/ 图灵斑图模拟器
JA EN ZH
返回
反应扩散模拟器

图灵斑图
反应扩散模拟器

基于Gray-Scott模型探索自组织图案生成。只需调节进料速率和消耗速率两个参数,就能生成豹纹斑点、斑马条纹、螺旋结构和迷宫图案。点击画布即可植入新的图案种子。

Gray-Scott模型 Float32Array高速计算 点击交互 5种配色方案
预设图案
参数调节
进料速率 f0.035
消耗速率 k0.065
扩散系数 Du0.2097
扩散系数 Dv0.1050
速度 (步/帧)8
配色方案
统计信息
步数
0
平均v浓度
0.000
图案类型
斑点
帧率
--
操作

点击画布注入化学物质B

理论:图灵反应扩散方程

Gray-Scott模型

本模拟器通过数值方法求解Gray-Scott模型。化学物质A(浓度u)和化学物质B(浓度v)在空间中发生反应并扩散。

∂u/∂t = Du · ∇²u − u·v² + f·(1−u)
∂v/∂t = Dv · ∇²v + u·v² − (f+k)·v

反应项 u·v² 表示A和B以2:1比例反应、B自催化生成的过程。进料速率f控制A的外部补充量,消耗速率k控制B的去除速率。

花纹形成的直觉理解

由于Du > Dv,物质A快速扩散并趋于均匀,而B则保持局部高浓度区域。这种"慢活化剂、快抑制剂"的不对称性正是图灵不稳定性的核心。它使均匀状态失稳,产生空间周期性浓度波动,形成可见的花纹。

工程应用

反应扩散方程在燃烧锋面传播、金属腐蚀局部化、凝固界面稳定性分析和生物工程组织建模中均有应用。图灵不稳定性也作为均匀解失稳的典型案例,用于数值求解器的基准验证。

💬 图灵斑图有什么神奇之处?

🧑‍🎓
教授,豹子的斑点和斑马的条纹看起来完全不同,但用的是同一个方程?
🎓
对,在这个模拟器里只需要微调f和k,图案就能从斑点切换到条纹。可以这样理解:豹子胚胎皮肤细胞的参数落在"斑点区",斑马的参数落在"条纹区",本质上是同一套数学,只是参数点不同。
🧑‍🎓
也就是说动物的基因组里编码了这两个数值?
🎓
更准确地说,基因决定了胚胎发育期间皮肤细胞分泌的黑色素诱导物质与其抑制因子的扩散速度之比。图灵在1952年纯粹用数学预言了这一机制——那时电子计算机还没有普及——直到2010年代才通过斑马鱼实验得到实验验证。
🧑‍🎓
那在实际工程中也能用到吗?感觉这太偏生物了。
🎓
用得很广。金属腐蚀坑点的局部化是活化腐蚀与钝化膜之间的反应扩散过程。燃烧火焰锋面的不稳定性分析也用同一套数学。近年来,拓扑优化研究者甚至利用图灵不稳定性设计骨植入物多孔支架——图案自然形成,工程师只需调好f和k就行。

什么是图灵斑图

🧑‍🎓
这个模拟器里那些像豹纹、斑马纹一样的图案是怎么自己“长”出来的?是什么原理?
🎓
简单来说,这是两种“化学物质”在暗中较劲的结果。一种叫“活化剂”(比如u),它喜欢自我复制,让周围变得和自己一样;另一种叫“抑制剂”(比如v),它扩散得更快,专门压制活化剂。当抑制剂跑得足够快时,就能把活化剂的活动范围限制在一个个小区域内,图案就形成了。你试着拖动上面控制“进料速率f”和“消耗速率k”的滑块,就能看到不同的“战况”,从而生成完全不同的花纹。
🧑‍🎓
诶,真的吗?那为什么只调这两个参数,就能从豹纹变成迷宫纹呢?
🎓
在实际模型中,f和k就像这个化学反应系统的“总开关”。f(进料速率)决定了原料的供应速度,k(消耗速率)决定了废料的清理速度。比如,你把f调低、k调高,相当于原料供应不足,废料又被快速清理,活化剂就很难形成大片区域,只能形成孤立的斑点(像豹纹)。反过来,如果参数组合让两者势力范围犬牙交错,就会形成复杂的迷宫图案。改变参数后你会看到模拟从均匀状态开始失稳、波动,最后“定格”成某种稳定图案,这个过程就是“图灵不稳定性”。
🧑‍🎓
我点击画布时,看到颜色扩散开又形成新图案,这模拟的是现实中的什么过程?
🎓
这模拟了给系统一个局部扰动。比如在自然界,一小块皮肤色素细胞分布偶然发生变化,就可能触发整个花纹模式的改变。在工程上,这类似于材料表面一个微小的腐蚀点,可能引发特定的腐蚀图案扩展。你点击画布相当于注入了一点“活化剂”,它会打破局部平衡,然后系统会基于你设定的f和k参数,重新自组织成一个新图案。试着在已经形成的斑马条纹上点一下,看看条纹是如何被破坏并重新调整的。

物理模型与关键公式

这个模拟器背后的核心是Gray-Scott模型,它用两个偏微分方程描述活化剂u和抑制剂v的浓度如何随时间变化和在空间中扩散。

$$ \begin{aligned}\frac{\partial u}{\partial t}&= D_u \nabla^2 u - u v^2 + f(1-u) \\ \frac{\partial v}{\partial t}&= D_v \nabla^2 v + u v^2 - (f+k)v \end{aligned} $$

其中,$u$是活化剂浓度,$v$是抑制剂浓度。$D_u$和$D_v$是它们的扩散系数(通常$D_v > D_u$,即抑制剂扩散更快)。$f$是进料速率,控制着原料补充;$k$是消耗速率,控制着抑制剂被移除的速度。$-uv^2$项表示u和v反应消耗了u,$+uv^2$项表示同一反应产生了v。

现实世界中的应用

自然界生物图案形成:这是图灵模型最著名的应用。豹子的斑点、斑马的条纹、热带鱼的体纹,甚至哺乳动物毛囊的分布,都被认为可能源自类似的“反应-扩散”机制,即由两种形态发生素(活化剂与抑制剂)的相互作用所决定。

材料表面处理与腐蚀科学:在工程CAE领域,类似的反应扩散方程可用于模拟金属表面的局部腐蚀现象。例如,点蚀或锈蚀图案的扩展,可以建模为活化(腐蚀反应)与抑制(钝化膜形成)过程在空间上的竞争。

燃烧学中的火焰锋面:在燃烧模拟中,燃料和氧化剂的反应、热量的释放(活化)与扩散(抑制)过程,可以形成复杂的火焰传播图案,其稳定性分析也运用了类似的理论框架。

生态学中的种群空间分布:捕食者-猎物模型在空间扩展后,也会形成类似图灵斑图的种群分布格局,其中猎物可视为“活化剂”,捕食者作为“抑制剂”,两者的扩散速度差异导致了空间斑块的出现。