--- title: "生態学、進化、動物の行動・シミュレーション・シミュレーション仮説" url: https://simulation-hypothesis.com/ja/simulations/ecology-behaviour description: "アリのコロニー、群れ、食物網、森林、世代をこえた遺伝子。 人々が実際に動かしているシミュレーションの分類の一部。" license: https://creativecommons.org/licenses/by/4.0/ credit: "Ross Allan Dahl、シミュレーション仮説（simulation-hypothesis.com）" --- [シミュレーション](https://simulation-hypothesis.com/ja/simulations)分野 6/18 # 生態学、進化、動物の行動 アリのコロニー、群れ、食物網、森林、世代をこえた遺伝子。 局所的な規則で行動する生き物と、そこから現れるコロニー、群れ、生態系。エージェントベースのシミュレーションは、おもに生態学の中で育ちました。群れやアリの行列は、誰も設計していないパターンの典型です。 ## 集団行動 ### アリのコロニーの採餌 個々のアリが、リーダーも地図もなしに、フェロモンの道をつけ、たどります。 答える問い: 道を知っているアリが一匹もいなくても、コロニーはどうやって餌への最短経路を見つけるのでしょうか。 含まれないもの： 実際のアリは視覚、聴覚、味覚も使いますが、ほとんどのアリの道のモデルはそれらを無視します。 動かすのに必要： 約10^11 FLOPS 概算 餌を探す数千匹のアリをシミュレートするデスクトップ・ワークステーション 最初の年： 1990 Deneubourg らによる、アルゼンチンアリの道づくりのモデル [インタラクティブ・モデルを動かす](https://simulation-hypothesis.com/ja/simulations/run#toy-ants) [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：物体 ### ミツバチの群れ 採餌バチ、育児バチ、偵察バチが仕事を分担し、群れが一種の投票で新しい巣を選びます。 答える問い: リーダーがいなくても、群れは最良の巣の場所をどうやって選ぶでしょうか。 含まれないもの： ミツバチが決まった単純なルールに従うと仮定していますが、実際のハチはばらつきがあり、間違えることもあります。 動かすのに必要： 約10^11 FLOPS 概算 群れの巣の場所選びをシミュレートするデスクトップ・ワークステーション 最初の年： 2003 Passino と Seeley による、ミツバチの巣の場所選びのモデル [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)粒度：物体 ### 群れと魚群 それぞれの鳥や魚が、分離、近隣との整列、凝集という3つの局所ルールで舵を取ります。 答える問い: 数千の動物は、どのようにして一つの群れとして向きを変えるのでしょうか。 含まれないもの： 実際の群れは、三つの単純な規則が省いている捕食者や地形に反応します。 動かすのに必要： 約10^13 FLOPS 概算 操舵される数千のエージェントをシミュレートするゲーミングGPU 最初の年： 1987 Craig Reynolds による、群れのボイズ・モデル [インタラクティブ・モデルを動かす](https://simulation-hypothesis.com/ja/simulations/run#toy-flock) [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：物体 ### シロアリ塚の形成 シロアリが土の粒を落とし、動かすようすと、そうしてできる構造の中を流れる空気です。 答える問い: 小さな脳しか持たない昆虫が、どうやって換気のよい塔を作るのでしょうか。 含まれないもの： 実際のシロアリの行動は、部分的にしか捉えられていない化学的・構造的な手がかりに左右されます。 動かすのに必要： 約10^12 FLOPS 概算 ペレットを落とすシロアリと空気の流れをシミュレートする大学のクラスター 最初の年： 1999 Bonabeau と Theraulaz による、シロアリの巣作りのスティグマジー・モデル [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[連続体の場](https://simulation-hypothesis.com/ja/simulations/methods#m-continuum)粒度：物体 ### 粘菌の集合 自由生活性のアメーバが、化学信号を放出して追い、食べ物がなくなると流れ集まって、ひとつのナメクジのような体になります。 答える問い: 神経系を持たない独立した細胞が、どのように合意して一つの体になるのでしょうか。 含まれないもの： 実験室の条件は、実際の生物が暮らす土壌よりずっときれいです。 動かすのに必要： 約10^12 FLOPS 概算 走化性による集合モデルを動かすデスクトップ・ワークステーション 最初の年： 1970 ケラーとシーゲルの、細胞性粘菌の化学走性による凝集のモデル [セルオートマトン](https://simulation-hypothesis.com/ja/simulations/methods#m-cellular-automata)[エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：細胞 ### 細菌の群れの動きとクォーラムセンシング 数百万の細菌が互いの化学信号を感じ取り、一緒に、表面を群れで広がったり、光ったりといった協調した行動に切り替わります。 答える問い: 細菌の集団は、行動を起こすのに十分な数がいることをどうやって知るのでしょうか。 含まれないもの： シャーレで育てた実験室の菌株は、実際に混ざり合った微生物群集よりも均一に振る舞います。 