생태, 진화, 동물 행동

개미 군집의 먹이 찾기

개미 한 마리 한 마리가 지도자도 지도도 없이 페로몬 길을 남기고 따라가요.

답하는 질문: 길을 아는 개미가 하나도 없는데 군집은 어떻게 먹이까지 가는 가장 짧은 길을 찾을까요?

빠진 것: 실제 개미는 시각, 소리, 맛도 쓰는데, 대부분의 길 모델은 이를 무시해요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 먹이를 찾는 개미 수천 마리를 시뮬레이션하는 데스크톱 워크스테이션처음 등장: 1990 Deneubourg와 동료들의 아르헨티나개미 길 형성 모델

상호작용 모델 실행하기

꿀벌 군집

먹이 찾는 벌, 돌보는 벌, 정찰하는 벌이 일을 나누고, 무리가 일종의 투표로 새 집을 골라요.

답하는 질문: 무리는 지도자 없이 어떻게 가장 좋은 둥지 자리를 고를까요?

빠진 것: 벌이 고정된 단순 규칙을 따른다고 가정하지만, 실제 벌은 제각각이고 틀리기도 해요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 무리의 둥지 장소 선택을 시뮬레이션하는 데스크톱 워크스테이션처음 등장: 2003 패시노와 실리의 꿀벌 둥지 자리 선택 모델

무리 짓기와 떼 짓기

새나 물고기가 분리, 이웃과의 정렬, 응집이라는 국소 규칙 세 가지로 방향을 잡아요.

답하는 질문: 수천 마리의 동물은 어떻게 하나처럼 함께 방향을 틀까요?

빠진 것: 실제 무리는 세 가지 단순한 규칙이 빠뜨린 포식자와 지형에 반응해요.

돌아가는 곳: 약 10¹³ FLOPS 대략 조종되는 에이전트 수천 개를 시뮬레이션하는 게이밍 GPU처음 등장: 1987 크레이그 레이놀즈의 보이드 무리 짓기 모델

상호작용 모델 실행하기

흰개미 둔덕 짓기

흰개미가 흙 알갱이를 떨어뜨리고 옮기는 일과, 그들이 지은 구조물 속을 흐르는 공기.

답하는 질문: 뇌가 아주 작은 곤충은 어떻게 환기되는 탑을 지을까요?

빠진 것: 실제 흰개미의 행동은 일부만 포착된 화학적, 구조적 단서에 달려 있어요.

돌아가는 곳: 약 10¹² FLOPS 대략 알갱이를 떨어뜨리는 흰개미와 공기 흐름을 시뮬레이션하는 대학 클러스터처음 등장: 1999 보나보와 테롤라즈의 흰개미 집 짓기 스티그머지 모델

점균류 응집

자유 생활 아메바가 화학 신호를 내보내고 따라가, 먹이가 떨어지면 하나의 민달팽이 같은 몸으로 모여들어요.

답하는 질문: 신경계가 없는 독립된 세포들은 어떻게 하나의 몸이 되기로 합의할까요?

빠진 것: 실험실 조건은 실제 생물이 사는 토양보다 훨씬 깨끗해요.

돌아가는 곳: 약 10¹² FLOPS 대략 주화성 응집 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1970 켈러와 시걸의 점균 주화성 집합 모델

세균 떼짓기와 정족수 감지

수백만 마리의 세균이 서로의 화학 신호를 감지하고, 함께 표면을 가로지르며 무리 짓거나 빛을 내는 것 같은 협동 행동으로 전환해요.

답하는 질문: 세균 집단은 행동을 함께할 만큼 수가 충분하다는 것을 어떻게 알까요?

빠진 것: 접시에서 키운 실험실 균주는 실제의 혼합 미생물 군집보다 더 균일하게 행동해요.

돌아가는 곳: 약 10¹² FLOPS 대략 에이전트 기반 군집 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1994 세균 행동을 조율하는 정족수 감지 회로의 초기 시뮬레이션

메뚜기 행진 무리

밀도가 높아지면 곤충 한 마리 한 마리가 이웃과 방향을 맞추고, 무리가 같은 방향으로 함께 행진하기 시작해요.

답하는 질문: 메뚜기는 밀도가 얼마일 때 무작위로 떠돌다가 행진으로 바뀔까?

