---
title: "जीवन और चिकित्सा · सिमुलेशन · सिमुलेशन परिकल्पना"
url: https://simulation-hypothesis.com/hi/simulations/life-medicine
description: "प्रोटीन, कोशिकाएँ, अंग, मरीज़ और महामारियाँ: आणविक पैमाने से आबादी तक जीव विज्ञान। लोग सचमुच जो सिमुलेशन चलाते हैं, उनके वर्गीकरण का एक हिस्सा।"
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, सिमुलेशन परिकल्पना (simulation-hypothesis.com)"
---

[सिमुलेशन](https://simulation-hypothesis.com/hi/simulations)18 में से क्षेत्र 5

# जीवन और चिकित्सा

प्रोटीन, कोशिकाएँ, अंग, मरीज़ और महामारियाँ: आणविक पैमाने से आबादी तक जीव विज्ञान।

जीव-विज्ञान संगठन के हर स्तर पर सिमुलेट होता है: प्रोटीन में परमाणु, कोशिका में अभिक्रियाएँ, ऊतक में कोशिकाएँ, शरीर में अंग, आबादी में शरीर। हर स्तर अलग तरीक़ा इस्तेमाल करता है। स्तरों को जोड़ना अब भी खुली समस्या है।

## जीवन के अणु

### प्रोटीन का मुड़ना और गतिकी

एक प्रोटीन, जो दसियों हज़ार परमाणुओं के रूप में पानी में काँपता, मुड़ता और आकार बदलता है।

वह सवाल जिसका यह जवाब देता है: अमीनो अम्लों की यह लड़ी मुड़कर कार्यशील त्रि-आयामी संरचना कैसे बनती है?

छोड़ता है: लंबे रन भी अधिकतम माइक्रोसेकंड ही ढकते हैं, जो कई असली मुड़ने के समयों से बहुत कम है।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान एक GPU क्लस्टर, जो सभी परमाणुओं की गतिकी के माइक्रोसेकंड चलाता है तब से: 1977 मैककैमन, गेलिन और कारप्लस का पहला प्रोटीन गतिकी सिमुलेशन सिमुलेशन वृक्ष में: [प्रोटीन गतिकी](https://simulation-hypothesis.com/hi/trees/simulations?n=life-protein)

[आणविक गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-molecular-dynamics)न्यूनतम परत: परमाणु

### आणविक डॉकिंग और दवा का बंधन

लक्ष्य प्रोटीन की बंधन-पॉकेट में आज़माए गए उम्मीदवार दवा-अणु।

वह सवाल जिसका यह जवाब देता है: दस लाख अणुओं में से कौन-से इस लक्ष्य से चिपकेंगे?

छोड़ता है: डॉकिंग अंक सन्निकट हैं; ज़्यादातर अनुमानित बंधनकर्ता प्रयोगशाला में कभी काम नहीं करते।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो लाखों उम्मीदवार अणुओं की डॉकिंग करता है तब से: 1982 कुंट्ज़ और सहयोगियों का DOCK, पहला स्वचालित आणविक डॉकिंग प्रोग्राम

[आणविक गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-molecular-dynamics)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: परमाणु

### झिल्लियाँ और आयन चैनल

कोशिका की वसा की झिल्ली और वे प्रोटीन द्वार जो उसमें से आयनों को गुज़रने देते हैं।

वह सवाल जिसका यह जवाब देता है: तंत्रिका कोशिका अपने चैनल कैसे खोलती और बंद करती है?

छोड़ता है: असली चैनल मिलीसेकंडों में खुलते-बंद होते हैं, जो ज़्यादातर सिमुलेशन की पहुँच से कहीं लंबा है।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान एक GPU क्लस्टर, जो लिपिड द्विपरत और उसके चैनल सिमुलेट करता है तब से: 1982 van der Ploeg और Berendsen का लिपिड द्विपरत की गतिकी का अध्ययन

[आणविक गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-molecular-dynamics)न्यूनतम परत: परमाणु

### पूरे वायरस कण

विषाणु के आवरण का हर परमाणु, कभी-कभी दस करोड़ तक, एक साथ सिमुलेट होता है।

वह सवाल जिसका यह जवाब देता है: वायरस कैसे जुड़ा रहता है, और कोशिका के भीतर कैसे बिखरता है?

छोड़ता है: रन नैनोसेकंड से माइक्रोसेकंड तक के हैं, जो असली संक्रमण-चक्र से बहुत छोटे हैं।

इस पर चलता है: लगभग 10^17 FLOPS मोटा अनुमान एक राष्ट्रीय सुपरकंप्यूटर, जो दस करोड़ परमाणुओं का आवरण सिमुलेट करता है तब से: 2006 फ़्रेडोलिनो और शुल्टन का उपग्रह तंबाकू मोज़ेक विषाणु का सिमुलेशन

[आणविक गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-molecular-dynamics)न्यूनतम परत: परमाणु

### RNA का मुड़ना और संरचना

एक RNA की लड़ी, जो आधारों की ऐसी शृंखला है जो खुद से जोड़ी बनाती है, और DNA की सीधी दोहरी कुंडली के बजाय एक ख़ास त्रि-आयामी आकार में मुड़ जाती है।

वह सवाल जिसका यह जवाब देता है: RNA की लड़ी उस आकार में कैसे बैठती है जिससे वह उत्प्रेरक या नियामक स्विच का काम कर सके?

छोड़ता है: अनुमानित संरचनाओं को अक्सर प्रयोगात्मक सुधार चाहिए, और कार्य आकार से अपने आप नहीं निकलता।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो मुक्त-ऊर्जा वाला फ़ोल्डिंग सॉफ़्टवेयर चलाता है तब से: 1981 Zuker और Stiegler का न्यूनतम-मुक्त-ऊर्जा RNA तह-निर्माण एल्गोरिदम

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: अणु

### एंज़ाइम उत्प्रेरण

किसी एंज़ाइम का सक्रिय स्थल, उसका सब्सट्रेट और आसपास का प्रोटीन, जहाँ बंधन टूटते हैं वहाँ क्वांटम यांत्रिकी से और बाक़ी हर जगह क्लासिकल यांत्रिकी से मॉडल किया जाता है।

वह सवाल जिसका यह जवाब देता है: यह एंजाइम किसी अभिक्रिया को अरब गुना कैसे तेज़ कर देता है?

छोड़ता है: प्रोटीन के केवल एक छोटे हिस्से को महँगा क्वांटम उपचार मिलता है, और वह रेखा कहाँ खींची जाए, यह मॉडलिंग का चुनाव है।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो क्वांटम और शास्त्रीय गणनाओं का मेल चलाता है तब से: 1976 Warshel और Levitt का एंज़ाइम अभिक्रिया का संयुक्त क्वांटम और क्लासिकल मॉडल

[प्रथम सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-first-principles)[आणविक गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-molecular-dynamics)न्यूनतम परत: परमाणु

### कोर्स-ग्रेन्ड DNA और RNA मॉडल

हर न्यूक्लियोटाइड कुछ अंतःक्रिया-स्थलों वाला दृढ़ पिंड है, जिससे मुड़ना, संकरण और नैनो-संरचनाएँ सिमुलेट हो सकती हैं।

वह सवाल जिसका यह जवाब देता है: लड़ियाँ कैसे जोड़ी बनाती, मुड़ती और डिज़ाइन की गई संरचनाओं में इकट्ठा होती हैं?

छोड़ता है: परमाणु का ब्योरा और आयन प्रभावी अंतःक्रियाओं से बदल दिए जाते हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान GPU पर लाखों न्यूक्लियोटाइड तब से: 2011 oxDNA, a coarse-grained DNA model (2011) [स्रोत](https://doi.org/10.1063/1.3552946)

[आणविक गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-molecular-dynamics)न्यूनतम परत: अणु

### सीखा हुआ प्रोटीन संरचना पूर्वानुमान

ज्ञात संरचनाओं और विकासात्मक डेटा पर प्रशिक्षित एक तंत्रिका नेटवर्क किसी प्रोटीन के अनुक्रम से उसका मुड़ा हुआ आकार बताता है।

वह सवाल जिसका यह जवाब देता है: यह अमीनो-अम्ल शृंखला कौन-सा त्रि-आयामी आकार लेकर मुड़ती है?

छोड़ता है: यह स्थिर संरचना देता है, मुड़ने का रास्ता या गतिकी नहीं।

इस पर चलता है: लगभग 10^18 FLOPS मोटा अनुमान बड़े पैमाने पर प्रशिक्षण; हर पूर्वानुमान के लिए मिनट तब से: 2018 गहन अधिगम से प्राप्त विभवों का उपयोग करके प्रोटीन संरचना का बेहतर पूर्वानुमान (2020, CASP13 प्रविष्टि 2018) [स्रोत](https://doi.org/10.1038/s41586-019-1923-7)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: अणु

### जनरेटिव प्रोटीन एन्सेम्बल

संरचनाओं और सिमुलेशनों पर प्रशिक्षित एक जनरेटिव मॉडल किसी प्रोटीन का एक आकार देने के बजाय उसके कई विन्यास बनाता है।

वह सवाल जिसका यह जवाब देता है: कोई प्रोटीन कौन-से वैकल्पिक आकार ले सकता है?

छोड़ता है: अवस्थाओं की आबादी उतनी ही अच्छी है जितने प्रशिक्षण सिमुलेशन।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान प्रशिक्षण और सस्ता नमूना-निर्माण तब से: 2024 AlphaFold meets flow matching for generating protein ensembles (2024) [स्रोत](https://arxiv.org/abs/2402.04845)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: अणु

### स्वयंसेवकों के कंप्यूटरों से की गई आणविक गतिकी

एक अणु के हज़ारों स्वतंत्र छोटे प्रक्षेप-पथ दान किए गए घरेलू कंप्यूटरों पर चलाए जाते हैं और मिलाकर देखे जाते हैं कि तहें कैसे खुलती हैं।

वह सवाल जिसका यह जवाब देता है: क्या कई छोटे रन मिलकर किसी धीमी आणविक प्रक्रिया को उजागर कर सकते हैं?

