基於興趣，碩士論文我是作 Bio-machine modeling 方面的題目，在歸類上屬於人造生命（Artificial Life, ALife）的範疇，選擇的 target 是神經細胞的生長、發育。以下就先簡述一下整個概念：
這裡並不是要詳盡地模擬腦部的發育和功能執行，而是提出經過大幅簡化的模型，以利電腦模擬，及供我們驗證假設之用。經過長期考量過各種可能方案後，我決定以 Cellular Automata 來模擬神經細胞生長的環境。
考慮在一個由 CA 舖成的空間中，我們在一些選定的位置，滴上特定的化學物質，於是這些化學物質就會由滴定的點，向四周擴散。再考慮到真正的腦，對個別神經細胞而言，並非完全開放的空間，所以我們也在 CA 舖成的空間中設置各種障礙，來對空間作某種區隔。於是我們的神經細胞除了有化學的土壤外，現在也有了障礙的地形。整個生長環境豐富了許多。
有了生長環境之後，該是時候讓細胞在環境中過活了，於是我們就隨手一灑，這些神經幹細胞就被灑到 CA 構成的空間中了。既然有了前面土壤的比喻，就讓我們稱這個“灑”的動作為“播種”吧！ ^__^
神經幹細胞的生長也遵循 automata 的模式。完全因應環境中的化學梯度而長出軸突（axon）和樹突（dendrite）……環境中的化學物質有其自然的損耗率、神經細胞的成長也會消耗掉 大量的化學物質……我們可以在其中模擬神經細胞的成長、競爭與凋亡。並觀察最後長成的神經網路拓僕。
~~
為了完成這個模擬，我當然要先 survey 一下現成的東西，決定一下要以哪些工具來達成想要的效果。雖然在大規模的模擬時，在效率的考量下，比較傾向於使用 C++ ；最後我還是決定用 Java 來實作，因為要縮短開發時程下，執行效率的考量就顯得比較次要了。
在決定用 Java 實作後，我 survey 了許多 Java 下的 agent software toolkits 。在它們當中， Swarm 雖是該領域的元老，它的接繼者 Repast 卻比較合我胃口。但由於 Repast 的架構還是顯得龐雜，且我要的許多效果它也沒提供，索性就 參考一下 Repast 的作法後，自己重新開發一套合用的 toolkit 。
為了確認每一步都沒出錯，也為了好玩，在開發過程中我同時利用自己的 toolkit 撰寫了許多測試用的小程式：
左邊那個是用來 Demo 在物理上有名的布朗運動（Brownian Movement）。程式一開始會把固定數量的化學分子置於中央，分子們很快就會以 Random Walk 的方式擴散開來，其中的色溫提示我們每個位置的分子數量的多寡。
右邊那個我管它叫做 Diffusion Sun 。化學分子一開始也是置於中央，隨著每個 time tick 的推進，這個 Demo 程式會繼續滴上給定數量的分子作為補充。在給定的自然分子損耗（lose）及不斷地添加分子間會有個動態平衡，造成一個形狀像抖動的太陽般的圖像，故稱之。
接下來，我們就繼續觀摩一下這個 toolkit 還提供了甚麼：
很明顯地，右邊那兩個綠底、裡面畫有 sine 波的東東，就是示波器（socillograph）的 scope 。比較特別的是這裡的示波器原則上是無限量供應的，只要點選 toolbar 上面代表探針（probe）的 icon 即可。值得一提的還有，這裡的探針量測的不是單純的點的訊號，而是一個指定的範圍。我們可以在左圖的 Imaging 畫布上看到一個虛線框住的範圍，它對應到右上那個 scope ，以這個例子來說，scope 顯示的是整個框框內所有點的平均訊號，實際上我們可以在上面顯示其他更有用的統計。
最後，我這裡也附上 SineSun 的 jar 檔，有興趣的話，諸位看官也可以自行玩玩看 :)