빠진 것: 서식지 구조와 먹이는 포함되어 있지 않고, 실제 무리에는 비행이 관여해요.

돌아가는 곳: 약 10⁷ FLOPS 대략 워크스테이션에서 하는 자기 추진 입자 시뮬레이션.처음 등장: 2006 Buhl과 동료들, 행진하는 메뚜기의 무질서에서 질서로. 출처

이동과 먹이 찾기

동물이 경관에서 먹이를 찾는 모습을 무작위 걸음과 의사 결정 규칙으로 모델링해요.

답하는 질문: 이 동물은 효율적으로 찾고 있을까요, 그리고 먹이가 어디 있는지에 대해 무엇을 알고 있을까요?

빠진 것: 걸음 통계를 맞췄다고 해서 동물이 실제로 무엇을 감지하는지가 확립되지는 않아요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 무작위 보행 채집 모델을 맞추는 데스크톱 워크스테이션처음 등장: 1996 비스와나탄과 동료들의 알바트로스 먹이 찾기에 대한 레비 비행 모델

이동과 항법

새, 거북, 고래가 해, 별, 냄새, 자기장을 이용해 수천 킬로미터를 이동해요.

답하는 질문: 어떤 단서가 태어난 첫해의 어린 새를 올바른 대륙으로 데려갈 수 있을까?

빠진 것: 실제 동물이 어떤 단서에 의지하고 그것을 어떻게 결합하는지는 여전히 논쟁 중이에요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 단서 기반 새 길찾기를 시뮬레이션하는 데스크톱 워크스테이션처음 등장: 1996 새 길찾기에서 자기와 천체 단서 사용의 초기 시뮬레이션

동물의 이동

헤엄치는 물고기, 나는 곤충, 달리는 동물이 유체나 땅의 반작용을 받아요.

답하는 질문: 뒤영벌은 어떻게 날고, 물고기는 왜 대형을 지어 헤엄칠까요?

빠진 것: 단순화된 날개와 몸 모양은 실제 동물의 표면이 주는 세부를 놓쳐요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 유체와 몸의 비행이나 수영 시뮬레이션을 돌리는 대학 클러스터처음 등장: 1994 곤충 비행의 초기 유체 동역학 모델

행동의 진화

싸우기, 나누기, 속이기 같은 전략이 여러 세대에 걸쳐 서로 맞붙어요.

답하는 질문: 동물은 왜 피가 섞이지 않은 이웃을 돕는 걸까?

빠진 것: 전략은 모델러가 고른 목록에서 나오고, 가능한 행동 전체에서 나오지 않아요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 진화 게임 토너먼트를 돌리는 데스크톱 워크스테이션처음 등장: 1981 액설로드와 해밀턴의 협력 전략 진화 시뮬레이션

새소리와 발성 학습 모델

어린 새의 뇌 회로가 스승의 노래를 따라 하는 과정으로, 자신의 옹알이를 외운 본과 비교하는 감각운동 고리로 모델링해요.

답하는 질문: 어린 새는 옹알이를 어떻게 어른 새 노래의 정확한 복사본으로 바꿀까요?

빠진 것: 명금류를 설명하려고 만든 모델이 다른 동물의 발성에도 그대로 적용된다고는 할 수 없어요.

돌아가는 곳: 약 10¹² FLOPS 대략 감각운동 학습 모델을 훈련하는 데스크톱 워크스테이션처음 등장: 2002 금화조의 노래 학습에 대한 초기 계산 모델

동적 에너지 예산 모델링

한 동물의 일생에 걸친 전체 에너지 수지를 따라가요. 무엇을 먹는지, 그리고 그것이 생존, 성장, 번식 사이에서 어떻게 나뉘는지 봐요.

답하는 질문: 이 동물은 주어진 먹이와 온도에서 어떻게 자라고 번식할까요?

빠진 것: 보편적인 매개변수 몇 개로는 모든 종의 구체적인 특징을 담을 수 없어요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 작은 에너지 흐름 방정식 묶음을 푸는 데스크톱 워크스테이션처음 등장: 1986 쿠이만의 개별 생물을 위한 동적 에너지 수지 이론

포식자-피식자 동역학

사냥하는 쪽과 사냥당하는 쪽의 수가 이어진 주기로 오르내려요. 로트카-볼테라 방정식과 그 후손들이에요.

