевых близнецов. Главная задача — найти процесс спецификации анатомии внутри клеточных коллективов и научиться управлять ростом и формой. Учёные моделируют жизнь как программный код, состоящий из модулей вроде «построй глаз здесь», которые активируются сигналами. Для изучения процесса создают вычислительные модели в silico. Инженеры часто используют симуляции, в том числе клеточные автоматы, где состояние каждой ячейки зависит от соседей. В новой модели клетки представлены вектором из 16 значений: три канала для цвета, один альфа-канал для обозначения жизни, а остальные — скрытые каналы для хранения сигналов. Обновление правила каждой клетки происходит по-разному: сначала клетка воспринимает окружение через свёртку с ядром Собеля, вычисляя градиенты в направлениях оси X и Y. Затем клетка применяет серию операций, включая 1x1-свёртки и функции ReLU, чтобы изменить своё состояние. Обновление может быть стохастическим: ячейка не обновляется всегда, а с определённой вероятностью. Живые клетки маскируются, а мёртвые обнуляются.
В первом эксперименте модель обучалась расти до целевого изображения, но процесс был нестабильным. Во втором эксперименте авторы сделали целевую форму притягивающим аттрактором, используя стратегию пула состояний. Они заменяли в пуле образцы с низкой потерей на исходные семена и возвращали туда обновлённые состояния. Это помогало модели учить восстанавливать паттерны даже после повреждений. В третьем эксперименте модели специально травмировали в процессе обучения, чтобы развить способность к регенерации. Те модели, которым показывали повреждения, демонстрировали удивительную устойчивость и могли восстанавливаться даже после травм, которых не было в обучающей выборке. В четвертом эксперименте повернули сенсорные поля клеток, что позволяло получать ротированные версии образов без дообучения. Исследователи опираются на работы Тьюринга, модель Грей-Скотта и игру Жизнь Конвея. Нейронные сети и клеточные автоматы тесно связаны, и современные архитектуры позволяют строить модели, где каждое пиксельное сообщение обрабатывается независимо. Такие системы могут работать на графиках процессоров и смартфонов, имитируя поведение тысяч независимых вычислителей. Будущее за созданием искусственных организмов, способных к самовосстановлению, и программированием их системной гомеостаза.