動かすのに必要： 約10^12 FLOPS 概算 エージェントベースのコロニーモデルを動かすデスクトップ・ワークステーション 最初の年： 1994 細菌の行動を調整するクォーラムセンシング回路の、初期のシミュレーション [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[連続体の場](https://simulation-hypothesis.com/ja/simulations/methods#m-continuum)粒度：細胞 ### バッタの行進する群れ 密度が高いと、個々の昆虫が近くの仲間にそろい、群れの帯が同じ方向に一緒に進み始めます。 答える問い: どのくらいの密度で、バッタはランダムな徘徊から行進に切り替わるのでしょうか。 含まれないもの： 生息環境の構造と餌は含まれておらず、実際の群れは飛行も伴います。 動かすのに必要： 約10^7 FLOPS 概算 ワークステーションで自己推進粒子のシミュレーション。 最初の年： 2006 Buhl らによる、行進するバッタにおける無秩序から秩序へ。 [出典](https://doi.org/10.1126/science.1125142) [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[粒子とN体](https://simulation-hypothesis.com/ja/simulations/methods#m-particles)粒度：集団 ## 動物の個体 ### 移動と採餌 動物が景観のなかで餌を探すようすを、ランダムウォークと意思決定のルールとしてモデル化します。 答える問い: この動物は効率よく探しているでしょうか。そして、餌のありかについて何を知っているでしょうか。 含まれないもの： 歩行の統計に当てはまっても、動物が実際に何を感じとっているかは確かめられません。 動かすのに必要： 約10^11 FLOPS 概算 ランダムウォーク型の採餌モデルを当てはめるデスクトップ・ワークステーション 最初の年： 1996 Viswanathan らによる、アホウドリの採餌のレヴィフライトモデル [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)粒度：物体 ### 移動と航行 太陽、星、におい、磁場を使って、何千キロメートルも旅する鳥、ウミガメ、クジラ。 答える問い: 1年目の鳥を正しい大陸に導けるのは、どんな手がかりでしょうか。 含まれないもの： 実際の動物がどんな手がかりに頼り、それをどう組み合わせているのかは、今も議論されています。 動かすのに必要： 約10^11 FLOPS 概算 手がかりに基づく鳥の航行をシミュレートするデスクトップ・ワークステーション 最初の年： 1996 鳥の航行における磁気と天体の手がかりの利用の、初期のシミュレーション [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：物体 ### 動物の運動 泳ぐ魚、飛ぶ昆虫、走る動物。流体や地面が押し返します。 答える問い: マルハナバチはどうやって飛び、魚はなぜ隊形を組んで泳ぐのでしょうか。 含まれないもの： 単純化された翼と体の形は、本物の動物の表面が持つ細部を逃します。 動かすのに必要： 約10^14 FLOPS 概算 流体と物体の飛行や遊泳のシミュレーションを動かす大学のクラスター 最初の年： 1994 昆虫の飛行の、初期の流体力学モデル [連続体の場](https://simulation-hypothesis.com/ja/simulations/methods#m-continuum)[微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)粒度：場 ### 行動の進化 戦う、分け合う、だますといった戦略を、何世代にもわたって互いに対戦させます。 答える問い: 動物が、血縁のない隣人を助けることがあるのはなぜでしょうか。 含まれないもの： 戦略は、モデルを作った人が選んだメニューから来ており、行動の全空間ではありません。 動かすのに必要： 約10^11 FLOPS 概算 進化ゲームのトーナメントを動かすデスクトップ・ワークステーション 最初の年： 1981 Axelrod と Hamilton による、協力戦略の進化のシミュレーション [ゲーム理論](https://simulation-hypothesis.com/ja/simulations/methods#m-game-theory)[進化的](https://simulation-hypothesis.com/ja/simulations/methods#m-evolutionary)粒度：物体 ### 鳥のさえずりと発声学習のモデル 若い鳥の、師の歌をまねるための脳の回路を、自分のさえずりを記憶した鋳型と比べる感覚運動のループとしてモデル化します。 答える問い: 若い鳥は、どのようにして片言のさえずりを、大人の歌の正確なコピーに変えるでしょうか。 含まれないもの： 鳴禽類を説明するために作られたモデルが、ほかの動物の発声にそのまま当てはまるとは限りません。 動かすのに必要： 約10^12 FLOPS 概算 感覚運動の学習モデルを訓練するデスクトップ・ワークステーション 最初の年： 2002 ゼブラフィンチのさえずり学習の、初期の計算モデル [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[学習したエミュレーター](https://simulation-hypothesis.com/ja/simulations/methods#m-learned)粒度：ルール ### 動的エネルギー収支モデリング 一頭の動物の生涯にわたるエネルギー収支全体を追います。何を食べ、それを生存、成長、繁殖にどう分けるかです。 答える問い: この動物は、ある餌の量と温度のもとで、どう成長し、繁殖するでしょうか。 含まれないもの： 少数の普遍的なパラメーターでは、すべての種に固有の特徴をとらえきれません。 動かすのに必要： 約10^10 FLOPS 概算 少数のエネルギー流の方程式を解くデスクトップ・ワークステーション 最初の年： 1986 Kooijman の、個々の生物のためのダイナミック・エネルギー・バジェット理論 [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)粒度：物体 ## 個体群と生態系 ### 捕食者と被食者の動態 狩る側と狩られる側の数が、連動した周期で増減します。