छोड़ता है: प्रक्षेप-पथ छोटे और स्वतंत्र हैं, इसलिए आँकड़ों को जोड़कर बनाना पड़ता है।

इस पर चलता है: लगभग 10^17 FLOPS मोटा अनुमान स्वयंसेवी मशीनों का समुच्चय तब से: 2000 Screen savers of the world unite! (2000), the distributed folding project [स्रोत](https://doi.org/10.1126/science.290.5498.1903)

[आणविक गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-molecular-dynamics)न्यूनतम परत: अणु

## कोशिकाएँ

### स्टोकेस्टिक जैव-रसायन

कोशिका के भीतर अभिक्रियाएँ यादृच्छिक रूप से एक-एक करके चलाई जाती हैं, क्योंकि औसत निकालने के लिए अणु बहुत कम हैं।

वह सवाल जिसका यह जवाब देता है: आनुवंशिक रूप से एक-सी कोशिकाएँ अलग व्यवहार क्यों करती हैं?

छोड़ता है: आमतौर पर मानता है कि कोशिका का भीतरी हिस्सा अच्छी तरह मिला हुआ है, जो अक्सर सही नहीं होता।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो प्रसंभाव्य अभिक्रिया सिमुलेशन चलाता है तब से: 1977 गिलेस्पी का रासायनिक बलगतिकी के लिए सटीक प्रसंभाव्य सिमुलेशन एल्गोरिदम

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: अणु

### जीन नियामक नेटवर्क

जीन एक-दूसरे को चालू और बंद करते हैं, अंतःक्रियाओं के नेटवर्क के रूप में।

वह सवाल जिसका यह जवाब देता है: कोशिका कैसे तय करती है कि उसे किस तरह की कोशिका बनना है?

छोड़ता है: ज़्यादातर असली नियामक नेटवर्क केवल आंशिक रूप से ज्ञात हैं, इसलिए कड़ियाँ अक्सर अनुमान से जोड़ी जाती हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो किसी जीन नेटवर्क की गतिकी सिमुलेट करता है तब से: 1969 कॉफ़मैन के जीन-नियमन के यादृच्छिक बूलियन नेटवर्क

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: अणु

### उपापचयी नेटवर्क

हर रासायनिक अभिक्रिया जिससे कोशिका भोजन को ऊर्जा और पुर्ज़ों में बदलती है, फ़्लक्सों के नेटवर्क के रूप में संतुलित।

वह सवाल जिसका यह जवाब देता है: इस सूक्ष्मजीव से कोई उपयोगी यौगिक ज़्यादा बनवाने के लिए कौन-सा जीन बंद करें?

छोड़ता है: स्थिर अवस्था और एक इष्टतम लक्ष्य मानता है, जिसका पीछा असली कोशिका शायद न करे।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो जीनोम-पैमाने का फ़्लक्स-संतुलन मॉडल हल करता है तब से: 1986 किसी कोशिका के चयापचय नेटवर्क का शुरुआती फ़्लक्स-संतुलन विश्लेषण

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: अणु

### संपूर्ण-कोशिका मॉडल

एक अकेले जीवाणु का हर जीन और हर अणु-वर्ग, एक पूरे विभाजन-चक्र तक देखा जाता है।

वह सवाल जिसका यह जवाब देता है: क्या हम किसी जीवित कोशिका का पूर्वानुमान उसके अवयवों की सूची से लगा सकते हैं?

छोड़ता है: केवल एक सरल जीवाणु का अब तक इतना पूरा मॉडल बना है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो किसी जीवाणु का एक विभाजन-चक्र चलाता है तब से: 2012 कार और सहयोगियों का Mycoplasma genitalium का पूर्ण-कोशिका मॉडल

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: अणु

### पैटर्न निर्माण

बढ़ते ऊतक में विसरित और अभिक्रिया करते रसायन, वह क्रियाविधि जो एलन ट्यूरिंग ने धारियों और धब्बों के लिए सुझाई थी।

वह सवाल जिसका यह जवाब देता है: अभिक्रिया-विसरण तंत्र पशुओं की खाल के पैटर्न और अंग में उँगलियों के बनने की व्याख्या कैसे करते हैं?

छोड़ता है: असली ऊतक यांत्रिक बलों और दो रसायनों वाले मॉडल से ज़्यादा संकेतों का इस्तेमाल करते हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो ग्रिड पर अभिक्रिया-विसरण समीकरण हल करता है तब से: 1952 The Chemical Basis of Morphogenesis के लिए Turing की अभिक्रिया-विसरण गणनाएँ सिमुलेशन वृक्ष में: [ट्यूरिंग का अभिक्रिया-विसरण](https://simulation-hypothesis.com/hi/trees/simulations?n=life-turing)

[इंटरैक्टिव मॉडल चलाइए](https://simulation-hypothesis.com/hi/simulations/run#toy-patterns)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: कोशिकाएँ

### ऊतक और ट्यूमर की बढ़त

अलग-अलग कोशिकाएँ जो विभाजित होती हैं, चलती हैं, ऑक्सीजन के लिए होड़ करती हैं और मर जाती हैं।

वह सवाल जिसका यह जवाब देता है: ट्यूमर कैसे बढ़ता है, और उपचार की कोई समय-सारणी उसे कैसे रोक सकती है?

छोड़ता है: असली ट्यूमर के भीतर विभाजन और मृत्यु की दरें सीधे नापना कठिन है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो विभाजित होती हज़ारों अलग-अलग कोशिकाओं को ट्रैक करता है तब से: 1993 ठोस ट्यूमर वृद्धि के शुरुआती सेलुलर ऑटोमेटन मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सेलुलर ऑटोमेटा](https://simulation-hypothesis.com/hi/simulations/methods#m-cellular-automata)न्यूनतम परत: कोशिकाएँ

### कोशिका में हस्तक्षेप-प्रतिक्रिया के मॉडल

एकल-कोशिका डेटा पर प्रशिक्षित एक मॉडल अनुमान लगाता है कि किसी दवा या जीन-संपादन के बाद, जिसके साथ उसे नापा नहीं गया था, कोशिका की जीन-अभिव्यक्ति कैसे बदलेगी।

वह सवाल जिसका यह जवाब देता है: किसी ऐसे हस्तक्षेप के बाद, जो अभी तक किसी ने नहीं आज़माया, कोशिका क्या करेगी?

छोड़ता है: सहसंबंधी है; प्रशिक्षण-डेटा से दूर के कोशिका-प्रकारों या दवाओं के लिए ख़राब अनुमान लगाता है।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान बड़े एकल-कोशिका प्रशिक्षण डेटासेट तब से: 2019 scGen predicts single-cell perturbation responses (2019) [स्रोत](https://doi.org/10.1038/s41592-019-0494-8)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: कोशिकाएँ

### ट्यूमर विकास के एजेंट-आधारित मॉडल

ग्रिड पर अलग-अलग कैंसर कोशिकाएँ ऑक्सीजन और अम्ल के बदलते सूक्ष्म-पर्यावरण में विभाजित होती, उत्परिवर्तित होती और होड़ करती हैं।

वह सवाल जिसका यह जवाब देता है: चयन के दबाव से ट्यूमर का आकार और आक्रामक लक्षण कैसे उभरते हैं?

छोड़ता है: नियम सरल किए गए हैं, और रक्त आपूर्ति और प्रतिरक्षा कोशिकाएँ अक्सर ग़ायब हैं।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक नोड पर लाखों कोशिकाएँ तब से: 2006 Tumor morphology and phenotypic evolution driven by selective pressure from the microenvironment (2006) [स्रोत](https://doi.org/10.1016/j.cell.2006.09.042)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सेलुलर ऑटोमेटा](https://simulation-hypothesis.com/hi/simulations/methods#m-cellular-automata)न्यूनतम परत: कोशिकाएँ

### सूक्ष्मजीव समुदाय के उपापचयी मॉडल

कई प्रजातियों के जीनोम-पैमाने के चयापचय नेटवर्क जोड़े जाते हैं, ताकि एक का अपशिष्ट दूसरे का भोजन बने।

वह सवाल जिसका यह जवाब देता है: आंत या मिट्टी के सूक्ष्मजीव पोषक तत्व कैसे बाँटते हैं और साथ मिलकर कैसे स्थिर होते हैं?

छोड़ता है: स्थिर अवस्था और इष्टतम वृद्धि मानता है, और नियमन तथा स्थान को छोड़ देता है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान कई प्रजातियों पर रैखिक प्रोग्रामिंग तब से: 2007 परस्पर लाभकारी सूक्ष्मजीव समुदाय का उपापचयी मॉडलिंग (2007) [स्रोत](https://doi.org/10.1038/msb4100131)

[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: कोशिकाएँ

### ट्यूमर की बढ़त और उपचार की प्रतिक्रिया

एक ठोस ट्यूमर, जिसे विसरित होती ऑक्सीजन और पोषक तत्व से पलने वाले पिंड के रूप में माना जाता है, जिसमें कोशिकाएँ बढ़ाता हुआ किनारा और भूखा मृत कोर है, फिर उसे विकिरण या दवाओं के सामने रखा जाता है।

वह सवाल जिसका यह जवाब देता है: ट्यूमर कितनी तेज़ी से बढ़ता है, और कोई खुराक उसे कितना घटाती है?

छोड़ता है: असली ट्यूमर मरीज़ों के बीच और अपने भीतर भी अलग होते हैं। मॉडल औसत पैरामीटर और सरल ज्यामिति इस्तेमाल करता है।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान उपचार-कार्यक्रमों वाला त्रि-आयामी अभिक्रिया-विसरण मॉडल, सिमुलेटेड समय के कई हफ़्तों तक। तब से: 1972 ग्रीनस्पैन, विसरण से ठोस ट्यूमर के बढ़ने के मॉडल। [स्रोत](https://doi.org/10.1002/sapm1972514317)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: कोशिकाएँ

### ट्यूमर सूक्ष्म-पर्यावरण का विकास

ग्रिड पर अलग-अलग कैंसर कोशिकाएँ ऑक्सीजन और जगह के लिए होड़ करती हैं, जबकि अम्लता के ढाल नए फ़ीनोटाइप चुनते हैं, इसलिए ट्यूमर बढ़ते-बढ़ते विकसित होता है।

वह सवाल जिसका यह जवाब देता है: क्या आसपास का ऊतक ट्यूमर को ज़्यादा आक्रामक कोशिकाओं की ओर धकेलता है?

