元胞自动机与异质拓扑网络的敏感性分析：部分本地元胞自动机与同质同质随机布尔网络
原文中文，约300字，阅读约需1分钟。发表于：。对于 Elementary Cellular Automata (ECA)、部分局部 CA 和均匀随机布尔网络（HHRBN）等不同的计算基片，运用 Reservoir Computing（RC）进行对比分析，发现拓扑异质性并不必然导致计算的无序，而存在计算上的拓扑异常力量，它们既能提高系统的稳定性（有序），又能增加对初始条件的敏感性，这些观察结果指向了关键范围的缩小。
神经元元胞自动机（NCA）结合了机器学习和机械建模的能力，学习复杂动态和局部规则。NCA能够捕捉瞬态和稳定结构，学习非线性偏微分方程中的图灵模式形成规则。NCA具有广泛推广能力，适用于生物模式形成建模。