답하는 질문: 스라소니와 산토끼의 개체 수는 왜 주기적으로 오르내릴까?

빠진 것: 실제 개체군에는 모델이 무시하는 연령 구조, 공간, 여러 먹이가 있어요.

돌아가는 곳: 약 10⁹ FLOPS 대략 로트카-볼테라 방정식을 푸는 노트북처음 등장: 1925 로트카와 볼테라의 포식자-피식자 방정식

상호작용 모델 실행하기

먹이그물

생태계 전체에서 누가 누구를 먹는지, 그리고 에너지가 그 속을 어떻게 흐르는지.

답하는 질문: 한 종이 사라지면 시스템의 나머지는 어떻게 될까?

빠진 것: 실제 먹이 연결은 모델 네트워크가 가정하는 것보다 측정하기 어려워요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 모델 먹이그물의 안정성을 분석하는 데스크톱 워크스테이션처음 등장: 1972 로버트 메이의 모델 먹이 그물 안정성 분석

숲 동역학

나무 한 그루 한 그루가 싹을 틔우고, 빛을 두고 경쟁하고, 수 세기에 걸쳐 죽어 가요.

답하는 질문: 이 숲은 이백 년 뒤에 어떤 모습일까?

빠진 것: 나무 종이 변하는 기후에 어떻게 반응할지는 여전히 보정하기 어려워요.

돌아가는 곳: 약 10¹³ FLOPS 대략 개별 나무를 수 세기 동안 추적하는 대학 클러스터처음 등장: 1970 Botkin, Janak, Wallis의 숲 천이 JABOWA 틈 모델

수산과 야생동물 관리

어획되는 어류나 동물 자원을 출생, 성장, 불확실성과 함께 다뤄요.

답하는 질문: 개체군이 무너지지 않으려면 해마다 몇 마리까지 잡을 수 있을까요?

빠진 것: 자원 평가는 누락됐거나 잘못 보고됐을 수 있는 어획 자료에 의존해요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 자원량 평가 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1957 베버턴과 홀트의 어획되는 어류 개체군 동적 모델

종의 분포 범위

종이 어디서 살 수 있는지, 기후가 변하면 분포 범위가 어떻게 옮겨 가는지.

답하는 질문: 이 종은 오십 년 뒤 어디에서 살아남을 수 있을까?

빠진 것: 기후가 분포 범위의 주된 한계라고 가정해서 경쟁과 확산을 과소평가해요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 생물기후 범위 모델을 맞추는 데스크톱 워크스테이션처음 등장: 1986 종의 분포를 예측하는 초기 생물기후 범위 모델

야생동물 질병

감염이 동물 개체군 사이를 오가다가 때로는 사람에게로 넘어와요.

답하는 질문: 이 질병이 개체군을 쓸어버릴 수 있을까요, 그리고 백신 미끼가 이를 막을 수 있을까요?

빠진 것: 야생 동물 사이의 접촉률은 직접 관찰하기 어려워요.

돌아가는 곳: 약 10¹² FLOPS 대략 야생 개체군을 통한 질병 확산을 시뮬레이션하는 대학 클러스터처음 등장: 1991 여우 개체군을 통한 광견병 확산의 초기 시뮬레이션 모델

일반 생태계 모델

플랑크톤부터 큰 동물까지 모든 생물 유형이 전 지구에서 같은 규칙에 따라 먹고, 자라고, 번식하고, 퍼지는 기작 모델.

답하는 질문: 생태계 구조의 전 지구적 패턴이 개별 생물의 규칙에서 나타날 수 있을까요?

빠진 것: 개별 종은 따라가지 않고 기능 집단만 다뤄요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 시뮬레이션한 여러 해에 걸친 코호트 기반 전 지구 실행처음 등장: 2014 Emergent global patterns of ecosystem structure and function from a mechanistic general ecosystem model (2014) 출처

메타개체군 동역학

한 종이 경관의 여러 서식지 조각에 살며 일부에서는 멸종하고 다른 곳에는 다시 정착하는데, 전체가 유지되는지 모델이 물어요.

답하는 질문: 파편화된 지형에서 한 종이 살아남을까?