छोड़ता है: कोशिका के नियम सरल किए गए हैं और जीवित ट्यूमरों में पैरामीटर नापना कठिन है।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान वर्कस्टेशन या छोटे क्लस्टर पर सिमुलेटेड महीनों के हाइब्रिड एजेंट-सातत्यक रन। तब से: 2006 एंडरसन और सहकर्मी, सूक्ष्म-परिवेश से चलने वाले लक्षण-विकास का संकर असतत-सतत मॉडल। [स्रोत](https://doi.org/10.1016/j.cell.2006.09.042)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सेलुलर ऑटोमेटा](https://simulation-hypothesis.com/hi/simulations/methods#m-cellular-automata)[विकासवादी](https://simulation-hypothesis.com/hi/simulations/methods#m-evolutionary)न्यूनतम परत: कोशिकाएँ

### ट्यूमर से प्रेरित रक्त वाहिका वृद्धि

अंतःस्तर कोशिकाएँ ट्यूमर से छोड़े गए रासायनिक ग्रेडिएंट पर अंकुरित होकर चढ़ती हैं और उसे पोषण देने वाला शाखाओं वाला वाहिका-जाल बनाती हैं।

वह सवाल जिसका यह जवाब देता है: ट्यूमर अपने लिए रक्त आपूर्ति कैसे जुटाता है, और संकेत रोक देने पर क्या होता है?

छोड़ता है: वाहिका प्रवाह, पुनर्निर्माण और संकेतन की असली रसायन-क्रिया बहुत सरल की गई है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान वर्कस्टेशन पर दो- या त्रि-आयामी अंकुरण रन। तब से: 1998 एंडरसन और चैपलेन, ट्यूमर से प्रेरित रक्तवाहिका-निर्माण के सतत और असतत मॉडल। [स्रोत](https://doi.org/10.1006/bulm.1998.0042)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: कोशिकाएँ

### कैंसर की दवा की प्रतिक्रिया और प्रतिरोध की गतिकी

सामान्य, संवेदनशील और प्रतिरोधी कैंसर कोशिकाओं की आबादी दवा-उपचार में बदलती है, इसलिए मरीज़ पहले सुधरता है और फिर दोबारा बीमार पड़ सकता है।

वह सवाल जिसका यह जवाब देता है: प्रतिरोध दिखने से पहले कोई दवा कितनी देर तक रोग को क़ाबू में रखेगी?

छोड़ता है: केवल वही कक्ष मॉडल किए जाते हैं जिन्हें मापा जा सकता है, और स्टेम-कोशिका के व्यवहार का अनुमान लगाया जाता है।

इस पर चलता है: लगभग 10^8 FLOPS मोटा अनुमान मरीज़ के रक्त मापनों पर फ़िट किए गए साधारण अवकल समीकरण। तब से: 2005 माइकोर और सहयोगी, क्रॉनिक माइलॉयड ल्यूकेमिया की गतिकी। [स्रोत](https://doi.org/10.1038/nature03669)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: कोशिकाएँ

### रक्त कोशिका उत्पादन की गतिकी

स्टेम सेल, पूर्वज कोशिकाएँ और परिपक्व रक्त कोशिकाएँ देरी वाले फ़ीडबैक से जुड़ी होती हैं, जिससे नियंत्रण विफल होने पर संख्याएँ स्थिर रहती हैं या दोलन करती हैं।

वह सवाल जिसका यह जवाब देता है: कुछ रक्त विकार चक्र में क्यों चलते हैं, और सामान्य उत्पादन किससे लौटता है?

छोड़ता है: असली अस्थि-मज्जा में स्थानिक संरचना और कई कोशिका प्रकार होते हैं जिन्हें मिला दिया जाता है।

इस पर चलता है: लगभग 10^6 FLOPS मोटा अनुमान लैपटॉप पर विलंब अवकल समीकरण। तब से: 1978 मैके, अप्लास्टिक एनीमिया और आवधिक रक्त-निर्माण के लिए एक एकीकृत परिकल्पना। [स्रोत](https://doi.org/10.1182/blood.v51.5.941.941)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: कोशिकाएँ

### जीवाणु-कॉलोनी का विकास और बायोफ़िल्म

हर जीवाणु-कोशिका एक व्यक्ति की तरह सिमुलेट होती है, जिसका अपना आकार, वृद्धि और स्थान है, और जो कॉलोनी या बायोफ़िल्म के भीतर विसरित पोषक पर पलती है।

वह सवाल जिसका यह जवाब देता है: कॉलोनियाँ अपना आकार कैसे लेती हैं और भीतर की कोशिकाएँ कैसे बचती हैं?

छोड़ता है: कोशिका का व्यवहार सरल किया गया है और असली बायोफ़िल्म मैट्रिक्स की रसायन-क्रिया नहीं पकड़ी गई।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान क्लस्टर पर लाखों कोशिकाओं की व्यक्ति-आधारित वृद्धि। तब से: 1998 क्रेफ़्ट, बूथ और विम्पेनी, BacSim, जीवाणु कॉलोनी की वृद्धि के व्यक्ति-आधारित मॉडलिंग के लिए एक सिमुलेटर। [स्रोत](https://doi.org/10.1099/00221287-144-12-3275)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: कोशिकाएँ

## शरीर

### हृदय

हृदय की पेशी में विद्युत तरंगें और उनसे चलने वाला संकुचन और रक्त-प्रवाह।

वह सवाल जिसका यह जवाब देता है: क्या यह दवा या यह उपकरण अनियमित धड़कन को और बिगाड़ेगा?

छोड़ता है: असली हृदयों के बीच की व्यक्तिगत भिन्नता को एक मॉडल में पकड़ना अब भी कठिन है।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो पूरे हृदय की विद्युत-यांत्रिकी की एक धड़कन चलाता है तब से: 1960 नोबल का एक अकेली पुर्किंजे तंतु कोशिका के क्रिया विभव का कंप्यूटर मॉडल; पूरे हृदय के मॉडल बाद में आए [स्रोत](https://www.nature.com/articles/188495b0) सिमुलेशन वृक्ष में: [हृदय-कोशिका मॉडल](https://simulation-hypothesis.com/hi/trees/simulations?n=life-noble)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: क्षेत्र

### रक्त प्रवाह

धमनियों, शिराओं और स्टेंट तथा वाल्व जैसे उपकरणों में बहता रक्त।

वह सवाल जिसका यह जवाब देता है: यह धमनी कहाँ कमज़ोर या बंद होने की संभावना रखती है?

छोड़ता है: वाहिका की दीवारें अक्सर कठोर मानी जाती हैं, जिससे असली लोच छूट जाती है।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो मरीज़-विशिष्ट धमनी-प्रवाह सिमुलेशन चलाता है तब से: 1989 पर्कटोल्ड और सहयोगियों का ग्रीवा धमनी प्रवाह का परिमित-तत्व मॉडल

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### साँस और श्वास-मार्ग

शाखाओं वाले श्वास-मार्गों में चलती हवा और उसमें बहते कण।

वह सवाल जिसका यह जवाब देता है: साँस से ली गई दवाएँ या प्रदूषक कहाँ पहुँचते हैं?

छोड़ता है: ज़्यादातर मॉडल किसी ख़ास व्यक्ति के बजाय एक आदर्शीकृत श्वसन-नली वृक्ष का इस्तेमाल करते हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो शाखाओं वाले श्वास-वृक्ष में हवा का प्रवाह सिमुलेट करता है तब से: 1993 श्वसनी वृक्ष (ब्रोंकियल ट्री) में हवा के प्रवाह के शुरुआती तरल-गतिकी मॉडल

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### पेशी-कंकाल जैव-यांत्रिकी

हड्डियाँ, जोड़ और पेशियाँ एक जुड़े यांत्रिक तंत्र की तरह, चलना, उठाना और गिरना।

वह सवाल जिसका यह जवाब देता है: कौन-सी मांसपेशियाँ तनाव झेलती हैं, और यह प्रत्यारोपण किस आकार का हो?

छोड़ता है: असली अंग के भीतर के बल अप्रत्यक्ष रूप से अनुमानित होते हैं, नापे नहीं जाते।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो किसी एक गति का पेशी-कंकाल मॉडल हल करता है तब से: 1990 डेल्प और सहकर्मियों के पेशी-कंकाल गति के कंप्यूटर मॉडल

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### प्रतिरक्षा प्रतिक्रिया

शरीर के भीतर मिलती, बढ़ती और संकेत देती प्रतिरक्षा कोशिकाएँ और रोगाणु।

वह सवाल जिसका यह जवाब देता है: कुछ संक्रमण क्यों साफ़ हो जाते हैं और दूसरे दीर्घकालिक बन जाते हैं?

छोड़ता है: असली प्रतिरक्षा संकेतन किसी भी मॉडल के पूरी तरह ट्रैक करने से कहीं ज़्यादा जटिल है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो एजेंट-आधारित प्रतिरक्षा सिमुलेशन चलाता है तब से: 1992 सेलाडा और सीडेन का प्रतिरक्षा-प्रतिक्रिया का सेलुलर ऑटोमेटन मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: कोशिकाएँ

### फ़ार्माकोकाइनेटिक्स

एक दवा, जो सोखी जाती है, शरीर के खंडों में फैलती है, टूटती है और बाहर निकल जाती है।

वह सवाल जिसका यह जवाब देता है: इस उम्र और वज़न के व्यक्ति के लिए कितनी खुराक, कितनी बार?

छोड़ता है: आबादी का औसत मॉडल यह चूक सकता है कि कोई ख़ास मरीज़ किसी दवा को कैसे सँभालता है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो कम्पार्टमेंट-आधारित दवा मॉडल हल करता है तब से: 1937 Teorell का दवा वितरण का दो-कक्षीय मॉडल

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### इन सिलिको क्लिनिकल परीक्षण

यथार्थवादी विविधता वाले आभासी मरीज़ों की आबादी, जिन्हें असली परीक्षण से पहले या उसके साथ उपचार दिया जाता है।

वह सवाल जिसका यह जवाब देता है: इस इलाज से किसे मदद मिलने की संभावना है, और किसे नुक़सान हो सकता है?

