slide1
Download
Skip this Video
Download Presentation
Relationale Wachstumsgrammatiken und GroIMP: Spezifikation multiskalierter Struktur-Funktions-Modelle von Pflanzen mit 3D-Grafik-Komponente

Loading in 2 Seconds...

play fullscreen
1 / 72

Relationale Wachstumsgrammatiken und GroIMP: Spezifikation multiskalierter Struktur-Funktions-Modelle von Pflanzen mit 3 - PowerPoint PPT Presentation


  • 124 Views
  • Uploaded on

Relationale Wachstumsgrammatiken und GroIMP: Spezifikation multiskalierter Struktur-Funktions-Modelle von Pflanzen mit 3D-Grafik-Komponente http://www.grogra.de. Pflanzenmodelle: bisherige Ansätze in der Biologie. Prozessmodelle Einheiten: Stoffpools in Kompartimenten

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Relationale Wachstumsgrammatiken und GroIMP: Spezifikation multiskalierter Struktur-Funktions-Modelle von Pflanzen mit 3' - gilda


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Relationale Wachstumsgrammatiken

und GroIMP:

Spezifikation multiskalierter Struktur-Funktions-Modelle von Pflanzen mit 3D-Grafik-Komponente

http://www.grogra.de

slide2

Pflanzenmodelle: bisherige Ansätze in der Biologie

  • Prozessmodelle
  • Einheiten: Stoffpools in Kompartimenten
  • Flüsse zwischen den Pools
  • Umweltfaktoren

Beispiel:

Modell der Ozon-wirkung

(Martin et al. 2000)

slide4

Prozessmodelle – Nachteile:

  • mangelhaft repräsentierte räumliche Struktur
  • Parameterfitting, bei großen Modellen zu viele Freiheitsgrade
  • keine Repräsentation der Objekte, mit denen der Pflanzenzüchter /
  • Botaniker / Agronom arbeitet
  • (b) Strukturmodelle
  • Einheiten: Organe / Module der Pflanze
  • (botanisch sinnvolle und visualisierbare Einheiten!)
  • Konkurrenzeffekte (Licht, Raum, Bodenressourcen) ergeben sich (z.T.) aus dem Modell
  • Parameter überschaubar, messbar
slide5

Strukturmodelle – Beispiele:

L-System-basierte Modelle

(siehe später)

Kurth 1998,

1999

Prusinkiewicz & Lindenmayer 1990

slide7

AMAP (de Reffye et al., seit 1976, CIRAD, Montpellier):

Atelier de la Modélisation de l\'Architecture des Plantes

  • - modelliert die Aktivität von Meristemen
  • entwickelt in enger Zusammenarbeit von Informatikern und Biologen
  • weiterentwickelt über die letzten 25 Jahre: Aufnahme neuer Ideen (Markoffketten-Modelle, Referenzachse, Kohlenstoff-Allokations-Modelle...)
  • verschiedene, divergierende Software-Systeme für verschiedene Zwecke
slide9

XFROG (Deussen & Lintermann):

• interaktives System zur Pflanzenmodellierung, das sich am

Szenengraphen-Konzept orientiert

• botanisch nur schwach fundiert, keine Wachstumsmodellierung

• aber grafisch zufriedenstellende Ergebnisse

• hohe Form-Flexibilität

slide10

Strukturmodelle – Nachteile:

• keine (oder wenig) Berücksichtigung der funktionalen Aspekte

von Pflanzen

• kein Stoffhaushalt, keine Kopplung mit niedrigen Skalenebenen

slide11

Logistische Sigmoidfunktion mit 3 Parametern

(c) aggregierte Modelle (statistische Modelle)

Beschreibung eines Kollektivs (räumlich / zeitlich) mit Mitteln der Statistik (Momente, Korrelation, Regressionsrechnung etc.)

