Gray-Scottモデルで斑点・縞・珊瑚などのチューリングパターンをリアルタイム生成。拡散係数・フィード率・消滅率を自由に操作してください。
Gray-Scottモデル
$$\frac{\partial u}{\partial t}=D_u\nabla^2 u - uv^2+F(1-u)$$
$$\frac{\partial v}{\partial t}=D_v\nabla^2 v + uv^2-(F+k)v$$
U（青=0, 黄=1）の濃度を疑似カラーで表示。F・kの組み合わせで多彩なパターンが出現します。
このシミュレーションの核心は、2成分の反応拡散系を記述するGray-Scottモデルです。物質U（基質）と物質V（活性化子）の濃度変化を、以下の連立偏微分方程式で表します。
$$\frac{\partial u}{\partial t}=D_u\nabla^2 u - uv^2+F(1-u)$$第1項は拡散（$D_u$はUの拡散係数）、第2項はUとV²の反応によるUの消費、第3項は一定率FでのUの供給（フィード）を表します。
もう一方の物質Vの挙動を記述する方程式はこちらです。Uとの反応でVが生成され、同時に消滅もします。
$$\frac{\partial v}{\partial t}=D_v\nabla^2 v + uv^2-(F+k)v$$第1項は拡散（$D_v$はVの拡散係数）、第2項は反応によるVの生成、第3項はフィードバック(F)と追加の消滅(k)によるVの減衰を表します。一般に $D_v < D_u$（Vの方が拡散しにくい）とすると、局所的にVが濃くなり、模様が形成されやすくなります。
生物の形態形成：チューリングパターンとして知られ、魚（ゼブラフィッシュ）の縞模様や哺乳類の毛並みのパターン、羽毛の配置などの理論的モデルとして研究されています。発生生物学における自己組織化の基本原理の一つです。
材料表面の現象：金属の腐食（孔食）パターンや、特定の条件下での燃焼フロントの伝播、電気化学的な沈殿パターン（リースガングリング）などの複雑な現象をシミュレートし、理解するために用いられます。
化学反応工学：非線形化学反応、特にオシレーター反応（BZ反応など）における空間パターン形成の解析に応用されます。反応器内の均一性が崩れて生じるパターンを予測するのに役立ちます。
画像処理・CG：このモデルから生まれる有機的で自然なテクスチャは、コンピュータグラフィックスにおいて、動物の皮膚や岩石の風合いなど、リアルな質感を生成するアルゴリズムのインスピレーション源となっています。
まず、「初期状態は何でもいい」と思っていない？ 実は初期状態は非常に重要で、わずかなノイズ（ランダム性）がパターン形成の「種」になります。完全に均一な状態からは何も生まれません。このシミュレーターでは初期状態として中央にVの「種」を置いていますが、実務では現実の観測データに基づくノイズを設定する必要があります。
次に、パラメータ調整で「狙った模様」をすぐ作れると期待しがちですが、Fとkの組み合わせは非常に繊細です。例えば、プリセットの「斑点」から「縞」に移行する際、その中間のパラメータでは無秩序な模様（カオス）が現れることがよくあります。これはバグではなく、系の非線形性の本質です。実務では、パラメータ空間を系統的に掃引して「安定領域」を見つけることが第一歩です。
また、「拡散係数比(Dv/Du)は固定でいい」という思い込みも要注意。Gray-Scottモデルの本質は、活性化子Vが抑制子Uよりもずっと狭い範囲に留まる（Dv < Du）ことにあります。この比率を1に近づけると、模様は形成されず均一な状態に収束してしまいます。シミュレーションで模様が出ない時は、まずこの前提を確認しましょう。
このシミュレーターの計算手法は、「偏微分方程式の数値解法」そのものです。具体的には、拡散項の計算に有限差分法が使われていることが多く、これは熱伝導解析や流体解析の基礎でもあります。つまり、このツールでパラメータをいじる行為は、CFD（数値流体力学）のソルバー設定を体験しているのと近いんです。
応用先としては、電池や燃料電池の開発が面白いです。電極と電解質の界面では、リチウムイオンの挿入・脱離や化学反応が局所的に起こり、それが「反応」と「拡散」で記述できます。これが不均一に進むと、斑点状の劣化（デンドライト成長）を引き起こし、発火リスクに繋がります。Gray-Scottモデルを拡張することで、こうした界面不安定性の予測に応用する研究が進んでいます。
さらに、添加剤製造（3Dプリンティング）の分野でも関連が深まっています。例えば、金属粉末をレーザで溶かして積層する際の「ボール現象」（溶融金属が球状になる現象）や、樹脂の硬化パターンは、熱や物質の反応拡散プロセスとしてモデル化できます。模様形成の理論が、実際のものづくりにおける欠陥制御に役立っているのです。
まず次の一歩は、「反応拡散系の古典」を自分で実装してみることです。PythonならNumPyとMatplotlibを使って、100×100のグリッド上で差分法（例えば、ラプラシアンの計算に5点ステンシルを使う）をコーディングしましょう。初期条件を変えたり、ノイズの入れ方を工夫すると、教科書以上の発見があります。
数学的背景を深めたいなら、線形安定性解析の概念を押さえましょう。これは、均一な定常状態に微小な擾乱（波数 $k$ の波）を加えた時、その擾乱が成長するか減衰するかを判断する方法です。成長する条件から、出現する模様の特徴的な波長が理論的に導けます。式で書くと、ヤコビアン行列の固有値の実部が正になる条件を探すことになります。
この先は、「パターン形成の普遍性」を学ぶのがおすすめです。Gray-Scottモデルは「活性化子-抑制子系」の一例に過ぎません。同じカテゴリのフィッツフュー・南雲モデル（神経の興奮伝導）やシバ・井上モデル（雪片の成長）などを比較すると、分野は全く異なっても、非線形性と拡散の組み合わせから秩序が生まれる共通の数理が見えてきて、視野が一気に広がりますよ。