Shader Laboratory
848 subscribers
265 photos
15 videos
59 files
404 links
Shader Laboratory
a channel about shaders in telegram

ID : @smkgames

MyStack : goo.gl/smMuqe 😎👌
Download Telegram
Kamali
Forward Rendering vs Deferred Rendering.docx
مطالب بالا رو به صورت فایل word هم گذاشتم
می تونید دانلود کنید
دوستان مطالب شاید کمی خسته کنند بوده

لذا در ادامه برای تنوع قصد داریم بریم سراغ مبحثی به نام
Reaction Diffusion

منتظر مطالب باشید😉
Forwarded from Kamali
مثالی دیگر از Reaction Diffusion
Shader Laboratory
GIF
سلام دوستان امروز قصد داریم به روند کلی Reaction Diffusion اشاره ای بکنیم
Shader Laboratory
https://www.youtube.com/watch?v=BV9ny785UNc
این ویدیو توضیح کامل و جامع رو داده ولی خب من خلاصشو براتون آماده کردم:

ایده ی اصلی اینه که فرض کنید می خوایم دوتا ماده ی شیمیایی رو با هم ترکیب کنیم
ما دوتا ماتریس برای نگهداری تولید قبلی و بعدی داریم که مثل یک چرخه عمل می کنه
با استفاده از فرمول reaction diffusion می تونیم تولید بعدی رو نسبت به تولید قبلی انجام بدیم در نتیجه بعد از مدتی تولید انجام میشه
نکته:در این فرمول ما مجموع همسایه ها در ماتریس رو با عملگر لاپلاس نشان دادیم
شبیه سازی مجازی واکنش دو ماده شیمیایی و انتشار در شبکه ی دوبعدی با استفاده از مدل Gray-Scott
ماده ی شیمیایی A با سرعت معینی به نام "سرعت تغذیه" اضافه می شود
واکنش: دوتا B یک A را به B تبدیل می کند، بطوریکه اگر B دوباره تولید شود از A به عنوان غذا استفاده می کند.
ماده شیمیایی B با سرعت معینی به نام "سرعت کشته شدن" حذف می شود.
انتشار: هر دو مواد شیمیایی پخش می شوند بنابراین غلظت های نامتعادل در سراسر شبکه گسترش می یابد، اما A سریعتر از B پخش می شود.
این سیستم با استفاده از دو عدد در هر سلول شبکه برای غلظت های محلی A و B تقریب می شود. (ذرات به صورت جداگانه شبیه سازی نشده اند.)
هنگامی که یک شبکه از هزاران سلول شبیه سازی می شود، الگوهای بزرگتر می توانند ظهور کنند.
شبکه به سرعت با استفاده آپدیت می شود و برای آپدیت غلظت A و B در هر سلول و مدل کردن رفتارهایی که در بالا توضیح داده شد از معادلات زیر استفاده می کند.
برخی از مقادیر معمول مورد استفاده برای کسانی که علاقه مند هستند عبارتند از: DA = 1.0، DB = .5، f = .055، k = .062 (f و k برای رفتارهای مختلف متفاوت است)، و Δt = 1.0. Laplacian با یک کانولوشن 3 3 x با وزن مرکز -1، همسایگان مجاور 2 و قطرهای 05/0 انجام می شود. شبکه با A = 1، B = 0، و یک منطقه کوچک با B = 1مقدار دهی اولیه می شود.