Beispiel: Modell der Blattstreckung bei Gerste (Buck-Sorlin 2004)

slide13

Struktur-Funktions-Modelle von Pflanzen

(Functional-structural plant models, FSPM):

Verbindung der beiden unteren Ecken

des Dreiecks

Vorgehensweise:

Verteilung der Prozesse

auf die Module

Hilfsmittel:

OOP

aus Breckling (1996)

slide14

Beispiel ALMIS

(Eschenbach 2000)

slide16

Nachteile bisheriger ad hoc - FSPMs:

  • Einzellösungen, oft stark spezialisiert
  • umfangreicher, komplexer Quellcode,
  • der technische Einzelheiten gemischt mit
  • fundamentalen Modellstrukturen enthält
slide20

• in bisherigen Struktur-Funktions-Modellen

wird oft nur 1 Konkurrenzfaktor,

bzw. 1 funktionaler Aspekt behandelt

  • Ziel: "Metasprache" für alle Typen von

Pflanzenmodellen – Wachstumsgrammatik

  • Verbesserung der Transparenz,
  • der Vergleichbarkeit und Kombinierbarkeit von Modellen,
  • der Reproduzierbarkeit der Ergebnisse
  • zusätzlich: Kompatibilität mit leistungsfähigen Grafik-Tools
slide22

klassisches Simulationsprogramm

Interpreter für

Wachstumsgrammatiken

slide23

erster Ansatz: L-Systeme (Lindenmayer-Systeme) dafür verwenden

analog zu Grammatiken für natürliche Sprachen

in jedem Ableitungsschritt parallele Ersetzung aller Zeichen, auf die eine Regel anwendbar ist

von A. Lindenmayer (Botaniker) 1968 zur Modellierung des Wachstums von fadenförmigen Algen eingeführt

slide24

mathematisch:

  • Ein L-System ist ein Tripel (, , R); darin ist:
  • eine Menge von Zeichen, das Alphabet,
  • eine Zeichenkette mit Zeichen aus , das Startwort (auch "Axiom"),

R eine Menge von Regeln der Form

Zeichen  Zeichenkette;

darin sind das Zeichen auf der linken Regelseite und die Zeichenkette aus  entnommen.

slide25

Ein Ableitungsschritt (rewriting) einer Zeichenkette  besteht aus der Ersetzung aller Zeichen in , die in linken Regelseiten von R vorkommen, durch die entsprechenden rechten Regelseiten.

  • Man vereinbart: Zeichen, auf die keine Regeln anwenbar sind, werden unverändert übernommen.
  • Ergebnis zunächst nur:
  • Ableitungskette von Wörtern, die sich durch wiederholte Anwendung des rewriting-Vorgangs aus dem Startwort ergeben.
  • 123 ....
slide26

Beispiel:

Alphabet {A, B}, Startwort A

Regelmenge R:

A  B

B  AB

Ableitungskette:

A  B  AB  BAB  ABBAB  BABABBAB

 ABBABBABABBAB  BABABBABABBABBABABBAB

 ...

wie lang ist die n-te Zeichenkette in dieser Ableitung?

slide27

was für die Modellierung von räumlichen Strukturen noch fehlt:

eine geometrische Interpretation

Füge also zur Def. eines L-Systems hinzu:

eine Abbildung, die jeder Zeichenkette mit Zeichen aus  eine Teilmenge des 3-dimensionalen Raumes zuordnet

slide28

was für die Modellierung von räumlichen Strukturen noch fehlt:

eine geometrische Interpretation

Füge also zur Def. eines L-Systems hinzu:

eine Abbildung, die jeder Zeichenkette mit Zeichen aus  eine Teilmenge des 3-dimensionalen Raumes zuordnet

dann: "interpretierte" L-System-Abarbeitung

123 ....



S1S2S3 ....

S1, S2, S3, ... können als Entwicklungs- oder Entwurfsstufen eines Objekts interpretiert werden.

slide29

Als Interpretationsabbildung wird meistens gewählt:

Turtle geometry ("Schildkrötengeometrie")

befehlsgesteuertes, lokales Navigieren im 2D- oder 3D-Raum (Abelson & diSessa 1982; vgl. Programmier-sprache "LOGO")

slide30

Als Interpretationsabbildung wird meistens gewählt:

Turtle geometry ("Schildkrötengeometrie")

befehlsgesteuertes, lokales Navigieren im 2D- oder 3D-Raum (Abelson & diSessa 1982; vgl. Programmier-sprache "LOGO")