ロトカ・ヴォルテラ方程式と、その流れをくむ式です。 答える問い: オオヤマネコとノウサギの個体数が周期的に振動するのはなぜでしょうか。 含まれないもの： 実際の個体群には、モデルが無視する年齢構造、空間、複数の獲物があります。 動かすのに必要： 約10^9 FLOPS 概算 ロトカ＝ヴォルテラ方程式を解くノートパソコン 最初の年： 1925 ロトカとヴォルテラの、捕食者と被食者の方程式 [インタラクティブ・モデルを動かす](https://simulation-hypothesis.com/ja/simulations/run#toy-wator) [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)粒度：集団 ### 食物網 生態系全体で、誰が誰を食べているのか、そしてエネルギーがどう流れているのかです。 答える問い: 1つの種が消えると、システムのほかの部分はどうなるでしょうか。 含まれないもの： 実際の捕食のつながりは、モデルのネットワークが仮定するよりも測りにくいものです。 動かすのに必要： 約10^10 FLOPS 概算 モデル食物網の安定性を解析するデスクトップ・ワークステーション 最初の年： 1972 ロバート・メイによる、モデル食物網の安定性解析 [ネットワークモデル](https://simulation-hypothesis.com/ja/simulations/methods#m-network)[微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)粒度：集団 ### 森林の動態 個々の木が、何世紀にもわたって芽生え、光を奪い合い、枯れていきます。 答える問い: この森は200年後、どんな姿になっているでしょうか。 含まれないもの： 樹種が気候の変化にどう反応するかは、いまも調整が難しい問題です。 動かすのに必要： 約10^13 FLOPS 概算 個々の木を何世紀にもわたって追跡する大学のクラスター 最初の年： 1970 Botkin、Janak、Wallis による、森林遷移のJABOWAギャップモデル [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：物体 ### 漁業と野生生物の管理 漁獲を受ける魚や動物の資源を、出生、成長、不確実性とともに扱います。 答える問い: 個体群が崩壊しない範囲で、毎年どれくらい捕獲できるでしょうか。 含まれないもの： 資源評価は漁獲データに頼っていますが、そのデータは不完全だったり、虚偽の報告が混じったりすることがあります。 動かすのに必要： 約10^11 FLOPS 概算 資源評価モデルを動かすデスクトップ・ワークステーション 最初の年： 1957 Beverton と Holt による、漁獲される魚の個体群の動的モデル [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[モンテカルロ](https://simulation-hypothesis.com/ja/simulations/methods#m-monte-carlo)粒度：集団 ### 種の分布域 種がどこで生きられるか、そして気候が変わるにつれて、その分布域がどう移るかです。 答える問い: この種は、50年後、どこなら生き延びられるでしょうか。 含まれないもの： 気候が分布を決める主な制約だと仮定しており、競争と分散を過小評価しています。 動かすのに必要： 約10^11 FLOPS 概算 生物気候的な分布モデルを当てはめるデスクトップ・ワークステーション 最初の年： 1986 種の分布を予測する、初期の生物気候的な包絡モデル [セルオートマトン](https://simulation-hypothesis.com/ja/simulations/methods#m-cellular-automata)[モンテカルロ](https://simulation-hypothesis.com/ja/simulations/methods#m-monte-carlo)粒度：集団 ### 野生動物の病気 感染が動物の集団の中を動き、ときには人にも飛び移ります。 答える問い: この病気は個体群を全滅させうるでしょうか。また、ワクチンの餌で止められるでしょうか。 含まれないもの： 野生動物どうしの接触率は、直接観察しにくいです。 動かすのに必要： 約10^12 FLOPS 概算 野生の集団での病気の広がりをシミュレートする大学のクラスター 最初の年： 1991 キツネの集団を通した狂犬病の広がりの、初期のシミュレーション・モデル [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[ネットワークモデル](https://simulation-hypothesis.com/ja/simulations/methods#m-network)粒度：物体 ### 一般生態系モデル プランクトンから大型動物まで、すべての生物の型が、世界全体で共通のルールに従って食べ、成長し、繁殖し、分散する機構的なモデル。 答える問い: 生態系の構造の地球規模のパターンは、個々の生物のルールから現れるでしょうか。 含まれないもの： 個々の種は追跡せず、機能グループだけを扱います。 動かすのに必要： 約10^14 FLOPS 概算 多数のシミュレートした年にわたる、コホートベースの全球での実行 最初の年： 2014 Emergent global patterns of ecosystem structure and function from a mechanistic general ecosystem model (2014) [出典](https://doi.org/10.1371/journal.pbio.1001841) [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)粒度：集団 ### メタ個体群動態 ある種が景観内の多数の生息地パッチに住み、いくつかで絶滅し、ほかで再び定着します。このモデルは、全体として存続できるかを問います。 答える問い: 断片化した景観で、その種は生き残れるでしょうか。 