Probabilistic Cellular Automata: Theory, Applications and Future Perspectives

این کتاب اتوماتهای سلولی احتمالی (PCA) را از منظر مکانیک آماری، نظریه احتمالات، زیست‌شناسی محاسباتی و علوم کامپیوتر بررسی می‌کند. PCA توسعه‌ای از مدل‌های معروف Cellular Automata سیستم‌های پیچیده هستند که با قوانین به‌روزرسانی تصادفی مشخص می‌شوند. به لطف مؤلفه احتمالی خود، PCA ابزارهای محاسباتی انعطاف‌پذیری را برای ساختارهای عددی پیچیده و ابزارهای شبیه‌سازی واقعی برای پدیده‌هایی ارائه می‌دهد که توسط تعاملات بین تعداد زیادی از ساختارهای همسایه هدایت می‌شوند. PCA در حال حاضر در زمینه های مختلف، از احتمال محض گرفته تا علوم اجتماعی و شامل انبوهی از کاربردهای علمی و فناوری، استفاده می شود. این وضعیت مجموعه بسیار متنوعی از نظریه پردازان، توسعه دهندگان و متخصصان را ایجاد کرده است که تعامل آنها بسیار مطلوب است اما می تواند به دلیل تفاوت در اصطلاحات و تمرکز مانع ایجاد شود. این کتاب - درست به عنوان کارگاهی که بر اساس آن ساخته شده است - تلاشی برای غلبه بر این تفاوت ها و ایجاد علاقه در بین تازه واردان و تعامل بین تمرین کنندگان از رشته های مختلف است. این به عنوان یک رساله در نظر گرفته نشده است، بلکه بیشتر به عنوان مقدمه ای ملایم برای نقش و ارتباط فناوری PCA است که با تعدادی از کاربردها در احتمالات، مکانیک آماری، علوم کامپیوتر، علوم طبیعی و سیستم های دینامیکی نشان داده شده است. به این ترتیب، برای دانشجویان و افراد غیرمتخصصی که به دنبال ورود به این رشته و کشف چالش‌ها و مسائل باز آن هستند، جالب خواهد بود.

This book explores Probabilistic Cellular Automata (PCA) from the perspectives of statistical mechanics, probability theory, computational biology and computer science. PCA are extensions of the well-known Cellular Automata models of complex systems, characterized by random updating rules. Thanks to their probabilistic component, PCA offer flexible computing tools for complex numerical constructions, and realistic simulation tools for phenomena driven by interactions among a large number of neighboring structures. PCA are currently being used in various fields, ranging from pure probability to the social sciences and including a wealth of scientific and technological applications. This situation has produced a highly diversified pool of theoreticians, developers and practitioners whose interaction is highly desirable but can be hampered by differences in jargon and focus. This book – just as the workshop on which it is based – is an attempt to overcome these difference and foster interest among newcomers and interaction between practitioners from different fields. It is not intended as a treatise, but rather as a gentle introduction to the role and relevance of PCA technology, illustrated with a number of applications in probability, statistical mechanics, computer science, the natural sciences and dynamical systems. As such, it will be of interest to students and non-specialists looking to enter the field and to explore its challenges and open issues.