"Turtle": Zeichen- oder Konstruktionsgerät (virtuell)

- speichert (grafische und nicht-grafische) Informationen

- mit einem Zustandsspeicher assoziiert (wichtig für Verzweigungen)

- aktueller Zustand der Turtle enthält z.B. Information über aktuelle Liniendicke, Schrittweite, Farbe, weitere Eigenschaften des als nächstes zu konstruierenden Objekts

slide31

Der Turtle-Befehlsvorrat wird zu einer Untermenge der Zeichenmenge  des L-Systems. Symbole, die nicht Turtle-Befehle sind, werden von der Turtle ignoriert.

Befehle (Auswahl):

F0 "Forward", mit Konstruktion eines Elements

(Linienstück, Segment, Gebäudetrakt...),

benutzt wird die aktuelle Schrittweite für die Länge

(die Null steht für "keine explizite Längenfestlegung")

M0 forward ohne Konstruktion (Move-Befehl)

L(x) ändere die aktuelle Schrittweite (Länge) zu x

LAdd(x) inkrementiere die aktuelle Schrittweite um x

LMul(x) multipliziere die aktuelle Schrittweite mit x

D(x), DAdd(x), DMul(x) analog für die aktuelle

Dicke

slide32

RU(45) Drehung der turtle um die "up"-Achse um 45°

RL(...), RH(...) analog um "left" und "head"-Achse

up-, left- und head-Achse bilden ein rechtwinkliges, räumliches Koordinatensystem, das von der turtle mit-geführt wird

RV(x) Rotation "nach unten" mit durch x vorgegebener Stärke

was ist das Ergebnis der Interpretation der Zeichenkette

L(10) F0 RU(45) F0 RU(45) LMul(0.5) F0 M0 F0?

slide33

Wiederholung von Abschnitten der Zeichenkette möglich mit dem Schlüsselwort "for"

z.B. for ((1:3)) ( A B C )

liefert A B C A B C A B C

was ist das Ergebnis der Interpretation von

L(10) for ((1:6))

( F0 RU(90) LMul(0.8) ) ?

slide34

Verzweigungen: Realisierung mit Speicher-Befehlen

[ lege aktuellen Zustand auf Speicher ("Ablage")

] nimm obersten Zustand von der Ablage und mache diesen zumaktuellen Zustand (damit: Ende der Verzweigung)

slide35

Beispiel:

Regeln

a  F0 [ RU(45) b ] a ;

b  F0 b ;

Startwort L(10) a

(a und b werden normalerweise nicht geometrisch interpretiert.)

(in der Abbildung wurde F statt F0 geschrieben)

slide36

was für eine Struktur liefert das L-System

A  [ LMul(0.25) RU(-45) F0 ] F0 B;

B  [ LMul(0.25) RU(45) F0 ] F0 A;

mit StartwortL(10)A ?

slide37

was für eine Struktur liefert das L-System

A  [ LMul(0.25) RU(-45) F0 ] F0 B;

B  [ LMul(0.25) RU(45) F0 ] F0 A;

mit Startwort L(10)A ?

äquivalente Regel:

A  [ LMul(0.25) RU(-45) F0 ] F0 RH(180) A;

slide38

Weitere Beispiele:

Koch\'sche Kurve:

 L(50) RU(90) A F0;

A  A LMul(0.3333); /* Skalierung */

F0  F0 RU(-60) F0 RU(120) F0 RU(-60) F0;

jedes Linienstück wird durch 4 neue Linienstücke ersetzt (3. Regel); Skalierung durch Hilfssymbol A, welches sich in jedem Schritt reproduziert und dabei jeweils einen zusätzlichen Faktor 1/3 erzeugt (2. Regel).