含まれないもの： 分散は単純なカーネルで表され、地域の生息地の質は固定されています。 動かすのに必要： 約10^8 FLOPS 概算 ノートパソコンでパッチ占有のシミュレーション。 最初の年： 1994 Hanski による、メタ個体群動態の実用的なモデル。 [出典](https://doi.org/10.2307/5591) [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)粒度：集団 ### 個体ベースの生態モデル 各植物や各動物を、独自の状態をもつ個体として別々に表すので、集団のパターンは多数の個々の生から生まれます。 答える問い: 個体どうしの相互作用から、どんな集団のパターンが生まれるでしょうか。 含まれないもの： 個人ごとのパラメーターは測りにくく、検証も難しくなります。 動かすのに必要： 約10^9 FLOPS 概算 ワークステーションで一つの景観の個体ベースのシミュレーション。 最初の年： 1988 Huston、DeAngelis、Post による、生態学の理論を統一する新しいコンピューターモデル。 [出典](https://doi.org/10.2307/1310870) [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)粒度：集団 ### サンゴ礁の回復力モデル サンゴ、藻類、草食魚が、成長、摂食、攪乱を通してサンゴ礁で競い合います。このモデルは、サンゴ礁がサンゴから藻類へ切り替わりうるかを問います。 答える問い: サンゴ礁が藻類に傾かないようにするには、どれくらいの食害が必要でしょうか。 含まれないもの： 幼生の供給と温暖化の影響は、単純化した形でモデル化されています。 動かすのに必要： 約10^8 FLOPS 概算 ワークステーションで動く、空間的なサンゴ礁シミュレーションです。 最初の年： 2007 Mumby、Hastings、Edwards による、カリブ海のサンゴ礁の閾値とレジリエンス。 [出典](https://doi.org/10.1038/nature06252) [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：集団 ### 空間的な寄主・捕食寄生者と害虫の格子モデル 宿主と捕食寄生者が格子上で暮らし、局所的に動きます。複雑ならせんやカオスのパターンが現れ、不安定になりがちな相互作用を安定させます。 答える問い: 空間があれば、そうでなければ共存できない捕食者と被食者が共存できるでしょうか。 含まれないもの： 実際の景観は一様な格子ではありません。 動かすのに必要： 約10^6 FLOPS 概算 ノートパソコンでの結合写像格子。 最初の年： 1991 Hassell、Comins、May による、昆虫の個体数動態における空間構造とカオス。 [出典](https://doi.org/10.1038/353255a0) [セルオートマトン](https://simulation-hypothesis.com/ja/simulations/methods#m-cellular-automata)[格子場理論](https://simulation-hypothesis.com/ja/simulations/methods#m-lattice)粒度：集団 ### 漁業管理戦略の評価 シミュレートした魚の資源とその漁業を、さまざまな漁獲ルールのもとで動かします。ノイズの多いデータと不確実性を各ルールに返し、誤りがあっても機能するルールを探します。 答える問い: 資源の大きさがわからないとき、どんな漁獲の規則なら資源を健全に保てるでしょうか。 含まれないもの： 運用モデルは、資源生物学と漁業者についての仮定に依存しており、それが誤っているかもしれません。 動かすのに必要： 約10^9 FLOPS 概算 クラスターでの数千通りのシミュレートされた管理の予測です。 最初の年： 1999 Butterworth と Punt による、管理手続きの評価と実装の経験。 [出典](https://doi.org/10.1006/jmsc.1999.0532) [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[モンテカルロ](https://simulation-hypothesis.com/ja/simulations/methods#m-monte-carlo)粒度：集団 ### 栄養段階の質量収支による生態系モデル 海洋の食物網を、グループ間のバイオマスのつりあった流れとして記述し、時間とともに動かして、漁獲や捕食者の変化の影響を調べます。 答える問い: 1つの種をより強く漁獲すると、生態系全体はどうなるでしょうか。 含まれないもの： 集団はひとまとめにされ、食事のデータにも抜けが多くあります。 動かすのに必要： 約10^7 FLOPS 概算 ノートパソコンでの収支と時間変化の実行。 最初の年： 1997 Walters、Christensen、Pauly による、栄養段階の質量収支評価から、利用される生態系の動的モデルを組み立てる研究です。 [出典](https://doi.org/10.1023/a:1018479526149) [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[システムダイナミクス](https://simulation-hypothesis.com/ja/simulations/methods#m-system-dynamics)粒度：集団 ### プランクトンの生態系モデル 海の表層の栄養塩、植物プランクトン、動物プランクトン、デトリタスは、成長、捕食、沈降でつながっています。 答える問い: プランクトンの生産は、光、栄養塩、混合にどう反応するでしょうか。 含まれないもの： 多くの種が少数のグループにまとめられ、パラメーターは地域ごとに違います。 動かすのに必要： 約10^10 FLOPS 概算 クラスターで海洋循環モデルと連成。 最初の年： 1990 Fasham、Ducklow、McKelvie による、海洋の混合層におけるプランクトンの動態の窒素ベースのモデル。 [出典](https://doi.org/10.1357/002224090784984678) [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[システムダイナミクス](https://simulation-hypothesis.com/ja/simulations/methods#m-system-dynamics)粒度：集団 ### 湖の富栄養化モデル 浅い湖の栄養塩、藻類、水草、魚をモデル化し、澄んだ水がいつ濁った状態に切り替わるか、どうすれば元に戻せるかを調べます。 答える問い: 湖は、濁る前にどれくらいの栄養を受け入れられ、再生で元に戻せるでしょうか。 含まれないもの： 湖ごとに独自の較正が必要で、堆積物の動態は不確かです。 動かすのに必要： 約10^7 FLOPS 概算 ノートパソコンで常微分方程式。 最初の年： 1995 Janse と Van Liere による PCLake。湖の再生シナリオを評価するためのモデリングツール。 [出典](https://doi.org/10.2166/wst.1995.0332) [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[システムダイナミクス](https://simulation-hypothesis.com/ja/simulations/methods#m-system-dynamics)粒度：集団 ### 海洋の幼生の分散と連結性 仮想の幼生をサンゴ礁から放ち、モデル化した海流に運ばせて、どの集団がどの集団に供給しているかの地図を作ります。 答える問い: どのサンゴ礁がどこに幼生を供給していて、保護区はどれくらいの広さであるべきでしょうか。 含まれないもの： 幼生の行動と死亡率は、ほとんど観察されていません。 動かすのに必要： 約10^12 FLOPS 概算 クラスターで、海洋モデルの出力の中での粒子追跡。 最初の年： 2006 Cowen らによる、海洋の個体群の連結性のスケーリング。 [出典](https://doi.org/10.1126/science.1122039) [粒子とN体](https://simulation-hypothesis.com/ja/simulations/methods#m-particles)[連続体の場](https://simulation-hypothesis.com/ja/simulations/methods#m-continuum)[確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)粒度：集団 ### ミツバチの群れと景観のモデル ミツバチの1つのコロニー全体の幼虫、働きバチ、蓄えを1日ずつシミュレートします。採餌バチは景観のなかの花から集め、ダニ、農薬、天候に直面します。 答える問い: このコロニーは、この景観で冬を越せるでしょうか。 含まれないもの： 景観の花の供給とハチの判断は簡略化されており、女王の失敗や病気は大ざっぱにしか含まれていません。 動かすのに必要： 約10^9 FLOPS 概算 ノートパソコンでコロニー1年あたり数分。 最初の年： 2014 Becher らによる、ミツバチのコロニーの動態と採餌のBEEHAVEモデル。 [出典](https://doi.org/10.1111/1365-2664.12222) [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[システムダイナミクス](https://simulation-hypothesis.com/ja/simulations/methods#m-system-dynamics)粒度：集団 ### 景観全体にわたる送粉サービス 野生のハチの営巣地と花の資源を景観全体にわたって地図にし、作物の畑ごとに、訪れる送粉者の推定数を与えます。 答える問い: 周囲の生息地は、作物の受粉をどれだけまかなっていて、それを取り除くとどうなるでしょうか。 含まれないもの： ミツバチの採餌は巣からの距離による減衰に単純化されており、ハチの数は、実際の作物の収量の目安としては弱いです。 動かすのに必要： 約10^8 FLOPS 概算 ノートパソコンで、地域1つにつき数秒から数分。 最初の年： 2009 Lonsdorf らによる、農業景観全体の送粉サービスのモデル。 [出典](https://doi.org/10.1093/aob/mcp069) [連続体の場](https://simulation-hypothesis.com/ja/simulations/methods#m-continuum)[ルールと状態](https://simulation-hypothesis.com/ja/simulations/methods#m-rules)粒度：場 ### 風による種子と花粉の散布モデル 乱流の空気中に放たれた種子と花粉は、風下へ運ばれ、ランダムに落ちて、着地する場所の分布を作ります。 答える問い: 植物の種はどこまで運ばれ、どれくらい速く広がれるでしょうか。 含まれないもの： まれな長距離の跳躍は、拡散にとって最も重要ですが、最も測りにくいため、分布の裾はほとんどわかっていません。 動かすのに必要： 約10^8 FLOPS 概算 ノートパソコンで数分。 最初の年： 1989 Okubo と Levin による、種子と花粉の風による散布のデータ解析のための理論的枠組み。 [出典](https://doi.org/10.2307/1937537) [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[連続体の場](https://simulation-hypothesis.com/ja/simulations/methods#m-continuum)粒度：場 ### 近い将来の生態予測 生態系モデルを数日から数年先まで動かし、新しい観測が届くたびに更新します。天気予報と同じやり方です。 答える問い: 湖、森林、漁場の状態を、誤差の範囲を正直に示したうえで、次の季節について予測できるでしょうか。 含まれないもの： 生態学のデータは気象データに比べて乏しく、過程もあまり知られていないため、予測は単純な基準をやっと上回る程度のことが多いです。 動かすのに必要： 約10^12 FLOPS 概算 クラスターで更新される、数千回の実行のアンサンブル。 