छोड़ता है: नियामक अब भी साथ में असली परीक्षण माँगते हैं। आभासी मरीज़ उनकी पूरी जगह नहीं ले सकते।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो हज़ारों आभासी मरीज़ चलाता है तब से: 2011 2011 तक, किसी उपकरण के प्रमाण के साथ जमा हुए शुरुआती इन सिलिको परीक्षण

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### हृदय के डिजिटल जुड़वाँ

एक मरीज़ के स्कैन और संकेतों पर फ़िट किए गए हृदय मॉडल, जिनसे अनुमान लगाया जाता है कि वह हृदय किसी उपचार पर कैसी प्रतिक्रिया देगा।

वह सवाल जिसका यह जवाब देता है: इस मरीज़ का हृदय किसी ख़ास उपचार पर कैसी प्रतिक्रिया देगा?

छोड़ता है: फ़िट की गुणवत्ता इमेजिंग डेटा पर निर्भर करती है, और ऊतक के गुण अनुमानित होते हैं।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान वैयक्तिकृत विद्युत-यांत्रिक रन और फ़िटिंग तब से: 2020 The 'Digital Twin' to enable the vision of precision cardiology (2020) [स्रोत](https://doi.org/10.1093/eurheartj/ehaa159)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: शरीर

### संवेदी मस्तिष्क क्षेत्रों के तंत्रिका पूर्वानुमान मॉडल

रिकॉर्ड की गई प्रतिक्रियाओं पर प्रशिक्षित एक तंत्रिका नेटवर्क मस्तिष्क के किसी क्षेत्र का प्रतिनिधि बन जाता है, जिससे शोधकर्ता सिलिको में परख सकते हैं कि कौन से उद्दीपन न्यूरॉनों को सबसे ज़्यादा उत्तेजित करते हैं।

वह सवाल जिसका यह जवाब देता है: कौन-सा उद्दीपन किसी ख़ास न्यूरॉन को सबसे ज़्यादा उत्तेजित करता है?

छोड़ता है: अनुमानों को असली ऊतक पर सत्यापन चाहिए और वे केवल परखे गए पशुओं को कवर करते हैं।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान रिकॉर्डिंग पर प्रशिक्षण, फिर असीमित आभासी परीक्षण तब से: 2019 इन्सेप्शन लूप गहन पूर्वानुमान मॉडलों से खोजते हैं कि न्यूरॉनों को सबसे ज़्यादा क्या उत्तेजित करता है (2019) [स्रोत](https://doi.org/10.1038/s41593-019-0517-x)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: कोशिकाएँ

### मस्तिष्क-उद्दीपन क्षेत्र के मॉडल

परिमित-तत्व सिर मॉडल देखते हैं कि इलेक्ट्रोडों या कुंडलियों की धारा खोपड़ी की त्वचा, हड्डी और मस्तिष्क ऊतक में कैसे फैलती है।

वह सवाल जिसका यह जवाब देता है: उत्तेजक का विद्युत क्षेत्र मस्तिष्क में कहाँ पहुँचता है?

छोड़ता है: ऊतकों की चालकता अनिश्चित है, और तंत्रिका प्रतिक्रिया सिमुलेट नहीं होती।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान अलग-अलग सिर के जालों पर परिमित-तत्व हल तब से: 2009 ट्रांसक्रेनियल डायरेक्ट करंट स्टिमुलेशन का गाइरस-स्तर सटीक सिर मॉडल (2009) [स्रोत](https://doi.org/10.1016/j.brs.2009.03.005)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### आभासी-आबादी दवा-संपर्क मॉडल

पूरे शरीर में दवा के परिवहन के मॉडल, जो उम्र, जीन और अंग-कार्य में भिन्न कृत्रिम आबादी पर चलाए जाते हैं।

वह सवाल जिसका यह जवाब देता है: बच्चों, बुज़ुर्गों और अंग-रोग वाले मरीज़ों में दवा का स्तर कितना अलग होगा?

छोड़ता है: यह नापे गए एंज़ाइम और परिवहनकर्ता डेटा पर निर्भर है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान वर्कस्टेशन पर हज़ारों आभासी प्रतिभागी तब से: 2009 The Simcyp population-based ADME simulator (2009) [स्रोत](https://doi.org/10.1517/17425250802691074)

[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: शरीर

### आंत माइक्रोबायोम समुदाय के मॉडल

आँत में दर्जनों जीवाणु-प्रजातियाँ होड़ और परस्पर-भोजन से आपस में असर डालती हैं, और आहार या एंटीबायोटिक की गड़बड़ी के तहत उनकी बहुतायत समय के साथ दर्ज होती है।

वह सवाल जिसका यह जवाब देता है: आँत में कौन-सी प्रजातियाँ स्थिर रहती हैं, और कौन-सा विघ्न समुदाय को पलट सकता है?

छोड़ता है: अंतःक्रिया की शक्तियाँ शोरभरे डेटा से अनुमानित हैं और नमूना ली गई स्थितियों के बाहर शायद लागू न हों।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान वर्कस्टेशन पर सामान्यीकृत लोटका-वोल्टेरा फ़िटिंग और चयापचय समुदाय सिमुलेशन। तब से: 2013 Stein and colleagues, ecological modelling from time-series inference of intestinal microbiota. [स्रोत](https://doi.org/10.1371/journal.pcbi.1003388)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: कोशिकाएँ

### मरीज़-विशिष्ट मॉडलों से सर्जरी की योजना

एक स्कैन को व्यक्तिगत शारीरिक मॉडल में बदला जाता है, एक सर्जरी विकल्प को आभासी रूप से लगाया जाता है, और ऑपरेशन से पहले नतीजों की तुलना के लिए प्रवाह या प्रतिबल गिना जाता है।

वह सवाल जिसका यह जवाब देता है: कौन-सा सर्जिकल विकल्प इस मरीज़ को सबसे अच्छा नतीजा देता है?

छोड़ता है: ऊतक के गुण औसत से माने गए हैं और सर्जरी के बाद का ठीक होना मॉडल नहीं किया गया।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान हर संभावित योजना के लिए एक प्रवाह या तनाव हल, क्लस्टर पर कई घंटे। तब से: 1999 Taylor and colleagues, predictive medicine using computational techniques for therapeutic decision-making. [स्रोत](https://doi.org/10.1002/%28sici%291097-0150%281999%294:5<231::aid-igs1>3.0.co;2-z)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### हृदय वाल्व में तरल-संरचना अंतःक्रिया

एक लचीला वाल्व-पटल और उसके चारों ओर बहता रक्त साथ-साथ गिने जाते हैं, क्योंकि पटल उसी बहाव से खुलता है और झटके से बंद होता है जिसे वह खुद नियंत्रित करता है।

वह सवाल जिसका यह जवाब देता है: वाल्व कैसे खुलता और बंद होता है, और बदला गया वाल्व प्रवाह को कैसे बदलता है?

छोड़ता है: वाल्व-पत्रक की सामग्री के गुण और आसपास की पेशी की गति सरल की गई हैं।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान क्लस्टर पर गतिशील सीमा वाले तरल हल। तब से: 1972 पेस्किन, हृदय वाल्वों के आसपास प्रवाह के पैटर्न, जिसने इमर्स्ड बाउंड्री विधि प्रस्तुत की। [स्रोत](https://doi.org/10.1016/0021-9991%2872%2990065-4)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### हड्डी का अनुकूलन और प्रत्यारोपण का पुनर्निर्माण

हड्डी के परिमित-तत्व मॉडल, जिनमें जहाँ प्रतिबल ज़्यादा है वहाँ ऊतक जोड़ा जाता है और जहाँ कम है वहाँ हटाया जाता है, महीनों और बरसों में।

वह सवाल जिसका यह जवाब देता है: प्रत्यारोपण के आसपास हड्डी समय के साथ कैसे बदलेगी?

छोड़ता है: पुनर्निर्माण नियम एक परिघटनात्मक नियम है और मरीज़ों में अलग-अलग होता है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान वर्कस्टेशन पर पुनरावृत्त परिमित-तत्व हल। तब से: 1987 हाउस्केस और सहयोगी, कृत्रिम अंग के डिज़ाइन पर लागू अनुकूली अस्थि-पुनर्गठन सिद्धांत। [स्रोत](https://doi.org/10.1016/0021-9290%2887%2990030-3)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### शल्य-चिकित्सा के लिए पेशी-कंकाल मॉडल

पैर या बाँह की हड्डियाँ, जोड़ और पेशी-कंडरा प्रेरक मॉडल किए जाते हैं, ताकि किसी शल्य-बदलाव, जैसे कंडरा-स्थानांतरण, का गति पर असर परखा जा सके।

वह सवाल जिसका यह जवाब देता है: क्या इस कंडरा को स्थानांतरित करने से मरीज़ का चलना सुधरेगा?

छोड़ता है: पेशी सक्रियण का अनुमान लगाया जाता है, मापा नहीं जाता, और तंत्रिका नियंत्रण मॉडल नहीं किया जाता।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान लैपटॉप पर प्रतिलोम गतिकी और पेशी अनुकूलन। तब से: 1990 डेल्प और सहकर्मी, अस्थि-शल्यचिकित्सा के अध्ययन के लिए निचले अंग का संवादात्मक ग्राफ़िक्स-आधारित मॉडल। [स्रोत](https://doi.org/10.1109/10.102791)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### रेडियोथेरेपी खुराक गणना

मरीज़ के स्कैन में मॉन्टे कार्लो परिवहन से फ़ोटॉन या प्रोटॉन का पीछा किया जाता है ताकि ट्यूमर और स्वस्थ ऊतक को मिलने वाली विकिरण खुराक निकले।

वह सवाल जिसका यह जवाब देता है: क्या नियोजित किरण ट्यूमर को खुराक देती है और पास के अंगों को बचा लेती है?