Das Startwort ist hier "  ".

slide40

Sierpinski-Dreieck (Realisierung als geschlossene Kurve, Verwendung von Hilfssymbol X für Insertion des inneren Dreiecks):

 L(50) RU(90) B F0 X F0 RU(-120) F0 F0 RU(-120) F0 F0;

F0  F0 F0;

X  RU(-120) F0 X F0 RU(120) F0 X F0 RU(120) F0 X F0 RU(-120);

B  B LMul(0.5);

slide41

Verzweigungsbeispiel:

F0 F0 [ RU(25.7) F0 ] F0 [ RU(-25.7) F0 ] F0 ;

Ergebnis nach 7 Schritten:

(Startwort L(10) F0)

slide42

Verzweigung, alternierende Zweigstellung und Verkürzung:

 L(10) F0 A ;

A  LMul(0.5) [ RU(90) F0 ] F0 RH(180) A ;

slide43

welche Struktur liefert

 F(10) A ;

A  [ RU(-60) F(6) RH(180) A Sphere(3) ]

[ RU(40) F(10) RH(180) A Sphere(3) ];

Sphere  Z; ?

(F(n) liefert Linie der vorgegebenen Länge n,

Sphere(n)eine Kugel mit Radius n)

slide44

Erweiterung des Konzepts:

  • Lasse reellwertige Parameter nicht nur bei Turtle-Kommandos wie "RU(45)" und "F(3)" zu, sondern bei allen Zeichen
  • parametrische L-Systeme

beliebig lange, endliche Parameterlisten

  • Parameter werden bei Regel-Matching mit Werten belegt
  • Beispiel:
  • Regel A(x, y)  F(7*x+10) B(y/2)
  • vorliegendes Zeichen z.B.: A(2, 6)
  • nach der Regelanwendung: F(24) B(3)
  • Parameter können in Bedingungen abgeprüft werden
  • (Bedingungen mit Java-Syntax):
  • A(x, y) (x >= 17 && y != 0)  ....
slide45

Welche Struktur wird von folgendem L-System erzeugt?

 [ RU(90) M(1) RU(90) A(1) ] A(1);

A(n)  F(n) RU(90) A(n+1);

slide46

Welche Struktur wird von folgendem L-System erzeugt?

 [ RU(90) M(1) RU(90) A(1) ] A(1);

A(n)  F(n) RU(90) A(n+1);

Variante:

in der zweiten Regel "RU(90)" etwa durch "RU(92)" ersetzen.

slide47

Nachteile von L-Systemen:

• in L-Systemen mit Verzweigungen (über Turtle-Kommandos)

nur 2 mögliche Relationen zwischen Objekten:

"direkter Nachfolger" und "Verzweigung"

Erweiterungen:

• Zulassen weiterer Relationstypen (beliebig wählbar)

• Zulassen von Zyklen (Graph-Grammatik)

slide48

• Grammatik modifiziert direkt den Graphen, Umweg über String-Codierung entfällt (bzw. wird nur noch für Regel-Input gebraucht)

"relationale Wachstumsgrammatik"

slide49

außerdem Nachteil der Turtle-Interpretation von L-Systemen:Segmente sind nur Zylinder, keine Objekte im Sinne der OOP

 Erweiterungen:

• Knoten des Graphen können beliebige Objekte sein

(auch Grafikobjekte)

• Einbettung von Code einer höheren, imperativen

oder objektorientierten Programmiersprache in die Regeln

(für uns: Java)

slide50

Relationale Wachstumsgrammatiken (RGG)

Aufbau einer Regel einer RGG:

slide51

eine RGG-Regel und ihre Anwendung in grafischer Form:

Regel:

Anwendung:

Regel in Textform:i -b-> j -a-> k -a-> i ==> j

slide52

Kanten-Markierungen repräsentieren verschiedene Arten

von Relationen:

• ist Nachfolger von

• enthält

• trägt als Seitentrieb

• codiert (genetisch)

• ist gepaart mit

• (...)

 auch möglich: Darstellung von multiskalierten Strukturen

slide53

RGG als Verallgemeinerungen von L-Systemen:

Zeichenketten entsprechen speziellen Graphen

In Textform schreiben wir allgemeine Kanten als -edgelabel->

Kanten des speziellen Typs "Nachfolger" werden als Leerzeichen geschrieben (statt -successor->)

Sonderformen von RGG-Regeln:

Aktualisierungsregeln ( C,(E) ::> P ): es werden nur Parameter verändert

Instanzierungsregeln: einzelne Module werden in Substrukturen expandiert, ohne Einfluss auf den nächsten Entwicklungsschritt