빠진 것: 확산은 단순한 핵으로 표현되고 지역 서식지 질은 고정돼 있어요.

돌아가는 곳: 약 10⁸ FLOPS 대략 노트북으로 하는 패치 점유 시뮬레이션.처음 등장: 1994 Hanski, a practical model of metapopulation dynamics. 출처

개체 기반 생태 모델

식물이나 동물 하나하나를 각자의 상태로 따로 나타내, 개체군의 양상이 수많은 개별 삶에서 나타나요.

답하는 질문: 개체들의 상호작용에서는 어떤 개체군 패턴이 생겨날까?

빠진 것: 개인마다의 매개변수를 측정하기 어렵고 검증도 어려워요.

돌아가는 곳: 약 10⁹ FLOPS 대략 워크스테이션에서 한 경관의 개체 기반 시뮬레이션.처음 등장: 1988 Huston, DeAngelis and Post, new computer models unify ecological theory. 출처

산호초 복원력 모델

산호, 조류, 풀을 뜯는 물고기가 성장, 섭식, 교란을 거치며 초에서 경쟁하고, 모델은 초가 산호에서 조류로 뒤집힐 수 있는지 물어요.

답하는 질문: 산호초가 조류로 기울지 않으려면 얼마나 뜯어 먹어야 할까요?

빠진 것: 유생 공급과 온난화의 영향은 단순화된 방식으로 모델링해요.

돌아가는 곳: 약 10⁸ FLOPS 대략 워크스테이션으로 돌리는 공간 산호초 시뮬레이션.처음 등장: 2007 Mumby, Hastings and Edwards, thresholds and the resilience of Caribbean coral reefs. 출처

공간 숙주-기생벌 및 해충 격자 모델

숙주와 기생봉이 격자 위에서 국지적으로 움직이며 살고, 복잡한 나선과 혼돈 무늬가 나타나서 원래라면 불안정했을 상호작용을 안정시켜요.

답하는 질문: 공간이 포식자와 먹이가 그렇지 않으면 공존하지 못할 때 공존하게 할 수 있을까요?

빠진 것: 실제 경관은 균일한 격자가 아니에요.

돌아가는 곳: 약 10⁶ FLOPS 대략 노트북에서 결합 사상 격자.처음 등장: 1991 Hassell, Comins and May, spatial structure and chaos in insect population dynamics. 출처

수산 관리 전략 평가

시뮬레이션된 어류 자원과 어업을 여러 어획 규칙 아래 돌리며, 잡음 섞인 데이터와 불확실성을 각 규칙에 되먹임해, 오차가 있어도 통하는 규칙을 찾아요.

답하는 질문: 자원의 크기를 모를 때 어떤 어획 규칙이 그것을 건강하게 지켜 줄까?

빠진 것: 운영 모델은 어족 생물학과 어민에 대한 가정에 기대는데, 그 가정이 틀렸을 수 있어요.

돌아가는 곳: 약 10⁹ FLOPS 대략 클러스터에서 수천 번의 시뮬레이션 관리 전망.처음 등장: 1999 Butterworth와 Punt, 관리 절차를 평가하고 시행한 경험. 출처

영양 단계 질량 균형 생태계 모델

해양 먹이그물을 집단 사이 생물량의 균형 잡힌 흐름으로 나타내고, 시간에 따라 돌려 어업이나 포식자 변화의 효과를 봐요.

답하는 질문: 한 종을 더 많이 잡으면 생태계 전체는 어떻게 될까?

빠진 것: 집단이 뭉뚱그려져 있고 식단 데이터도 듬성듬성해요.

돌아가는 곳: 약 10⁷ FLOPS 대략 노트북으로 균형과 시간 동역학 실행.처음 등장: 1997 Walters, Christensen and Pauly, structuring dynamic models of exploited ecosystems from trophic mass-balance assessments. 출처

플랑크톤 생태계 모델

바다 표층의 영양염, 식물 플랑크톤, 동물 플랑크톤, 부유물이 성장, 포식, 침강으로 이어져 있어요.

답하는 질문: 플랑크톤 생산은 빛, 영양염, 혼합에 어떻게 반응할까요?