छोड़ता है: स्कैन एक तात्कालिक तस्वीर है, इसलिए इलाज के दौरान मरीज़ की हरकत और शरीर-रचना का बदलाव अनुमानित हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान क्लस्टर या GPU पर हर योजना के लिए लाखों से अरबों इतिहास। तब से: 1988 मैकी और सहयोगी, EGS मॉन्टे कार्लो कोड से बनी फ़ोटॉन ऊर्जा-निक्षेपण कर्नेल। [स्रोत](https://doi.org/10.1088/0031-9155/33/1/001)

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[कण और N-पिंड](https://simulation-hypothesis.com/hi/simulations/methods#m-particles)न्यूनतम परत: शरीर

### इमेजिंग के लिए आभासी शारीरिक फ़ैंटम

ब्योरेवार अंगों और धड़कती या साँस लेती गति वाले डिजिटल मानव शरीर, जो सिमुलेटेड स्कैनों के विषय के रूप में इस्तेमाल होते हैं, ताकि छवि-विधियों को ज्ञात सच के सामने परखा जा सके।

वह सवाल जिसका यह जवाब देता है: क्या यह स्कैनर और एल्गोरिदम किसी ज्ञात असामान्यता को वापस पा सकते हैं?

छोड़ता है: फ़ैंटम कुछ व्यक्तियों पर फ़िट किया गया आकार-मॉडल है और शरीर-रचना की पूरी विविधता नहीं पकड़ता।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान वर्कस्टेशन पर हर स्कैन के लिए रे-ट्रेसिंग या परिवहन सिमुलेशन। तब से: 2010 सेगर्स और सहयोगी, बहु-विधा इमेजिंग शोध के लिए 4D XCAT फ़ैंटम। [स्रोत](https://doi.org/10.1118/1.3480985)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: शरीर

### चुंबकीय अनुनाद छवि सिमुलेशन

चुंबकीय क्षेत्र में नाभिकीय स्पिनों की भौतिकी को एक पल्स अनुक्रम से सिमुलेट किया जाता है, ताकि किसी आभासी शरीर के कृत्रिम स्कैन बनें।

वह सवाल जिसका यह जवाब देता है: इस ऊतक के लिए यह अनुक्रम कौन-सा चित्र बनाएगा?

छोड़ता है: ऊतक शिथिलन मान औसत हैं और गति तथा हार्डवेयर की ख़ामियाँ केवल आंशिक रूप से मॉडल की गई हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान GPU पर पूरे आयतन का ब्लॉख-समीकरण सिमुलेशन। तब से: 2005 बेनुआ-कैटैं और सहकर्मी, SIMRI संवादात्मक MRI सिमुलेटर। [स्रोत](https://doi.org/10.1016/j.jmr.2004.09.027)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: शरीर

### अस्थि-भंग के भरने का सिमुलेशन

टूटी हड्डी के जुड़ने वाले अंतराल में यांत्रिक खिंचाव तय करता है कि ऊतक उपास्थि, नई हड्डी या रेशेदार निशान के रूप में बनेगा।

वह सवाल जिसका यह जवाब देता है: क्या यह फ़्रैक्चर स्थिरीकरण हड्डी को जुड़ने देगा?

छोड़ता है: ऊतक-विभेदन नियम प्रयोग-आधारित है और रक्त आपूर्ति सरल की गई है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान वर्कस्टेशन पर सिमुलेटेड हफ़्तों में परिमित-तत्व हल। तब से: 1999 क्लेस और हाइगेले, हड्डी की सतहों पर स्थानीय प्रतिबल और विकृति, जो अस्थि-भंग के भरने का रास्ता और प्रकार बताते हैं। [स्रोत](https://doi.org/10.1016/s0021-9290%2898%2900153-5)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### मेज़बान के भीतर वायरस गतिकी

एक मरीज़ के भीतर मुक्त विषाणु, संक्रमित कोशिकाएँ और लक्ष्य कोशिकाएँ ट्रैक की जाती हैं, और उपचार शुरू होने के बाद उनका बदलाव बताता है कि विषाणु कितनी तेज़ी से बनता और साफ़ होता है।

वह सवाल जिसका यह जवाब देता है: वायरस किसी व्यक्ति के भीतर कितनी तेज़ी से प्रतिकृति बनाता है, और उपचार क्या बदलता है?

छोड़ता है: रक्त के अलावा ऊतक की संरचना और संक्रमण के स्थान दर्शाए नहीं गए हैं।

इस पर चलता है: लगभग 10^7 FLOPS मोटा अनुमान मरीज़ की समय-शृंखला पर बैठाए गए कुछ युग्मित अवकल समीकरण। तब से: 1996 पेरेलसन और सहयोगी, जीवित शरीर में HIV-1 की गतिकी। [स्रोत](https://doi.org/10.1126/science.271.5255.1582)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: कोशिकाएँ

### स्कैन से कोरोनरी प्रवाह-रिज़र्व

हृदय के स्कैन से कोरोनरी धमनियों में रक्त प्रवाह गिना जाता है, ताकि अनुमान लगे कि कोई संकरापन प्रवाह इतना रोक रहा है कि स्टेंट चाहिए।

वह सवाल जिसका यह जवाब देता है: क्या यह संकुचन हृदय की पेशी को रक्त से वंचित करने के लिए काफ़ी है?

छोड़ता है: छोटी वाहिकाओं की सीमा-शर्तें नापी नहीं जातीं, मरीज़ से अनुमानित की जाती हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान क्लस्टर पर हर स्कैन के लिए एक मरीज़-विशिष्ट प्रवाह हल। तब से: 2013 Taylor and colleagues, CFD applied to cardiac CT for noninvasive quantification of fractional flow reserve. [स्रोत](https://doi.org/10.1016/j.jacc.2012.11.083)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### कर्ण-कुंडली (कॉक्लिया) की यांत्रिकी

भीतरी कान के द्रव की ध्वनि तरंगें कॉक्लिया के अंदर की कंपन करती झिल्ली से जुड़ी होती हैं, जिससे वह यात्रा करती तरंग बनती है जो स्वरों को छाँटती है।

वह सवाल जिसका यह जवाब देता है: कान ध्वनि को स्थान-कूटित संकेत में कैसे बदलता है?

छोड़ता है: केश कोशिकाओं का सक्रिय प्रवर्धन अनुमानित फ़ीडबैक से दर्शाया गया है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान वर्कस्टेशन पर कर्ण-द्रव के परिमित-अंतर हल। तब से: 1981 नीली, कर्णावर्त के द्वि-आयामी मॉडल का परिमित-अंतर हल। [स्रोत](https://doi.org/10.1121/1.385820)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### पूरे शरीर का समेकित शरीर-क्रिया विज्ञान

रक्तचाप, गुर्दा, द्रव-संतुलन और हार्मोन परिसंचरण और उसके नियमन के एक मॉडल में जुड़े हैं।

वह सवाल जिसका यह जवाब देता है: शरीर रक्तचाप को कैसे नियंत्रित करता है, और एक अंग के विफल होने पर क्या होता है?

छोड़ता है: हर अंग एक लंप्ड कम्पार्टमेंट है और कोशिका-स्तर का ब्योरा अनुपस्थित है।

इस पर चलता है: लगभग 10^6 FLOPS मोटा अनुमान लैपटॉप पर सैकड़ों अवकल समीकरण। तब से: 1972 गाइटन, कोलमैन और ग्रेंजर, परिसंचरण: समग्र नियमन। [स्रोत](https://doi.org/10.1146/annurev.ph.34.030172.000305)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)न्यूनतम परत: शरीर

### जैव-ऊष्मा स्थानांतरण और हाइपरथर्मिया

ऊतक में ऊष्मा का चालन, जिसमें रक्त प्रवाह गर्मी को बहा ले जाता है। इससे बुखार, गर्मी के तनाव या ऊष्मा-आधारित कैंसर उपचार के दौरान तापमान का अनुमान लगाया जाता है।

वह सवाल जिसका यह जवाब देता है: ऊतक कितना गर्म होता है और ऊष्मा कितनी गहराई तक जाती है?

छोड़ता है: रक्त-संचार को एकसमान ऊष्मा-सिंक माना गया है।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान वर्कस्टेशन पर परिमित-तत्व ऊष्मा हल। तब से: 1948 पेनेस, विश्राम की स्थिति में मानव अग्रबाहु के ऊतक और धमनी रक्त तापमान का विश्लेषण। [स्रोत](https://doi.org/10.1152/jappl.1948.1.2.93)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### गुर्दे के नेफ़्रॉन परिवहन मॉडल

गुर्दे के लूपों और नलिकाओं से गुज़रते पानी, नमक और यूरिया, जुड़े प्रवाहों के रूप में हल किए गए ताकि दिखे कि मूत्र कैसे सांद्र होता है।

वह सवाल जिसका यह जवाब देता है: नलिकाओं की प्रतिधारा व्यवस्था से गुर्दा मूत्र को गाढ़ा कैसे कर पाता है?

छोड़ता है: नलिका के गुण और त्रि-आयामी विन्यास कुछ ही प्रजातियों में मापे गए हैं, इसलिए पैरामीटर जानवरों से आगे खींचे जाते हैं।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान वर्कस्टेशन पर कुछ मिनट से कुछ घंटे। तब से: 1966 Stephenson का वृक्क प्रति-प्रवाह प्रणालियों में सांद्रता का विश्लेषण। [स्रोत](https://doi.org/10.1016/s0006-3495%2866%2986676-6)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### स्वर-तंतु और आवाज़ निर्माण मॉडल

स्वर-तंतु कमानियों पर टँगे द्रव्यमानों की तरह, जिन्हें फेफड़ों की हवा चलाती है, गले और मुँह के आकार से जुड़े हुए, ताकि स्वरित ध्वनि बने।

वह सवाल जिसका यह जवाब देता है: तहों की कौन-सी भौतिक सेटिंग साफ़, हवादार या खुरदुरी आवाज़ बनाती है?

