Bayesian Cellular Automata — Probabilistische Kalibrierung von Übergangsregeln mittels Bayes'scher Inferenz

Bayesian Cellular Automata (BCA) kombiniert die räumlichen Dynamiken lokaler Regeln klassischer zellularer Automaten mit Bayes'scher Inferenz, um Übergangswahrscheinlichkeiten aus beobachteten Daten zu lernen oder zu kalibrieren. Anstatt Regeln von Hand festzulegen, kodiert der Analytiker Vorwissen darüber, wie Zellen ihren Zustand ändern, und aktualisiert diese Überzeugungen mit empirischen Beweisen, was zu einer Posterior-Verteilung über Regelparameter führt, die prinzipiengeleitete, unsicherheitsbewusste Simulationen antreibt.