빠진 것: 많은 종이 몇 개의 집단으로 뭉뚱그려져 있고, 매개변수는 지역마다 달라요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 클러스터에서 해양 순환 모델에 결합.처음 등장: 1990 Fasham, Ducklow, McKelvie, 대양 혼합층 플랑크톤 동역학의 질소 기반 모델. 출처

호수 부영양화 모델

얕은 호수의 영양염, 조류, 식물, 물고기를 모델링해서, 맑은 물이 언제 탁해지는지와 어떻게 복원할 수 있는지를 따져 봐요.

답하는 질문: 호수는 탁해지기 전까지 영양염을 얼마나 받을 수 있고, 복원하면 되돌릴 수 있을까요?

빠진 것: 호수마다 자체 보정이 필요하고 퇴적물 동역학은 불확실해요.

돌아가는 곳: 약 10⁷ FLOPS 대략 노트북으로 하는 상미분 방정식.처음 등장: 1995 Janse and Van Liere, PCLake, a modelling tool for evaluating lake restoration scenarios. 출처

해양 유생 분산과 연결성

가상의 유생을 산호초에서 풀어 모델링한 해류에 실려 가게 해서, 어느 개체군이 어느 개체군에 공급하는지 지도를 만들어요.

답하는 질문: 어느 산호초가 어느 산호초에 유생을 보내 주고, 보호 구역은 얼마나 커야 할까?

빠진 것: 유생의 행동과 사망률은 제대로 관찰되지 않았어요.

돌아가는 곳: 약 10¹² FLOPS 대략 클러스터에서 해양 모델 출력 속 입자 추적.처음 등장: 2006 Cowen과 동료들, 해양 개체군 연결성의 규모 변화. 출처

꿀벌 군집과 경관 모델

꿀벌 군집 전체의 유충, 일벌, 저장량을 하루씩 시뮬레이션하고, 일벌이 경관의 꽃에서 먹이를 얻으며 진드기, 농약, 날씨를 마주해요.

답하는 질문: 이 군집은 이 지형에서 겨울을 날 수 있을까?

빠진 것: 지형의 꽃 공급과 벌의 결정은 단순화했고, 여왕벌의 실패와 질병은 거칠게만 넣었어요.

돌아가는 곳: 약 10⁹ FLOPS 대략 노트북으로 군집-년당 몇 분.처음 등장: 2014 베허와 동료들의 꿀벌 군집 역학과 먹이 찾기 BEEHAVE 모델. 출처

경관 전체의 수분 서비스

야생 벌의 둥지 터와 꽃 자원을 지형 전체에 걸쳐 지도로 그리고, 작물 밭마다 찾아오는 꽃가루 매개자의 수를 추정해 줘요.

답하는 질문: 주변 서식지는 작물 수분을 얼마나 해 주고, 그것을 없애면 어떻게 될까요?

빠진 것: 벌의 먹이 찾기는 둥지로부터의 거리 감쇠로 줄여 놓았고, 벌의 수는 실제 작물 수확량에 대한 약한 지표예요.

돌아가는 곳: 약 10⁸ FLOPS 대략 노트북으로 지역당 몇 초에서 몇 분.처음 등장: 2009 Lonsdorf and colleagues' model of pollination services across agricultural landscapes. 출처

바람에 의한 씨앗·꽃가루 확산 모델

난류 속으로 풀려난 씨앗과 꽃가루가 바람에 실려 무작위로 떨어져, 어디에 내려앉는지의 분포를 쌓아 가요.

답하는 질문: 식물의 씨앗은 얼마나 멀리 가고, 얼마나 빠르게 퍼질 수 있을까요?

빠진 것: 드문 장거리 도약이 확산에는 가장 중요하지만 측정하기 가장 어려워서, 분포의 꼬리는 잘 알려져 있지 않아요.

돌아가는 곳: 약 10⁸ FLOPS 대략 노트북으로 몇 분.처음 등장: 1989 Okubo and Levin's theoretical framework for data analysis of wind dispersal of seeds and pollen. 출처

단기 생태 예측

생태계 모델을 며칠에서 몇 해 앞으로 돌리고, 일기 예보처럼 새 관측이 올 때마다 갱신해요.

답하는 질문: 호수, 숲, 어장의 상태를 솔직한 오차 막대와 함께 다음 시즌에 예보할 수 있을까요?