(vgl. Multiplikator-Knoten bei XFROG)

slide54

Realisierung dieser Konstrukte in einer Programmiersprache:

Sprache XL (eXtended L-system language)

• RGG-Regeln in Blöcken organisiert

 Kontrolle der Reihenfolge der Regelanwendungen

• Turtle-Kommandos als Knoten erlaubt

• Knoten sind Java-Objekte

• Sprache Java als Rahmen für die gesamte RGG

 Benutzer kann Konstanten, Variablen, Klassen... definieren

slide55

XL wird interpretiert von der interaktiven 3D-PlattformGroIMP(Growth-grammar related Interactive Modelling Platform)

• GroIMP stellt Objekte für die 3D-Visualisierung bereit.

Diese können in XL verwendet werden (analog zur Turtle-Grafik in klassischen L-Systemen).

• GroIMP ist ein open source-Projekt; siehe

http://www.grogra.de.

slide57

Beispiel für RGG-Anwendung:

  • Signalausbreitung in einem Netzwerk
  • Zellen mit zwei Zuständen (0 oder 1) – codiert als Attribut
  • (Knoten-Markierung) "state"
  • nur eine RGG-Regel:
  • (* c1: Cell *) c2: Cell, (c1.state == 1) ==> c2(1)

grafische Darstellung der Regel:

(schattiert: Kontext)

slide58

2

3

1

Anwendung auf ein gegebenes Netzwerk:

Verfeinerung:

Verwendung reellwertiger Zustände (für Konzentrationen...)

und von Regeln, die typische Reaktionskinetiken darstellen

 Simulation von Reaktions- und Transportnetzwerken

slide59

Beispiel für Simulation eines genetischen Prozesses:

  • Crossing over
  • Zwei homologe Chromosomenstränge, codiert als Strings mit "Nachfolger"-Relation
  • RGG-Regel:
  • Anwendung:

Alignment homologer Allele

slide60

Beispiel Gerstenmodell: Gibberellinsäure (GA1) steuert die Streckung der Spross-Segmente

Synthese von GA im Organismus

slide61

Regeln:

Substratkonzentrationen:

Cell [s:GA19] [p:GA20] [f:GA1] ::>

competitiveInhibition(s, p, f, Vmax, Km, KI)

Transport:

Cell [a:GA19] -predecessor-> Cell [b:GA19] ::>

{

double r = C * a.concentration;

a.concentration :-= r*T;

b.concentration :+= r*T;

}

Internodienstreckung:

i:Internode [s:GA1] ::> i.length :+= L*s.concentration*T;

prozedural

implementiert

slide62

Wachstum einer Gerstenpflanze (Wildtyp)

  • Blätter nicht dargestellt
  • Zylinder stehen für GA19-Konzentration
slide64

Wachstum einer Gerstenpflanze (Wildtyp)

  • Blätter sichtbar
  • Konzentrations-Zylinder weggelassen
slide66

simulierte Pflanze

in gerenderter

3D-Darstellung

slide67

Wachstum einer Gerstenpflanze: Zwerg-Mutante

  • Produktion von GA19 gehemmt
  • Blätter sichtbar
  • Konzentrations-Zylinder weggelassen
slide69

Gersten-Züchtungsmodell

mit interaktiver Auswahl der Eltern-Individuen

und Simulation der Nachkommenschaft

slide71

Rapsmodell

(Diplomarbeit

Christian Groer)

slide72

Themen für Studien-, Diplom-, Bachelor-, Masterarbeiten:

  • Ausbau von GroIMP durch Interpolationsmöglichkeiten und dynamische Animation
  • Erweiterung von GroIMP durch neue Rendering-Möglich-keiten (GPU-Ausnutzung) und Funktionen zur Bilderstellung
  • Einsatz von RGG zur künstlichen Evolution von Pflanzen
  • Implementation von Analysetools, grafischen Editor-funktionen und Schnittstellen in GroIMP (insbes. VRML)
  • Effizientes Graph-Matching für die RGG-Anwendung
  • Interaktives Gerstenmodell mit Genauswahl über http-Protokoll für webbasiertes Arbeiten
  • ....
ad