セルオートマトン

1次元ウォルフラムルールの定義
各セルの状態を0（死）または1（生）とし、自身と左右の隣人、合計3セルの状態（$2^3=8$通り）によって、次の時刻の自身の状態が決まります。この対応関係が「ルール」です。

$$ a_i^{t+1}= \Phi( a_{i-1}^{t}, a_{i}^{t}, a_{i+1}^{t}) $$

ここで、$a_i^{t}$は時刻$t$における位置$i$のセルの状態、$\Phi$は8ビット（0/1の並び）で定義されるルール関数です。この8ビットの並びを10進数に変換したものが「ルール番号」（0〜255）となります。

2次元コンウェイのライフゲームルール
2次正方格子上の各セルは、周囲8近傍の「生」のセルの数によって次の状態が決定されます。ルールは次の2条件だけです。

$$ \begin{aligned}&\text{誕生:}\quad \text{(死セル)}\land (N_{\text{live}}= 3) \rightarrow \text{生}\\ &\text{生存:}\quad \text{(生セル)}\land (N_{\text{live}}= 2 \text{ or }3) \rightarrow \text{生}\\ &\text{過疎・過密:}\quad \text{上記以外}\rightarrow \text{死}\end{aligned}$$

ここで、$N_{\text{live}}$は中心セルのムーア近傍（周囲8セル）内の「生」のセルの数です。この局所的な相互作用のみから、グライダーや固定構造、カオス的な挙動など、多様なグローバルパターンが創発します。

計算理論・複雑系科学：セルオートマトンはチューリングマシンに匹敵する計算能力を持つことが証明されており、複雑系の「創発」現象を研究するための基礎モデルとして使われます。単純なルールからいかにして秩序やカオスが生まれるかを探求します。

物理シミュレーション（格子ボルツマン法）：流体力学の分野では、セルオートマトンの考え方を発展させた「格子ボルツマン法」が、空気の流れや水の動きをシミュレーションするCFD解析で広く利用されています。微視的な粒子の衝突・移動ルールから、巨視的な流体方程式を再現します。

材料科学・腐食モデリング：金属の腐食の広がり方や、材料内部の亀裂の進展を模擬するのにセルオートマトンが用いられます。局所的な「腐食確率」や「強度」をルールとして定義し、時間経過とともに構造物全体がどのように劣化するかを予測します。

生物・生態系モデリング：細菌コロニーの成長パターン、森林火災の延焼シミュレーション、動物の群れの動きなど、個体の単純な行動ルールから集団の複雑な振る舞いを生み出すモデルとして応用されています。

まず、「初期状態がランダムなら結果も毎回ランダム」と思いがちですが、そうとは限りません。特に1次元セルオートマトンでは、ルール番号によっては、異なるランダムな初期状態からでも、最終的に同じような安定したパターン（例えば、すべてが0になる「死の世界」や、一定の周期的な模様）に収束してしまうことがよくあります。これは「初期値感受性」が低いルールの特徴です。逆に、ルール110のような複雑な振る舞いを見たいなら、初期状態はある程度「生」のセルが散らばっている状態から始めるのがコツです。

次に、2次元ライフゲームで「グライダーなどのパターンはどこに置いても永遠に動き続ける」と誤解すること。実際は、他のパターンと衝突して消滅したり、全く異なる構造に変化したりします。シミュレーション領域の端に到達すると、トーラス状（上下左右が繋がっている）でない限り消えてしまいます。実務でパターンを分析する時は、十分な広さのフィールドを確保し、境界の影響を考慮しましょう。

最後に、パラメータ「速度」の設定ミス。速度を最大にするとアニメーションが速すぎてパターンの詳細な変化を追えません。特にグライダー銃のような複雑な装置の動作を確認したい時は、速度を遅くして一世代ずつの変化を目で追うことが理解への近道です。逆に、長時間実行後の大域的な傾向を知りたい時は速度を上げて一気に進めます。目的に応じて使い分けるのがポイントです。