빠진 것: 생태 데이터는 기상 데이터에 비해 드물고 과정도 덜 알려져서, 예측이 단순한 기준선을 간신히 앞서는 경우가 많아요.

돌아가는 곳: 약 10¹² FLOPS 대략 클러스터에서 계속 갱신하는 수천 번의 실행 앙상블.처음 등장: 2018 Dietze와 동료들의 반복적 근미래 생태 예측 틀. 출처

크기 스펙트럼 생태계 모델

생태계의 모든 생물을 몸 크기별로 묶어, 먹고 먹히며 작은 쪽에서 큰 쪽으로 에너지가 이동하고, 성장과 사망은 크기만으로 정해요.

답하는 질문: 어획 압력은 바다의 작은 물고기와 큰 물고기의 균형을 어떻게 바꿀까요?

빠진 것: 종의 정체성은 무시해서, 크기는 같지만 먹이가 다른 포식자도 같은 것으로 다뤄요.

돌아가는 곳: 약 10⁹ FLOPS 대략 워크스테이션으로 몇 분에서 몇 시간.처음 등장: 1978 Silvert and Platt's time-dependent equation for energy flux through the pelagic ecosystem by size. 출처

중립 군집 모델

출생, 사망, 분산에서 모두 똑같다고 보는 종의 군집으로, 어떤 종이 흔해질지는 오직 우연과 이주만이 정해요.

답하는 질문: 종의 풍부도 패턴 가운데 종 사이에 아무 차이도 필요 없는 부분은 얼마나 될까요?

빠진 것: 실제 종은 분명히 서로 다르므로, 이 모델은 어느 한 군집의 기술이 아니라 귀무 기준선으로 작동해요.

돌아가는 곳: 약 10⁹ FLOPS 대략 노트북으로 몇 분.처음 등장: 1976 Caswell의 군집 구조에 대한 중립 모델 분석. 출처

집단유전학

유전자 변이가 세대를 거치며 부동을 겪고, 새로 생기고, 선택돼요.

답하는 질문: 우리가 보는 변이 가운데 우연은 얼마이고 선택은 얼마일까요?

빠진 것: 실제 개체군은 무작위 교배와 일정한 크기라는 단순화 가정을 어겨요.

돌아가는 곳: 약 10¹² FLOPS 대략 게놈 전반의 부동과 선택을 시뮬레이션하는 대학 클러스터처음 등장: 1964 중립 이론 아래 유전적 부동의 초기 컴퓨터 시뮬레이션

합체와 계통 시뮬레이션

유전자나 종의 가계도를 시간을 거슬러 시뮬레이션해, 실제 DNA를 읽는 방법을 시험해요.

답하는 질문: 이 방법이 DNA에서 진짜 역사를 되찾아 낼 수 있을까요?

빠진 것: 단순한 인구 역사를 가정하고, 실제 인구 구성은 더 복잡해요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 유전자 계통수를 시간을 거슬러 시뮬레이션하는 데스크톱 워크스테이션처음 등장: 1983 허드슨의 집단유전학용 초기 합체 시뮬레이션 소프트웨어

생명의 기원

단순한 화학 물질이 스스로 복제하고 경쟁하는 네트워크를 이뤄요.

답하는 질문: 화학은 어떻게 생물학의 선을 넘을 수 있었을까요?

빠진 것: 아직 어떤 시뮬레이션도 살아 있다고 할 만한 것을 만들어 내지 못했어요.

돌아가는 곳: 약 10¹² FLOPS 대략 자기 복제하는 화학 네트워크를 시뮬레이션하는 데스크톱 워크스테이션처음 등장: 1971 Eigen과 Schuster의 자기 복제 화학 하이퍼사이클 모델

숙주-기생자 공진화

숙주는 방어 수단을 키우고 기생자는 이를 피할 방법을 진화시키며, 세대마다 시뮬레이션된 개체군이 서로에게 반응하는 모델 속 군비 경쟁이에요. 정해진 승자는 없어요.

답하는 질문: 숙주와 기생충의 군비 경쟁은 균형에 이를까요, 아니면 어느 쪽도 지속적인 우위를 얻지 못한 채 끝없이 이어질까요?

빠진 것: 실제 숙주와 기생자는 환경 속 다른 모든 것과 동시에 공진화해요.

