当前版本：v5.0 发布日期：2025年7月16日
本项目构建了一个名为涌现认知生态系统（ECE）的虚拟宇宙模型，定义了宇宙的基本公理和生命运作的法则，探索生命的演化、智能的涌现等现象。该模型以数学和逻辑为基础，模拟生命从诞生到发展的整个过程。模型运行于二维连续空间，通过基因遗传与突变、能量获取与消耗等机制，模拟生命的演化过程。
本项目由一位中国的高中复读生和Cursor共同编写。
ece_simulation.py：主模拟程序，负责运行整个涌现认知生态系统的模拟，包含宇宙公理设定、生命单元行为模拟、演化引擎等核心功能。支持命令行参数配置模拟过程。ece_replay.py：回放器程序，用于播放ECE生成的CSV日志文件，支持后续观察和分析，具备相机系统、场景可视化等功能。
确保你已经安装了Python环境，以及项目所需的依赖库。项目主要依赖以下Python库：
pygame：用于图形界面显示和交互。numpy：用于数值计算。pandas：用于数据处理和日志读取。
可以通过以下命令安装依赖（如果有requirements.txt文件）：
pip install -r requirements.txt运行主程序开始模拟，支持以下命令行参数：
python ece_simulation.py \
--initial_agents 100 \
--max_agents 500 \
--mutation_rate 0.03 \
--log_dir ./logs模拟过程中会在logs目录下生成事件日志和模拟日志。
模拟过程中的日志会保存在 logs 目录下，每个运行实例会生成独立的文件夹，包含事件日志（event_log.csv）和模拟日志（simulation_log.csv）。你可以使用 ece_replay.py 回放这些日志进行详细分析。
运行回放器程序，选择要回放的日志文件：
python ece_replay.py宇宙是一个二维连续空间 W，其中存在统一、动态且多通道的外部环境场 Φ_abiotic(p, t)。此场是生命交互的中立背景，遵循自身物理动力学演化。
宇宙中存在离散的生命体 aᵢ，每个生命体是无维度质点，位于空间点 pᵢ。其本质由两部分构成：
- 基因 Gᵢ：一维数字向量 (Gᵢ ∈ ℝⁿ)，是先天的遗传蓝图。
- 能量 Eᵢ：用于维持存在和活动的标量储备。
宇宙宏观演化由自然选择驱动，唯一标准是能量获取与存续。生命通过繁殖传递基因，繁殖时基因会发生随机微扰（突变）。
基因 Gᵢ 是完整发育程序，生命体诞生时构建所有功能系统初始形态，核心为：
- 感知系统 K_p：抽象的“微分探测器”，属性由基因 Gᵢ 编码。
- 计算系统 Cᵢ：“计算核心”（神经网络），初始网络拓扑、节点数量、连接方式和权重由基因 Gᵢ 生成。
- 感知：在位置 pᵢ，感知系统 K_p 对宇宙总场 Φ_total = Φ_abiotic + Φ_biotic 进行微分度量，生成感知向量 Vᵢ(t) = (Φ_total(pᵢ, t), ∇Φ_total(pᵢ, t))。
- 计算：感知向量 Vᵢ 输入计算核心 Cᵢ 进行信息处理。
- 表达：计算输出行动指令 Aᵢ，决定移动 dpᵢ/dt 和沟通 ∂Φ_i_biotic/∂t。
生命体能量变化率 dEᵢ/dt 由能量获取项与消耗项总和决定：
- 能量获取：
- 环境获取：f_env(Gᵢ, Φ_abiotic(pᵢ))，由基因决定是否为“自养”生物。
- 互动获取：Σ_{j≠i} (Gⱼᵀ * K * Gᵢ * f(dᵢⱼ))，通过“锁钥模型”转移能量。
- 能量消耗：
- 基础代谢 δ_E：与计算核心复杂度和性能 Ω(Cᵢ) 呈指数级增长。
- 行动成本：移动和信号发射消耗能量，与行动强度非线性正相关。
- 死亡：当 Eᵢ ≤ 0 时，生命体消亡，释放残余能量 E_res 到环境场。
- 繁殖：当 Eᵢ 超过繁殖阈值 E_repro(Gᵢ) 时可繁殖。
- 繁殖代价：消耗后代能量 E_child(Gᵢ)，母体能量减少。
- 遗传与突变：新生命体携带突变基因 G_j 诞生，初始能量为 E_child(Gᵢ)。
学习和智能是演化的杰作，非宇宙公理。通过修改基因 G，构建能实现“元学习回路”的复杂计算核心 Cᵢ，使生命体可根据自身经验动态修改计算核心，获得生存优势。
- 进一步优化模拟算法，提高模拟效率和准确性。
- 增加更多的可视化功能，直观展示生命演化和智能涌现过程。
- 探索不同初始条件和参数设置对生命演化的影响。
- 研究如何将该模型应用于实际问题，如生物进化研究、人工智能算法优化等。