छोड़ता है: तहों को कुछ द्रव्यमानों में समेटा गया है, इसलिए ऊतक की परतें और पूरा त्रि-आयामी वायु-प्रवाह पकड़ में नहीं आता।

इस पर चलता है: लगभग 10^8 FLOPS मोटा अनुमान सस्वर ध्वनि के हर वाक्य के लिए कुछ सेकंड से मिनट। तब से: 1972 इशिज़ाका और फ़्लानागन का सस्वर ध्वनियाँ संश्लेषित करने के लिए स्वर-रज्जुओं का दो-द्रव्यमान मॉडल। [स्रोत](https://doi.org/10.1002/j.1538-7305.1972.tb02651.x)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: शरीर

### सर्केडियन (दैनिक लय) घड़ी के मॉडल

शरीर-घड़ी के प्रतीक युग्मित दोलक प्रकाश और आराम के समय पर प्रतिक्रिया करते हैं, और अनुमान देते हैं कि दिनचर्या या यात्रा बदलने पर नींद और सतर्कता कैसे खिसकती है।

वह सवाल जिसका यह जवाब देता है: उड़ान या शिफ़्ट बदलने के बाद शरीर की घड़ी को ढलने में कितना समय लगता है?

छोड़ता है: कुछ दोलक न्यूरॉनों के पूरे नेटवर्क की जगह लेते हैं, और घड़ी की अवधि और प्रकाश-संवेदनशीलता में लोग बहुत अलग-अलग होते हैं।

इस पर चलता है: लगभग 10^5 FLOPS मोटा अनुमान लैपटॉप पर कुछ सेकंड। तब से: 1982 क्रोनॉअर और सहयोगियों का दो परस्पर क्रिया करने वाले दोलकों वाला मानव सर्केडियन तंत्र का गणितीय मॉडल। [स्रोत](https://doi.org/10.1152/ajpregu.1982.242.1.r3)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: शरीर

## जन स्वास्थ्य

### कम्पार्टमेंट-आधारित महामारी मॉडल

एक आबादी, जो संवेदनशील, संक्रमित और ठीक हुए लोगों में बँटी है, और जिनके बीच दरें बहती हैं।

वह सवाल जिसका यह जवाब देता है: यह प्रकोप कितना बड़ा होगा, और कब चरम पर पहुँचेगा?

छोड़ता है: समरूप मिश्रण मानता है, जिसमें हर व्यक्ति दूसरे हर व्यक्ति से एक ही दर पर मिलता है, जो असली संपर्क-पैटर्न नहीं मानते।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान एक लैपटॉप, जो जुड़े हुए महामारी-समीकरणों का एक छोटा समूह हल करता है तब से: 1927 केरमैक और मैकेंड्रिक के बंद महामारी के समीकरण

[इंटरैक्टिव मॉडल चलाइए](https://simulation-hypothesis.com/hi/simulations/run#toy-epidemic)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### एजेंट-आधारित महामारियाँ

पूरे शहर या देश की एक कृत्रिम आबादी, जिसमें हर व्यक्ति का एक परिवार, स्कूल या कार्यस्थल है, और संपर्क जिनके ज़रिए रोग फैलता है।

वह सवाल जिसका यह जवाब देता है: कौन-से उपाय सबसे कम लागत में फैलाव को सबसे ज़्यादा धीमा करते हैं?

छोड़ता है: इसके लिए विस्तृत परिवार, स्कूल और कार्यस्थल डेटा चाहिए जो कई देशों के पास नहीं है।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो देश-स्तर की कृत्रिम आबादी सिमुलेट करता है तब से: 2005 लोंगिनी, फ़र्ग्यूसन और सहयोगियों के एजेंट-आधारित इन्फ़्लुएंज़ा महामारी मॉडल

[इंटरैक्टिव मॉडल चलाइए](https://simulation-hypothesis.com/hi/simulations/run#toy-epidemic)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: शरीर

### रोगाणु का विकास

वायरस या जीवाणु में उत्परिवर्तन, जो मेज़बानों के बीच जाते हुए प्रकट होते और फैलते हैं।

वह सवाल जिसका यह जवाब देता है: इस दवा के प्रति प्रतिरोध कितनी तेज़ी से विकसित हो सकता है?

छोड़ता है: असली उत्परिवर्तन और फ़िटनेस लैंडस्केप मुट्ठी भर जीन-स्थलों से कहीं ज़्यादा जटिल हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो दवा-प्रतिरोध का विकास सिमुलेट करता है तब से: 1990 HIV में दवा-प्रतिरोध के विकास के शुरुआती प्रसंभाव्य मॉडल

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[विकासवादी](https://simulation-hypothesis.com/hi/simulations/methods#m-evolutionary)न्यूनतम परत: आबादियाँ

### रोग-भार और स्वास्थ्य-अर्थशास्त्र मॉडलिंग

एक रोग और उसके उपचार, जिन्हें बीमारी, अपंगता, लागत और मृत्यु की संभावनाओं के रूप में आँका जाता है। इससे तुलना होती है कि खर्च किए प्रति पाउंड पर कौन सा स्वास्थ्य उपाय सबसे ज़्यादा भला करता है।

वह सवाल जिसका यह जवाब देता है: कौन-सा इलाज या कार्यक्रम पैसे के बदले स्वस्थ जीवन के सबसे ज़्यादा साल देता है?

छोड़ता है: जीवन या पीड़ा के एक साल को संख्या देना एक मूल्य-निर्णय है, जो अंकगणित के रूप में पेश किया गया है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो समूह-आधारित लागत-प्रभावशीलता मॉडल चलाता है तब से: 1993 विश्व बैंक का वैश्विक विकलांगता-समायोजित जीवन-वर्ष रोग-भार अध्ययन

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### प्रकोप जीनोमिक महामारी विज्ञान

प्रकोप के दौरान लिए गए रोगाणु जीनोम, जिनसे संक्रमणों का वंश-वृक्ष बनता है और अनुमान लगता है कि किसने किसे संक्रमित किया होगा और वह कितनी तेज़ी से बढ़ रहा है।

वह सवाल जिसका यह जवाब देता है: यह प्रकोप असल में कैसे फैल रहा है, उस सबसे परे जो केवल संपर्क-अनुरेखण से दिखता है?

छोड़ता है: केवल वही मामले वंश-वृक्ष में दिखते हैं जिनका अनुक्रमण होता है, इसलिए पतला या पक्षपाती नमूना भटका सकता है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो हज़ारों जीनोम से वृक्ष बनाता है तब से: 2013 पश्चिम अफ़्रीका में इबोला प्रकोप की रीयल-टाइम जीनोमिक ट्रैकिंग

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: आबादियाँ

### पर्यावरणीय और रासायनिक संपर्क का जोखिम आकलन

किसी आबादी का किसी प्रदूषक, खाद्य संदूषक या विकिरण खुराक के संपर्क में आना हानि की संभावना में कैसे बदलता है, डेटा की अनिश्चितता की पूरी सीमा में चलाकर।

वह सवाल जिसका यह जवाब देता है: इस रसायन का कितना अंश पूरी आबादी के संपर्क के लिए सुरक्षित है?

छोड़ता है: पशुओं में ऊँची परीक्षण-खुराकों से मनुष्यों में कम खुराकों का अनुमान लगाना एक लगातार बना रहने वाला विवेक-निर्णय है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो मोंटे कार्लो खुराक-प्रतिक्रिया मॉडल चलाता है तब से: 1983 US National Research Council का रासायनिक जोखिम आकलन का ढाँचा

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### गतिशीलता-नेटवर्क महामारी मॉडल

काम पर आने-जाने और हवाई यात्रा के डेटा से जुड़े शहरों के वैश्विक नेटवर्क में रोग का फैलाव सिमुलेट किया जाता है।

वह सवाल जिसका यह जवाब देता है: प्रकोप दूसरे क्षेत्रों और देशों तक कितनी तेज़ी से पहुँचेगा?

छोड़ता है: हर शहर के भीतर का मिश्रण सरल किया गया है, और व्यवहार-परिवर्तन मॉडल नहीं किया गया।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान हज़ारों उप-आबादियों में स्टोकेस्टिक रन तब से: 2009 Multiscale mobility networks and the spatial spreading of infectious diseases (2009) [स्रोत](https://doi.org/10.1073/pnas.0906910106)

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: आबादियाँ

### व्यक्ति-आधारित मलेरिया मॉडल

सिमुलेटेड लोग, मच्छर और परजीवी मेज़बान के भीतर संक्रमण और संचरण को ट्रैक करते हैं ताकि नियंत्रण रणनीतियाँ परखी जा सकें।

वह सवाल जिसका यह जवाब देता है: जालों, दवाओं और टीकों का कौन-सा मेल मलेरिया संचरण घटाएगा?

छोड़ता है: मच्छर पारिस्थितिकी और स्थानीय स्वास्थ्य प्रणालियों को मोटे तौर पर मॉडल किया गया है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान किसी सिमुलेटेड गाँव के कई प्रसंभाव्य रन तब से: 2008 Towards a comprehensive simulation model of malaria epidemiology and control (2008) [स्रोत](https://doi.org/10.1017/S0031182008000371)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### परिदृश्य मॉडलिंग केंद्र

कई मॉडलिंग दल टीकों या वैरिएंटों के बारे में एक ही अगर-तो मान्यताएँ चलाते हैं, और अनुमानों को एक एन्सेम्बल में मिला दिया जाता है।

वह सवाल जिसका यह जवाब देता है: हर नीति या वेरिएंट की मान्यता से भविष्यों का कौन-सा दायरा निकलता है?

छोड़ता है: परिदृश्य सशर्त हैं, क्या होगा इसके अनुमान नहीं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान महामारी मॉडलों का बहु-दल एन्सेम्बल तब से: 2020 US COVID-19 Scenario Modeling Hub, दिसंबर 2020 से [स्रोत](https://doi.org/10.1016/j.epidem.2023.100738)

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)न्यूनतम परत: आबादियाँ

### डिजिटल संपर्क-अनुरेखण मॉडल

ऐप-आधारित ट्रेसिंग चरण वाले संचरण मॉडल अनुमान लगाते हैं कि फैलाव रोकने के लिए ट्रेसिंग और आइसोलेशन कितनी तेज़ होनी चाहिए।

वह सवाल जिसका यह जवाब देता है: महामारी को क़ाबू में लाने के लिए संपर्कों का कितनी जल्दी पता लगाना होगा?

