涌现表型可塑性智能特征的虚拟植物建模与仿真研究

虚拟植物表型可塑性研究将为认知植物复杂的生理生态机理开辟新的途径，对于系统研究植物种群和物种水平上的可塑性量化、理解植物个体及其种群的延续具有重要意义。然而，针对植物因基因表达与环境调控表现出的复杂表型可塑性特征，如何对其进行有效建模与仿真，目前国内外尚缺少相关研究。本项目有机结合复杂适应系统、人工智能、人工生命、植物生理学与生态学等学科知识，改变以线性机械组合体构建虚拟植物的传统思路，以智能生命体为视角对其形态、行为以及智能特征进行建模。首先通过对植物分枝结构的逆向分析建立其结构发育的基因表达模型；以信号传导网络与植物结构的并行演化为基础建立虚拟植物对环境的感知、学习与记忆模型；最后融合基因表达与环境调控，采用Multi-agent技术，通过虚拟器官交互涌现植株整体的表型可塑性智能特征，为实现虚拟植物从"功能-结构模型"向"智能涌现模型"的转变提供全新的研究思路与方法。

本项目改变以线性机械组合体构建虚拟植物的传统思路，以智能生命体为视角对其形态、行为以及表型可塑性智能特征进行建模，结合植物生长的基因表达、环境调控等各关键因素及其相互作用，通过相对简单生理过程与形变规则的交互涌现虚拟植物自适应生长的系统复杂性，为虚拟植物研究提供了全新的研究思路与建模方法，解决了植物生理数据和专家知识缺乏的情况下虚拟植物建模自动化与生长发育指标准确、形态保真的问题。具体地，项目首先研究了植物分生组织状态变迁与宏观分枝结构之间的关系，建立了虚拟植物基因型与表现型之间的映射关系和自动机模型，采用图像处理和模式识别方法自动提取了若干类木本植物的基因型编码，以L-系统文法为介质建立了控制虚拟植物结构动态生长的基因调控模型；其次，项目研究了植物内部信号传导机制、传导网络及其非线性动力学特点，建立了虚拟植物对环境刺激的感知、学习和记忆模型，实现了虚拟植物对环境异质性的自主响应；在此基础上，采用复杂适应系统理论与Multi-agent 技术，构建了具有环境感知能力、学习能力和自适应能力的虚拟植物仿真引擎，以提高环境适应能力为目标，通过信号传导网络和最优化方法的控制，建立了基于三维细胞自动机的动态虚拟环境及其演变规则，从宏观层面上涌现虚拟植物在功能、结构、发育以及跨世代等方面的可塑性行为，实现了虚拟植物全局表型可塑性智能行为的涌现模型。本项目的研究成果不仅可以用于数字农业的虚拟实验室，也可以用于更大尺度的种群、群落、景观甚至生态系统的建模与理论研究。