最初の年： 2018 Dietze らによる、近未来の生態学的予測を繰り返し行うための枠組み。 [出典](https://doi.org/10.1073/pnas.1710231115) [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[システムダイナミクス](https://simulation-hypothesis.com/ja/simulations/methods#m-system-dynamics)[モンテカルロ](https://simulation-hypothesis.com/ja/simulations/methods#m-monte-carlo)粒度：集団 ### サイズスペクトル型の生態系モデル 生態系のすべての生物を体の大きさでまとめ、食べて食べられるなかで小から大へエネルギーが移ります。成長と死亡は大きさだけで決まります。 答える問い: 漁獲圧は、海の小魚と大魚のバランスをどう変えるでしょうか。 含まれないもの： 種の違いは無視されるので、大きさが同じで食べ物が違う捕食者も同じものとして扱われます。 動かすのに必要： 約10^9 FLOPS 概算 ワークステーションで数分から数時間。 最初の年： 1978 Silvert と Platt による、サイズ別の外洋生態系を流れるエネルギー流の時間依存方程式。 [出典](https://doi.org/10.4319/lo.1978.23.4.0813) [連続体の場](https://simulation-hypothesis.com/ja/simulations/methods#m-continuum)[微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[システムダイナミクス](https://simulation-hypothesis.com/ja/simulations/methods#m-system-dynamics)粒度：集団 ### 中立群集モデル 出生、死亡、分散がすべて同じだとみなした種の群集。どの種が多くなるかは、偶然と移住だけで決まります。 答える問い: 種の多さのパターンのうち、種同士の違いをまったく必要としない部分は、どれくらいあるでしょうか。 含まれないもの： 実際の種は明らかに違っているので、このモデルは、どれか一つの群集の記述ではなく、帰無モデルとして働きます。 動かすのに必要： 約10^9 FLOPS 概算 ノートパソコンで数分。 最初の年： 1976 Caswell による、群集構造の中立モデル分析。 [出典](https://doi.org/10.2307/1942257) [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[モンテカルロ](https://simulation-hypothesis.com/ja/simulations/methods#m-monte-carlo)[エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：集団 ## 進化 ### 集団遺伝学 遺伝子の変異体が、世代を通して浮動し、変異し、選択されます。 答える問い: 私たちが目にするばらつきのうち、どれくらいが偶然で、どれくらいが選択でしょうか。 含まれないもの： 実際の集団は、ランダム交配と一定の大きさという単純化の仮定に反しています。 動かすのに必要： 約10^12 FLOPS 概算 ゲノム全体での浮動と選択をシミュレートする大学のクラスター 最初の年： 1964 中立理論のもとでの遺伝的浮動の、初期のコンピューター・シミュレーション [モンテカルロ](https://simulation-hypothesis.com/ja/simulations/methods#m-monte-carlo)[確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)粒度：集団 ### 合体過程と系統発生のシミュレーション 遺伝子や種の系図を時間をさかのぼってシミュレートし、本物のDNAを読む手法を試します。 答える問い: この方法は、DNAから真の歴史を復元できるでしょうか。 含まれないもの： 単純な集団の歴史を仮定しています。実際の人口動態はもっと複雑です。 動かすのに必要： 約10^11 FLOPS 概算 遺伝子系図を時間をさかのぼってシミュレートするデスクトップ・ワークステーション 最初の年： 1983 Hudson による、集団遺伝学のための初期の合祖シミュレーションソフト [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)粒度：集団 ### 生命の起源 単純な化学物質が、自分自身を複製し、競い合うネットワークを作ります。 答える問い: 化学は、どのようにして生物学の一線を越えられるでしょうか。 含まれないもの： 生きていると言えるものを生み出したシミュレーションは、まだありません。 動かすのに必要： 約10^12 FLOPS 概算 自己複製する化学ネットワークをシミュレートするデスクトップ・ワークステーション 最初の年： 1971 Eigen と Schuster による、自己複製する化学のハイパーサイクル・モデル [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[ネットワークモデル](https://simulation-hypothesis.com/ja/simulations/methods#m-network)粒度：分子 ### 宿主と寄生者の共進化 宿主は防御を発達させ、寄生者はそれをかわす方法を進化させます。世代ごとのシミュレーション上の個体群が互いに反応し合う、勝者の決まらないモデル化された軍拡競争です。 答える問い: 宿主と寄生者の軍拡競争は均衡に達するのでしょうか、それともどちらも持続的な優位を得ないまま、永遠に続くのでしょうか。 含まれないもの： 実際の宿主と寄生者は、環境のほかのすべてと同時に共進化します。 