छोड़ता है: अपनाना और पालन माने हुए मान हैं।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान शाखन-प्रक्रिया या एजेंट रन तब से: 2020 Quantifying SARS-CoV-2 transmission suggests epidemic control with digital contact tracing (2020) [स्रोत](https://doi.org/10.1126/science.abb6936)

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: आबादियाँ

### रोगाणुरोधी प्रतिरोध का फैलाव

संवेदनशील और प्रतिरोधी जीवाणु मरीज़ों के भीतर होड़ करते हैं और उनके बीच फैलते हैं, अलग-अलग एंटीबायोटिक नीतियों के तहत, जैसे चक्रण, मिश्रण या संयुक्त उपचार।

वह सवाल जिसका यह जवाब देता है: कौन-सी इलाज-नीति प्रतिरोधी संक्रमणों की बढ़त को धीमा करती है?

छोड़ता है: प्रतिरोध की लागत और संचरण दरें ठीक से मापी नहीं गई हैं, और नतीजे उन पर निर्भर करते हैं।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान लैपटॉप पर कम्पार्टमेंट और व्यक्ति-आधारित अस्पताल मॉडल। तब से: 1997 बॉनहोफ़र, लिप्सिच और लेविन, एंटीबायोटिक प्रतिरोध रोकने के उपचार-प्रोटोकॉल का मूल्यांकन। [स्रोत](https://doi.org/10.1073/pnas.94.22.12106)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### मलेरिया संचरण और हस्तक्षेप मॉडल

मच्छर का काटना, परजीवी का विकास, मानव प्रतिरक्षा और मच्छरदानी या टीकों जैसे हस्तक्षेप एक गाँव या देश में साथ-साथ सिमुलेट होते हैं।

वह सवाल जिसका यह जवाब देता है: नियंत्रण के किस मेल से मलेरिया घट या ख़त्म हो सकता है?

छोड़ता है: मच्छर पारिस्थितिकी और स्थानीय मानव व्यवहार का मापन कमज़ोर है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान क्लस्टर पर दशकों तक किसी देश का व्यक्ति-आधारित सिमुलेशन। तब से: 2008 Smith and colleagues, towards a comprehensive simulation model of malaria epidemiology and control. [स्रोत](https://doi.org/10.1017/s0031182008000371)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### इनडोर हवाई संचरण का सिमुलेशन

साँस लेने, खाँसने और बोलने से कमरे में बूँदें और एरोसोल निकलते हैं, और तरल-गतिकी देखती है कि वे कहाँ जाते हैं और दूसरा व्यक्ति कितना साँस में लेता है।

वह सवाल जिसका यह जवाब देता है: साँस छोड़ने पर निकला वायरस कितनी दूर जाता है, और मास्क या वेंटिलेशन संपर्क को कितना घटाते हैं?

छोड़ता है: संक्रामक खुराक और असली कमरे की स्थितियाँ किसी भी सिमुलेशन सेटअप की मान्यता से ज़्यादा बदलती हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान क्लस्टर पर कण-अनुरेखण के साथ कमरे का लार्ज-एडी सिमुलेशन। तब से: 2020 मित्तल, नी और सियो, COVID-19 की प्रवाह भौतिकी, श्वसन प्रवाहों के संगणनात्मक अध्ययनों की समीक्षा। [स्रोत](https://doi.org/10.1017/jfm.2020.330)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[कण और N-पिंड](https://simulation-hypothesis.com/hi/simulations/methods#m-particles)न्यूनतम परत: क्षेत्र

### तंबाकू-नियंत्रण नीति सिमुलेशन

देश में धूम्रपान की शुरुआत, छोड़ना और मौतें कर, प्रतिबंध और अभियानों के तहत प्रक्षेपित की जाती हैं, जिससे प्रचलन में बदलाव और बचाई गई जानें निकलती हैं।

वह सवाल जिसका यह जवाब देता है: कोई कर या धूम्रपान-प्रतिबंध कितनी जानें बचाएगा?

छोड़ता है: नीति के प्रभाव पिछले प्रमाणों से लिए गए हैं और हो सकता है नई जगहों पर लागू न हों।

इस पर चलता है: लगभग 10^6 FLOPS मोटा अनुमान लैपटॉप पर जनसंख्या प्रक्षेपण मॉडल। तब से: 2000 लेवी, कमिंग्स और हाइलैंड, युवाओं में शुरुआत की नीतियों के कुल सिगरेट उपयोग पर प्रभाव का सिमुलेशन। [स्रोत](https://doi.org/10.2105/ajph.90.8.1311)

[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### टीके के आवंटन का अनुकूलन

एक महामारी मॉडल को अनुकूलक से जोड़ा जाता है, जो चुनता है कि कमी वाला टीका पहले किन आयु या जोखिम समूहों को मिले।

वह सवाल जिसका यह जवाब देता है: सबसे ज़्यादा जानें बचाने के लिए सबसे पहले किसे टीका लगे?

छोड़ता है: संपर्क-पैटर्न और टीके की प्रभावशीलता अनिश्चित हैं, और सबसे अच्छा समूह लक्ष्य पर निर्भर करता है।

इस पर चलता है: लगभग 10^8 FLOPS मोटा अनुमान वर्कस्टेशन पर कई महामारी रनों पर अनुकूलन। तब से: 2009 मेडलॉक और गैल्वानी, इन्फ़्लुएंज़ा टीके के वितरण का अनुकूलन। [स्रोत](https://doi.org/10.1126/science.1175570)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### आभासी इमेजिंग परीक्षण

सिमुलेटेड मरीज़, स्कैनर और पाठक असली लोगों को भर्ती किए बिना इमेजिंग तकनीकों की तुलना के लिए इस्तेमाल होते हैं।

वह सवाल जिसका यह जवाब देता है: क्या नया इमेजिंग उपकरण कैंसर उतनी ही अच्छी तरह खोजता है जितना मौजूदा?

छोड़ता है: आभासी घाव और चित्र पढ़ने वाले आभासी रीडर ऐसे मॉडल हैं जो असली नैदानिक विविधता चूक सकते हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान क्लस्टर पर हज़ारों सिमुलेटेड चित्र। तब से: 2018 बदानो और सहकर्मी, डिजिटल ब्रेस्ट टोमोसिंथेसिस बनाम पूर्ण-क्षेत्र मैमोग्राफ़ी का इन-सिलिको इमेजिंग परीक्षण। [स्रोत](https://doi.org/10.1001/jamanetworkopen.2018.5474)

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### संपर्क-नेटवर्कों पर महामारियाँ

रोग एक नेटवर्क के नोडों के बीच फैलता है जिसका डिग्री-वितरण बहुत असमान हो सकता है, और नतीजा हब पर निर्भर करता है।

वह सवाल जिसका यह जवाब देता है: संचरणीयता की किस मात्रा पर, हब वाले नेटवर्क में महामारी उठ खड़ी होती है?

छोड़ता है: असली संपर्क नेटवर्क समय के साथ बदलते हैं और केवल आंशिक रूप से देखे जाते हैं।

इस पर चलता है: लगभग 10^7 FLOPS मोटा अनुमान वर्कस्टेशन पर दस लाख-नोड नेटवर्क पर मॉन्टे कार्लो प्रसार। तब से: 2001 पास्टर-सैटोरास और वेस्पिन्यानी, स्केल-मुक्त नेटवर्कों में महामारी का फैलाव। [स्रोत](https://doi.org/10.1103/physrevlett.86.3200)

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### मच्छर आबादी गतिकी

रोग फैलाने वाले मच्छर के अंडे, लार्वा, प्यूपा और वयस्क स्थानीय तापमान और वर्षा के तहत पात्रों में पलते हैं, और काटने वालों की संख्या मिलती है।

वह सवाल जिसका यह जवाब देता है: अगले मौसम में कितने मच्छर होंगे, और प्रजनन स्थल हटाने से क्या होता है?

छोड़ता है: प्रजनन-स्थलों की गिनती कठिन है और वे गली-गली बदलते हैं।

इस पर चलता है: लगभग 10^7 FLOPS मोटा अनुमान लैपटॉप पर जीवन-सारणी सिमुलेशन। तब से: 1993 फ़ॉक्स और सहकर्मी, Aedes aegypti का गतिक जीवन-सारणी मॉडल। [स्रोत](https://doi.org/10.1093/jmedent/30.6.1003)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### कैंसर जाँच का सूक्ष्म-सिमुलेशन

कैंसर के प्राकृतिक क्रम के साथ अलग-अलग जीवन-इतिहासों का सिमुलेशन जाँच के साथ और बिना जाँच के किया जाता है, ताकि पकड़े गए मामलों और टाली गई मौतों का अनुमान लगे।

वह सवाल जिसका यह जवाब देता है: जाँच कार्यक्रम कितनी मौतें टालता है, और अति-निदान की क्या क़ीमत पर?

छोड़ता है: कैंसर का अनदेखा शुरुआती क्रम मानना पड़ता है।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान वर्कस्टेशन पर लाखों सिमुलेटेड जीवन। तब से: 1985 हैबेमा और सहयोगी, जाँच के मूल्यांकन के लिए MISCAN सिमुलेशन प्रोग्राम। [स्रोत](https://doi.org/10.1016/0169-2607%2885%2990048-3)

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### मोटापा और आहार के एजेंट-आधारित मॉडल

वज़न, आमदनी और पड़ोसियों वाले एजेंट खाते और चलते हैं, और खाने की क़ीमत या नीति बदलने पर पूरी आबादी में शरीर के वज़न का फैलाव खिसकता है।

वह सवाल जिसका यह जवाब देता है: कौन-से हस्तक्षेप दशकों में आबादी का वज़न मोड़ते हैं?

छोड़ता है: व्यवहार को कुछ नियमों तक सीमित किया गया है और दीर्घकालिक प्रमाण कम हैं।

इस पर चलता है: लगभग 10^8 FLOPS मोटा अनुमान वर्कस्टेशन पर आबादी का एजेंट-आधारित सिमुलेशन। तब से: 2007 हैमंड और एपस्टीन, मोटापे की महामारी में कीमत-निरपेक्ष तंत्रों की पड़ताल। [स्रोत](https://doi.org/10.2139/ssrn.1024287)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)न्यूनतम परत: आबादियाँ

### अंग आवंटन नीति सिमुलेशन

प्रत्यारोपण प्रतीक्षा-सूची के मरीज़, आते दाता अंग और आवंटन नियम सिमुलेट किए जाते हैं ताकि प्रतीक्षा-समय और उत्तरजीविता की तुलना हो।

वह सवाल जिसका यह जवाब देता है: कौन-सा आवंटन नियम सबसे ज़्यादा जीवन-वर्ष और सबसे निष्पक्ष प्रतीक्षा देता है?