돌아가는 곳: 약 10¹¹ FLOPS 대략 여러 세대에 걸친 공진화 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1990 공진화의 붉은 여왕 가설을 시험한 초기 시뮬레이션

종 분화와 대진화 모델

계통이 갈라지고, 이어지고, 멸종하는 과정을 수백만 년의 시뮬레이션 시간에 걸쳐 보며, 단순한 규칙이 어떤 다양성 패턴과 계통수 모양을 낳는지 시험해요.

답하는 질문: 우리가 보는 종의 패턴이 계통의 단순한 탄생과 소멸만으로 나올 수 있었을까요?

빠진 것: 화석과 유전 기록은 군데군데 비어 있어서, 같은 패턴에 여러 규칙이 맞을 수 있어요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 출생-사망 분기 과정을 시뮬레이션하는 데스크톱 워크스테이션처음 등장: 1969 진화 계통수를 연구하는 데 쓰인 다양화의 초기 출생-사망 모델

성선택과 짝 선택 진화

장식과 그에 대한 선호가 함께 진화하는 시뮬레이션 집단으로, 암컷의 선택만으로 극단까지 폭주할 수 있는지 시험해요.

답하는 질문: 짝 선택만으로 형질이 사치스럽고 비싼 극단까지 갈 수 있을까요?

빠진 것: 선호와 형질이 단순히 유전된다고 가정하는데, 이는 대부분의 실제 짝 선택보다 단순해요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 연관된 형질들의 유전 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1981 랜데의 폭주 성선택 집단유전학 모델

공진화의 적응 동역학

작은 효과의 돌연변이로 형질이 진화하며 현재 집단과 겨뤄 시험받아, 진화적으로 안정한 상태에 이르거나 가지로 갈라져요.

답하는 질문: 진화는 어디에 자리를 잡고, 계통은 언제 갈라질까?

빠진 것: 드문 돌연변이와 단순한 형질 공간을 가정해요.

돌아가는 곳: 약 10⁶ FLOPS 대략 노트북으로 분석과 시뮬레이션.처음 등장: 1996 Dieckmann과 Law, 확률적 생태 과정에서 유도한 공진화의 동역학 이론. 출처

유전자 드라이브 개체군 모델

보통의 유전보다 빨리 퍼지는 유전 요소를 모델링한 개체군에 풀어, 해충 종을 억제하거나 바꿀 수 있는지 물어요.

답하는 질문: 유전자 드라이브는 야생 개체군 속으로 퍼질까, 그리고 내성이 그것을 막을 수 있을까?

빠진 것: 방출 전에는 실제의 확산과 내성의 진화가 잘 알려져 있지 않아요.

돌아가는 곳: 약 10⁸ FLOPS 대략 워크스테이션으로 돌리는 유전학 포함 공간 개체군 시뮬레이션.처음 등장: 2003 Burt, 자연 개체군의 통제와 유전 공학을 위한 도구로서의 부위 특이적 이기적 유전자. 출처

순방향 시간 게놈 시뮬레이션

모든 개체와 그 게놈을 세대에 걸쳐 따라가며, 선택, 연관, 다양한 인구 구성을 넣어 실제 DNA 패턴이 어떻게 생기는지 봐요.

답하는 질문: 선택과 집단의 역사는 한 종의 게놈에 무엇을 남길까?

빠진 것: 실행이 가능하도록 개체군 크기를 줄였는데, 그러면 선택과 부동의 균형이 왜곡돼요.

돌아가는 곳: 약 10¹⁴ FLOPS 대략 많은 세대에 걸친 큰 개체군에 클러스터로 며칠.처음 등장: 2013 Messer의 SLiM, 선택과 연관을 다루는 순방향 시간 진화 시뮬레이터 출처

동물의 경쟁 전략

자원을 두고 무작위로 맞붙는 개체들이 정해진 전략 중에서 고르고, 그 비율은 어떤 돌연변이도 더 낫게 만들 수 없는 지점에서 안정돼요.

답하는 질문: 다른 이들의 행동을 고려할 때, 싸우는 것과 물러서는 것 중 어느 쪽이 더 나은 방침일까?

빠진 것: 동물을 학습, 기억, 개체 차이가 없는 짧은 전략 목록으로 줄여요.