動かすのに必要： 約10^11 FLOPS 概算 何世代にもわたる共進化モデルを動かすデスクトップ・ワークステーション 最初の年： 1990 共進化の赤の女王仮説を試した、初期のシミュレーション [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[進化的](https://simulation-hypothesis.com/ja/simulations/methods#m-evolutionary)粒度：集団 ### 種分化と大進化のモデル 系統が、数百万年分のシミュレートされた時間のあいだに、分かれ、生き残り、絶滅します。単純な規則から、どんな多様性のパターンや系統樹の形が生まれるかを試します。 答える問い: 私たちが目にする種のパターンは、系統の単純な誕生と死だけから生まれえたのでしょうか。 含まれないもの： 化石と遺伝子の記録は断片的なので、同じパターンに多くの異なるルールが当てはまりえます。 動かすのに必要： 約10^10 FLOPS 概算 出生・死亡の分岐過程をシミュレートするデスクトップ・ワークステーション 最初の年： 1969 進化系統樹を研究するのに使われた、初期の多様化の出生・死亡モデル [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[モンテカルロ](https://simulation-hypothesis.com/ja/simulations/methods#m-monte-carlo)粒度：集団 ### 性選択と配偶者選びの進化 装飾とそれに対する好みがともに進化するシミュレートした集団。メスの選り好みだけで、極端なところまで暴走しうるかを調べます。 答える問い: 配偶者選びだけで、形質を、派手でコストの高い極端なところまで進められるでしょうか。 含まれないもの： 好みと形質が単純に遺伝すると仮定していますが、実際のほとんどの配偶者選びより単純です。 動かすのに必要： 約10^10 FLOPS 概算 連関する形質の遺伝モデルを動かすデスクトップ・ワークステーション 最初の年： 1981 Lande による、暴走的な性選択の集団遺伝学モデル [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[進化的](https://simulation-hypothesis.com/ja/simulations/methods#m-evolutionary)粒度：集団 ### 共進化の適応ダイナミクス 形質が、現在の集団に対して試される小さな効果の突然変異で進化し、進化的に安定な状態に至るか、枝分かれします。 答える問い: 進化はどこに落ち着き、系統はいつ分かれるでしょうか。 含まれないもの： まれな突然変異と、単純な形質の空間を仮定しています。 動かすのに必要： 約10^6 FLOPS 概算 ノートパソコンでの解析とシミュレーション。 最初の年： 1996 Dieckmann と Law による、確率論的な生態学的過程から導かれた共進化の力学理論。 [出典](https://doi.org/10.1007/bf02409751) [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[進化的](https://simulation-hypothesis.com/ja/simulations/methods#m-evolutionary)粒度：ルール ### 遺伝子ドライブの集団モデル 通常の遺伝より速く広がる遺伝要素を、モデル化した集団に放ち、害虫の種を抑えたり変えたりできるかを調べます。 答える問い: 遺伝子ドライブは野生の集団に広がるでしょうか。また、抵抗性がそれを止められるでしょうか。 含まれないもの： 放出の前には、実際の分散と耐性の進化は、ほとんどわかっていません。 動かすのに必要： 約10^8 FLOPS 概算 ワークステーションで動く、遺伝学を含む空間的な個体群シミュレーションです。 最初の年： 2003 Burt による、自然集団の制御と遺伝子工学の道具としての、部位特異的な利己的遺伝子。 [出典](https://doi.org/10.1098/rspb.2002.2319) [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)粒度：集団 ### 時間を順方向に進めるゲノム・シミュレーション すべての個体とそのゲノムを世代を通して追い、選択、連鎖、さまざまな人口動態から、本物のDNAのパターンがどう生じるかを調べます。 答える問い: 選択と集団の歴史は、1つの種のゲノムに何を残すでしょうか。 含まれないもの： 計算を現実的な範囲に収めるために集団の大きさを縮小しており、選択と浮動のバランスがゆがみます。 動かすのに必要： 約10^14 FLOPS 概算 何世代にもわたる大規模な集団に、クラスターで数日。 最初の年： 2013 Messer による SLiM。選択と連鎖を含む、前向きの時間で進む進化シミュレーター。 [出典](https://doi.org/10.1534/genetics.113.152181) [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[進化的](https://simulation-hypothesis.com/ja/simulations/methods#m-evolutionary)粒度：集団 ### 動物の争いの戦略 資源を争ってランダムに出会う個体が、決まった戦略の中から選び、その割合は、どんな変異体にも改善できない状態に落ち着きます。 答える問い: ほかの人の出方を踏まえると、戦うことと引き下がることのどちらが、よりよい方針でしょうか。 含まれないもの： 動物は、学習も記憶も個体差もない、少数の戦略のリストに単純化されています。 動かすのに必要： 約10^6 FLOPS 概算 ノートパソコンで数秒。 最初の年： 1973 Maynard Smith と Price による「The logic of animal conflict」。 [出典](https://doi.org/10.1038/246015a0) [ゲーム理論](https://simulation-hypothesis.com/ja/simulations/methods#m-game-theory)[進化的](https://simulation-hypothesis.com/ja/simulations/methods#m-evolutionary)[エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：集団 ## 保全と保護区の設計 ### 個体群存続可能性分析 個体数の少ない、絶滅の危機にある集団の出生、死亡、災害を何度も先へ進め、生き残る確率とその期間を見積もります。 