छोड़ता है: अंग की गुणवत्ता और मरीज़ों व केंद्रों के निर्णय सरल किए गए हैं।

इस पर चलता है: लगभग 10^8 FLOPS मोटा अनुमान लैपटॉप पर बरसों की प्रतीक्षा-सूचियों का घटना-सिमुलेशन। तब से: 2000 Zenios, Chertow and Wein, dynamic allocation of kidneys to candidates on the transplant waiting list. [स्रोत](https://doi.org/10.1287/opre.48.4.549.12418)

[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### एम्बुलेंस और दमकल केंद्र की तैनाती के मॉडल

आपात कॉल बेतरतीब आते हैं, इकाइयाँ भेजी जाती हैं, और कतार-मॉडल हर जगह और ज़िले की बनावट के लिए जवाब का समय देता है।

वह सवाल जिसका यह जवाब देता है: स्टेशन और इकाइयाँ कहाँ रखी जाएँ ताकि पहुँचने का समय घटे?

छोड़ता है: यात्रा के समय और माँग का असली फैलाव माने गए हैं।

इस पर चलता है: लगभग 10^7 FLOPS मोटा अनुमान लैपटॉप पर क्यूइंग और मॉन्टे कार्लो। तब से: 1974 लार्सन, शहरी आपातकालीन सेवाओं में सुविधा-स्थान और पुनर्क्षेत्रीकरण के लिए हाइपरक्यूब क्यूइंग मॉडल। [स्रोत](https://doi.org/10.1016/0305-0548%2874%2990076-8)

[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### कृत्रिम मरीज़ रिकॉर्ड बनाना

कृत्रिम लोगों को प्रकाशित नैदानिक नियमों से रोग, उपचार और मुलाक़ातें दी जाती हैं, ताकि असल जैसे स्वास्थ्य रिकॉर्ड बनें जिनमें कोई असली व्यक्ति न हो।

वह सवाल जिसका यह जवाब देता है: क्या सॉफ़्टवेयर और विश्लेषण असली जैसे रिकॉर्डों पर परखे जा सकते हैं, बिना किसी का डेटा उजागर किए?

छोड़ता है: रिकॉर्ड में केवल वही पैटर्न हैं जो जनरेटर में डाले गए, इसलिए दुर्लभ बीमारियाँ और असली देखभाल के रास्ते कम दिखते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान दस लाख मरीज़ों के लिए लैपटॉप-पैमाने का रन। तब से: 2010 बुज़ाक और सहकर्मियों का कृत्रिम इलेक्ट्रॉनिक चिकित्सा रिकॉर्ड बनाने का डेटा-आधारित तरीक़ा। [स्रोत](https://doi.org/10.1186/1472-6947-10-59)

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[नियम और अवस्थाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-rules)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: आबादियाँ

## दवा-खोज और औषधि-विज्ञान

### पूर्वानुमान विषविज्ञान

किसी उम्मीदवार दवा की संरचना को ज्ञात विषैले अणुओं के डेटाबेस से मिलाया जाता है, या प्रयोगशाला और पशु डेटा पर प्रशिक्षित मॉडलों में चलाया जाता है। यह उसके संश्लेषित होने से पहले ही हो जाता है।

वह सवाल जिसका यह जवाब देता है: क्या इस अणु को बनाने से पहले ही यकृत, हृदय या जीनों को नुकसान पहुँचाने की संभावना है?

छोड़ता है: अनुमान उतने ही भरोसेमंद हैं जितने पिछले विषैले अणु जिन पर मॉडल प्रशिक्षित हुआ, और जैविक अपवाद उभरते रहते हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो प्रशिक्षित विषाक्तता-अनुमान मॉडल चलाता है तब से: 2000 दवाओं की विषाक्तता छाँटने में इस्तेमाल हुए शुरुआती संरचना-सक्रियता संबंध मॉडल

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: अणु

### फ़ार्माकोडायनामिक मॉडलिंग

लक्ष्य पर दवा की सांद्रता शरीर पर असर में कैसे बदलती है, रिसेप्टर से जुड़ने से लेकर मापे गए लक्षण या बायोमार्कर तक।

वह सवाल जिसका यह जवाब देता है: कोई ख़ास खुराक असल में कितना असर पैदा करेगी, और कितनी देर के लिए?

छोड़ता है: मानकर चलता है कि सांद्रता और असर का साफ़ संबंध है, जिसे सहनशीलता और रोग की प्रगति बिगाड़ सकती है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो जुड़े हुए प्रभाव-समीकरणों का एक छोटा समूह हल करता है तब से: 1968 दवा की सांद्रता को असर से जोड़ने वाले शुरुआती ग्राही-अधिभोग मॉडल

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### नैदानिक परीक्षण डिज़ाइन सिमुलेशन

माने गए मरीज़ भिन्नता और दवा के असर के सामने चलाए गए हज़ारों काल्पनिक परीक्षण, ताकि परीक्षण का आकार, अवधि और जल्दी रोकने के नियम चुने जा सकें।

वह सवाल जिसका यह जवाब देता है: इस परीक्षण को असल में कितने मरीज़ चाहिए, और इसे कब सुरक्षित रूप से रोका जा सकता है?

छोड़ता है: सिमुलेटेड परीक्षण उतना ही यथार्थवादी है जितनी उसे दी गई मरीज़ की प्रतिक्रिया की मान्यताएँ।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक छोटा क्लस्टर, जो हज़ारों सिमुलेटेड परीक्षण-प्रतिकृतियाँ चलाता है तब से: 1994 अनुकूली नैदानिक परीक्षण डिज़ाइनों की योजना में इस्तेमाल हुए शुरुआती सिमुलेशन अध्ययन

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: आबादियाँ

### दवाओं के नए उपयोग का नेटवर्क मॉडल

दवाएँ, जीन, प्रोटीन और रोग एक बड़े नेटवर्क में जुड़े हैं, और ऐसी मौजूदा दवाएँ खोजी जाती हैं जिनके ज्ञात संबंध अनपेक्षित नए उपयोग का संकेत देते हैं।

वह सवाल जिसका यह जवाब देता है: क्या एक रोग के लिए पहले से स्वीकृत दवा दूसरे का भी इलाज कर सकती है?

छोड़ता है: नेटवर्क में कोई कड़ी एक संकेत है, सबूत नहीं; सुझाए गए ज़्यादातर नए उपयोग परखने पर फिर भी विफल हो जाते हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो दवा-जीन-रोग के बड़े नेटवर्क में खोज करता है तब से: 2011 दवाओं के नए उपयोग के उम्मीदवारों की शुरुआती नेटवर्क-आधारित स्क्रीनिंग

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: अणु

### दवा के फ़ॉर्मूलेशन और वितरण की मॉडलिंग

एक गोली घुलती, कोई पैच दवा छोड़ता या कोई नैनोकण दवा को शरीर में ले जाता है, जिसे मिनटों से दिनों तक विसरण और अभिक्रिया के रूप में देखा जाता है।

वह सवाल जिसका यह जवाब देता है: निगलने या इंजेक्शन के बाद यह दवा अपने लक्ष्य तक कितनी तेज़ी से और कहाँ पहुँचती है?

छोड़ता है: प्रयोगशाला के विलयन-परीक्षण और असली पाचन हमेशा एक-दूसरे से मेल नहीं खाते।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो विसरण और रिसाव के समीकरण हल करता है तब से: 1961 हिगुची का ठोस मैट्रिक्स से दवा के निकलने का गणितीय मॉडल

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: अणु

### टीके के प्रतिजन का डिज़ाइन

किसी रोगाणु प्रोटीन की सतह, परमाणु स्तर के ब्योरे में सिमुलेट की गई, ताकि वे आकृतियाँ मिलें या बनाई जाएँ जिन्हें प्रतिरक्षा तंत्र सबसे अच्छी तरह पहचानेगा और याद रखेगा।

वह सवाल जिसका यह जवाब देता है: इस रोगाणु का कौन-सा हिस्सा टीके के लिए सबसे अच्छा लक्ष्य है?

छोड़ता है: स्क्रीन पर अच्छे निशाने जैसा दिखने वाले आकार को भी असली प्रतिरक्षा तंत्र में काम करना होता है।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो उम्मीदवार प्रतिजनों के परमाणविक सिमुलेशन चलाता है तब से: 2013 स्थिर किए गए श्वसन वायरस प्रतिजन का संरचना-आधारित डिज़ाइन

[आणविक गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-molecular-dynamics)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: परमाणु

### इन सिलिको बंद-लूप मधुमेह नियंत्रण

टाइप 1 मधुमेह वाले आभासी लोगों की आबादी, जिसमें भोजन और ग्लूकोज़-इंसुलिन गतिकी है, और जो मनुष्यों पर परीक्षण से पहले आपूर्ति-नियंत्रण एल्गोरिदम परखने के काम आती है।

वह सवाल जिसका यह जवाब देता है: क्या यह नियंत्रण एल्गोरिदम बहुत अलग-अलग लोगों में ग्लूकोज़ को सुरक्षित रखेगा?

छोड़ता है: तनाव, बीमारी और सेंसर की ख़राबियों जैसा असली व्यवहार केवल आंशिक रूप से पकड़ा गया है।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान लैपटॉप पर सैकड़ों विषयों के लंबे आभासी-दिन सिमुलेशन। तब से: 2009 कोवाचेव और सहयोगी, टाइप 1 मधुमेह के बंद-लूप नियंत्रण के इन सिलिको पूर्व-नैदानिक परीक्षण। [स्रोत](https://doi.org/10.1177/193229680900300106)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: शरीर

[◂ रसायन और पदार्थ](https://simulation-hypothesis.com/hi/simulations/chemistry-materials)[पारिस्थितिकी, विकास और पशु-व्यवहार ▸](https://simulation-hypothesis.com/hi/simulations/ecology-behaviour)