Hybrid-Ansatz kombiniert zentrales Lernen mit selbstorganisierend Morphogenese
In einer bahnbrechenden Studie wurde ein hybrides Modell entwickelt, das ein lernfähiges, neuronales „Brain‑Like“-Steuergerät mit einem zellartigen Gray–Scott-Reaktions‑Diffusionssubstrat verbindet. Durch die Einbettung einer kompakten, konvolutionalen Policy in einen differenzierbaren PyTorch‑Simulator können die Feed‑ und Kill‑Parameter des Substrats sanft und gezielt moduliert werden, wodurch Musterbildung mit minimalem Aufwand gesteuert wird.
