论文中描述的模型，该纸张模拟了2D中Fitzhugh-Nagumo模型的Alan Turing提出的方程式，作为形成动物皮肤模式的模型 - 换句话说：换句话说：模拟两种物质在表面上扩散，它们如何相互作用以及出现的模式。这是论文的结果：

Question

我已经在处理/java中实现了它（至少对

的解释），但是它不能像它那样起作用（价值观有所不同，第一次迭代时even），所以我想知道什么问题在我的实施中（包含在帖子的结尾）。 这些是本文有关实施的3个相关部分：

1。 u＆v

有两个物质，u和v（可以分别将其视为激活剂和抑制剂）

2。有限差方程 为u

和

---

v

的每个值（像素）定义了相当简单的像素卷积。使用IT及其邻居的电流 - 材料值同时计算下一代中给定像素的值。

给定像素（I，J）在n+1迭代中的值

u

的值定义为：

给定像素（i，j）在n+1迭代中的值

v

的值定义为：

3。他们使用的常数

因此，我遇到的问题是，

u

和v的值很快就与无穷大/nan分歧（我希望它们应该在0 ... 1之内，尽管该论文没有明确提及这一点）。 v似乎首先差异，并随之而来，如这里所示（对于某些恒定索引）：

0.94296926 0.77225316 // u, v after random initialisation
0.91600573 -62633.082 // values after first iteration -- v has already diverged massively
63.525314 5.19890688E8 // second iteration -- even more divergence
-520088.38 -2.98866172E14 // ...and so on...
1.40978577E14 1.2764294E19
-Infinity -1.7436987E24
NaN NaN
NaN NaN

代码

//Parallel Simulation of Pattern formation in a reactiondiffusion system of Fitzhugh-Nagumo Using GPU CUDA
// Alfredo Gormantara and Pranowo1

static final float a = 2.8e-4; 
static final float b = 5.0e-3;
static final float k = -0.005;
static final float tau = 0.1;
static final float delta_t = 1e-3;

float[][] u; // activator
float[][] v; // inhibitor

void setup() {

  size(512, 512);

  frameRate(5);

  u = new float[height][width];
  v = new float[height][width];

  for (int i = 0; i < u.length; i++) {
    for (int j = 0; j < u[0].length; j++) {
      u[i][j] = random(1); // random of max of 1 ?
      v[i][j] = random(1); // random of max 1?
    }
  }

  loadPixels();
}

void draw() {

  float[][] u_n_1 = new float[height][width]; // array holding the n+1 iteration values of u
  float[][] v_n_1 = new float[height][width]; // array holding the n+1 iteration values of v

  float denom = 2f / width; // 2/MESH_SIZE -- I think mesh_size is dimension of the grid 
  denom*=denom; // square for denominator
  
  println(u[34][45], v[34][45]); // print vals of one location to see divergence

  for (int y = 0; y < height; y++) {

    int negative_y_i = y-1 < 0 ? height-1 : y-1; // wrap around grid
    for (int x = 0; x < width; x++) {

      final float u_n = u[y][x];
      final float v_n = v[y][x];

      int negative_x_i = x-1 < 0 ? width-1 : x-1; // wrap around grid

      // calculate laplace (12)
      float u_n_1_laplace = u[y][(x+1) % (width)] + u[y][negative_x_i] + u[(y+1) % (height)][x] + u[negative_y_i][x]; //n+1th iteration

      u_n_1_laplace -= (4 * u_n);
      u_n_1_laplace /= denom; // divide by (2/DIM)^2
      u_n_1_laplace *= a;

      // calculate n+1th iteration u value
      u_n_1[y][x] = u_n + delta_t*( u_n_1_laplace + u_n -(u_n*u_n*u_n) - v_n + k );

      // calculate laplace (14)
      float v_n_1_laplace = v[y][(x+1)% (width)] + v[y][negative_x_i] + v[(y+1)% (height)][x] + v[negative_y_i][x]; //n+1th iteration
      v_n_1_laplace -= (4 * u_n);
      v_n_1_laplace /= denom; // denom is really small, so value goes huge
      v_n_1_laplace *=b;

      v_n_1[y][x] =  v_n + (tau/delta_t)*( v_n_1_laplace + u_n - v_n);

      pixels[y*width + x] = color((int) ((u_n_1[y][x]-v_n_1[y][x])*255));
    }
  }

  u = u_n_1.clone(); // copy over new iteration values
  v = v_n_1.clone(); // copy over new iteration values
  updatePixels();
}

我已经能够修复它。

有3个问题：

---

论文（14）给出的V的Laplacian的方程式有一个术语，但我现在认为这是错别字，应该是-4u。 I必须降低时间步长（-4v）的值，使其比纸张给出的小（至少使用512x512网格 - 较小的网格不需要小的delta_t值），否则，值很快就向南差异。

像素颜色映射：

1e-3

的范围为-1 ... 1，而不是0 ... 1，如前所述。

delta_t

Answer 1