答える問い: この個体群は、今後100年のうちに絶滅する可能性がどれくらいあるでしょうか。 含まれないもの： まれな種の標本は少なく、入力する数値そのものが非常に不確かになります。 動かすのに必要： 約10^10 FLOPS 概算 数千本の確率的な軌跡を動かすデスクトップ・ワークステーション 最初の年： 1980 絶滅危惧種の絶滅リスクを見積もった、初期の確率モデル [確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)[モンテカルロ](https://simulation-hypothesis.com/ja/simulations/methods#m-monte-carlo)粒度：集団 ### 保護区と回廊の設計 候補地とそのあいだの結びつきを、費用と守れる種に照らして採点し、最も多くをカバーする最小の保護区ネットワークを探します。 答える問い: 最小の費用でもっとも多くの種を守れるのは、どの土地区画の組み合わせでしょうか。 含まれないもの： 存在する種のデータに合わせて最適化しますが、それは実際にそこに生きているもののごく一部です。 動かすのに必要： 約10^10 FLOPS 概算 保護区の選定の最適化を解くデスクトップ・ワークステーション 最初の年： 1988 保全計画のための、初期の体系的な保護区選定アルゴリズム [モンテカルロ](https://simulation-hypothesis.com/ja/simulations/methods#m-monte-carlo)[ネットワークモデル](https://simulation-hypothesis.com/ja/simulations/methods#m-network)粒度：集団 ### 再導入と移送の計画 新しい生息地や、かつての生息地に放した小さな創始者の集団。その土地の環境収容力と創始者の遺伝を踏まえ、定着するかどうかを先に進めて調べます。 答える問い: ここでこれらの動物を放せば、実際に定着した個体群ができるでしょうか。 含まれないもの： 放流地点の生息環境の質や病気のリスクは、測定ではなく、おおまかに見積もられることが多くあります。 動かすのに必要： 約10^10 FLOPS 概算 創始者集団モデルを動かすデスクトップ・ワークステーション 最初の年： 1990 大型哺乳類の再導入の計画に使われた、初期のシミュレーション・モデル [エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)[確率過程](https://simulation-hypothesis.com/ja/simulations/methods#m-stochastic)粒度：物体 ### 侵入種の拡散 外来種が景観の上をセルごとに広がるようすと、障壁、駆除、生物的防除がどこまで広がるかに与える影響。 答える問い: この侵入種はどれくらい速く広がり、対策はまずどこに向けるべきでしょうか。 含まれないもの： 新しい侵入種は、過去のどの侵入もモデルに備えさせなかったような広がり方をすることがよくあります。 動かすのに必要： 約10^10 FLOPS 概算 景観スケールの拡散モデルを動かすデスクトップ・ワークステーション 最初の年： 1951 Skellam による、広がる個体群の拡散モデル [セルオートマトン](https://simulation-hypothesis.com/ja/simulations/methods#m-cellular-automata)[エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：集団 ### 密猟と密猟対策パトロールのゲーム 保護区の地図の上で、レンジャーと密猟者が繰り返しゲームのプレイヤーとなり、パトロールがあらゆる場所にいられないとき、どこへ行くべきかを決めるために使います。 答える問い: 戦略的な密猟者に対して最大の効果をあげるには、限られた人数のレンジャーをどこに巡回させるべきでしょうか。 含まれないもの： 合理的で辛抱強い密猟者を想定していますが、実際の多くは機会に乗じたものです。 動かすのに必要： 約10^10 FLOPS 概算 パトロール地図上のセキュリティゲームを解くデスクトップ・ワークステーション 最初の年： 2014 野生動物のレンジャーのパトロールのスケジューリングに応用された、初期のセキュリティゲーム・モデル [ゲーム理論](https://simulation-hypothesis.com/ja/simulations/methods#m-game-theory)粒度：ルール ### 再野生化と栄養カスケードのモデリング 捕食者などのキーストーン種を食物網に戻し、被食者、植生、さらには川に及ぶ波及効果を追います。 答える問い: この種を呼び戻すと、生態系のほかの部分はどうなるでしょうか。 含まれないもの： 有名な連鎖的な破綻は何十年もかけて起こったので、事後にモデル化するほうが、予測するよりもやさしいです。 動かすのに必要： 約10^10 FLOPS 概算 多種の食物網モデルを動かすデスクトップ・ワークステーション 最初の年： 1995 イエローストーンに再導入されたオオカミ。のちに、連鎖的な影響がモデル化されました [微分方程式](https://simulation-hypothesis.com/ja/simulations/methods#m-equations)[エージェントベース](https://simulation-hypothesis.com/ja/simulations/methods#m-agent-based)粒度：集団 [◂ 生命と医学](https://simulation-hypothesis.com/ja/simulations/life-medicine)[農業と食料 ▸](https://simulation-hypothesis.com/ja/simulations/agriculture-food)