Informatique naturelle

Un automate cellulaire est un système dynamique constitué d'un tableau de cellules. L'espace et le temps sont discrets et chacune des cellules peut être dans un nombre fini d' états . L'automate cellulaire met à jour les états de ses cellules de manière synchrone selon les règles de transition données a priori. L'état suivant d'une cellule est calculé par une règle de transition et il ne dépend que de son état actuel et des états de ses voisins.

Le jeu de la vie de John Horton Conway est l'un des exemples les plus connus d'automates cellulaires, et il a été démontré qu'il est le Turing-complet, donc un modèle de calcul universel. Les automates cellulaires ont été appliqués à la modélisation de processus variés tels que la communication, la croissance, la reproduction, la compétition, l'évolution et autres processus physiques et biologiques.

Le calcul neuronal est le domaine de recherche qui a émergé de la comparaison entre les ordinateurs et le système nerveux humain[10]. Ce domaine vise à la fois à comprendre le fonctionnement du cerveau des organismes vivants (les neurosciences computationnelles ), et à concevoir des algorithmes efficaces basés sur la façon dont le cerveau humain traite l'information (artificial neural networks, ou ANN[11]).

Un réseau de neurones artificiels est un réseau de neurones formels[12]. Un neurone formel A est équipé d'une fonction ${\displaystyle f_{A}}$, qui reçoit n nombres réels ${\displaystyle x_{1},x_{2},\ldots ,x_{n}}$ en entrée avec des poids respectifs ${\displaystyle w_{1},w_{2},\ldots ,w_{n}}$, et qui produit en sortie la valeur réelle ${\displaystyle f_{A}(w_{1}x_{1}+w_{2}x_{2}+\ldots +w_{n}x_{n})}$. Certains neurones sont distinguées comme neurones de sortie, et la fonction de réseau est la fonction vectorielle qui associe, aux n valeurs d'entrée, les sorties des m neurones de sortie sélectionnés. Des choix différents au niveau des poids peuvent produire des fonctions de réseau différentes pour les mêmes entrées. La rétropropagation est une méthode d'apprentissage supervisé par laquelle les poids des connexions dans le réseau sont ajustés à plusieurs reprises de manière à minimiser la différence entre le vecteur de sorties réelles et celui des sorties souhaitées. Des algorithmes d'apprentissage basés sur la rétropropagation du gradient peuvent être utilisés pour trouver des poids optimaux pour une topologie de réseau et des paires d'entrée-sortie données.

Le calcul évolutif est un paradigme de calcul inspiré de l'évolution darwinienne[13]^,[14].

Trois questions principales se posent dans le calcul évolutionniste : comment tirer profit de la modification des paramètres pendant l'exécution d'un algorithme ; comment les algorithmes évolutionnistes font face à des environnements dynamiques changeants ou stochastiques ; et comment la diversité de la population influence les performances. Trois classes d'algorithmes sont l'objet de travaux théoriques : les algorithmes d'estimation de la distribution, les systèmes immunitaires artificiels et la programmation génétique.

L'intelligence distribuée, appelée aussi intelligence en essaim, désigne l'apparition de phénomènes cohérents à l'échelle d'une population dont les individus agissent selon des règles simples. L'interaction ou la synergie entre actions individuelles simples peut de façons variées permettre l'émergence de formes, organisations, ou comportements collectifs, complexes ou cohérents, tandis que les individus eux se comportent à leur échelle indépendamment de toute règle globale. C'est le comportement qui émerge de l'interaction entre les agents individuels (par exemple bactéries, fourmis, termites, abeilles, araignées, poissons, oiseaux) qui communiquent avec d'autres agents en agissant sur leur environnement local.

L'ordinateur à ADN ou ordinateur moléculaire est un paradigme informatique dans lequel les données sont codées sous forme de biomolécules telles que brins d'ADN, et les outils de biologie moléculaire agissent sur les données pour effectuer diverses opérations, comme des opérations arithmétique ou opérations logiques).

La première réalisation expérimentale d'un ordinateur moléculaire spécialisé a été l'expérience de 1994 de Leonard Adleman qui a résolu un exemple du problème du chemin hamiltonien dans un graphe à 7 sommets par la manipulation de brins d'ADN dans des tubes à essai[15]. Les calculs d'ADN partent d'une entrée initiale codée comme une séquence d'ADN (essentiellement une séquence au-dessus de l'alphabet à quatre lettres {A, C, G, T}), et procèdent par une succession de bio-opérations telles que le cut-and-paste (par enzymes de restriction et ligases), extraction des brins contenant une certaine sous-séquence (en utilisant la complémentarité Watson-Crick), copie (en utilisant la réaction de la polymérase[16] . Des recherches expérimentales ont réussi à résoudre des cas plus complexes de problèmes NP-complets, comme un cas à 20 variables de 3-SAT, et des implémentations d'ADN humide de machines à états finis.