돌아가는 곳: 약 10⁶ FLOPS 대략 노트북으로 몇 초.처음 등장: 1973 Maynard Smith and Price's 'The logic of animal conflict'. 출처

개체군 존속 가능성 분석

위협받는 작은 개체군의 출생, 사망, 재난을 여러 번 앞으로 굴려, 살아남을 확률과 얼마나 오래 사는지 추정해요.

답하는 질문: 이 개체군이 앞으로 100년 안에 멸종할 가능성은 얼마나 될까요?

빠진 것: 희귀종은 표본이 작아서 입력 수치 자체가 매우 불확실해요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 확률적 궤적 수천 개를 돌리는 데스크톱 워크스테이션처음 등장: 1980 멸종 위기종의 멸종 위험을 추정한 초기 확률 모델

보호 구역과 생태 통로 설계

후보 지점과 그 사이 연결을 비용과 지킬 종에 따라 점수 매기고, 가장 많은 것을 덮는 가장 작은 보호구역 네트워크를 찾아요.

답하는 질문: 어떤 땅 구획의 조합이 가장 적은 비용으로 가장 많은 종을 지킬까?

빠진 것: 존재하는 종 데이터에 맞춰 최적화하는데, 그것은 실제로 거기 사는 생물의 작은 일부예요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 보호구역 선정 최적화를 푸는 데스크톱 워크스테이션처음 등장: 1988 보전 계획을 위한 초기 체계적 보호구역 선정 알고리즘

재도입과 이주 계획

작은 창시자 집단을 새로운 서식지나 예전 서식지에 풀어 놓고, 그 지역의 수용력과 창시자의 유전을 바탕으로 정착하는지 앞으로 따라가요.

답하는 질문: 이 동물들을 여기 풀어 주면 정말로 오래가는 개체군이 자리 잡을까?

빠진 것: 방사 지점의 서식지 질과 질병 위험은 측정하기보다 대략 추정하는 경우가 많아요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 창시자 집단 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1990 대형 포유류의 재도입을 계획하는 데 쓰인 초기 시뮬레이션 모델

침입종 확산

외래종이 경관 위로 칸 단위로 퍼지는 모습과, 장벽, 개체 수 조절, 생물학적 방제가 얼마나 멀리 가는지에 미치는 효과.

답하는 질문: 이 침입종은 얼마나 빨리 퍼지고, 방제는 어디부터 시작해야 할까요?

빠진 것: 새로운 침입종은 과거의 어떤 침입도 모델에 대비시켜 주지 못한 방식으로 퍼지는 경우가 많아요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 경관 확산 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1951 스켈럼의 퍼지는 개체군 확산 모델

밀렵과 밀렵 방지 순찰 게임

레인저와 밀렵꾼이 보호 구역 지도 위에서 되풀이되는 게임의 플레이어가 되어, 어디에나 있을 수 없을 때 순찰이 어디로 가야 하는지 정하는 데 써요.

답하는 질문: 한정된 순찰대는 전략적인 밀렵꾼을 상대로 가장 큰 효과를 내려면 어디를 순찰해야 할까?

빠진 것: 합리적이고 참을성 있는 밀렵꾼을 가정하지만, 상당수는 기회를 노린 범행이에요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 순찰 지도 위의 보안 게임을 푸는 데스크톱 워크스테이션처음 등장: 2014 야생동물 순찰대 일정에 적용한 초기 보안 게임 모델

재야생화와 영양 단계 연쇄 모델링

먹이그물에 포식자나 다른 핵심종을 다시 넣어, 먹이 생물, 식생, 심지어 강에 미치는 연쇄 효과를 따라가요.

답하는 질문: 이 종을 되살리면 생태계의 나머지는 어떻게 될까?

빠진 것: 유명한 연쇄 사태들은 펼쳐지는 데 수십 년이 걸렸고, 예측하기보다 사후에 모델링하기가 더 쉬워요.

돌아가는 곳: 약 10¹⁰ FLOPS 대략 여러 종의 먹이그물 모델을 돌리는 데스크톱 워크스테이션처음 등장: 1995 옐로스톤에 늑대가 다시 들어왔고, 훗날 그 연쇄 효과를 모델링했어요.