1 セル状態の定義と基本概念
1.1 セル・オートマトンの構成要素
セル・オートマトンは、格子状に配置された多数のセル（細胞）と、各セルが取りうる状態、および状態を更新するための遷移規則から構成される。セル状態は各セルが保持する離散的な値であり、系全体の振る舞いを決定する基本要素である。各セルは、時刻tにおける自身の状態と、空間的に隣接する近傍セルの状態を参照し、遷移規則に従って時刻t+1における新しい状態を計算する。この過程が全てのセルに対して同時または逐次的に適用されることで、時間発展が実現される。
1.2 状態空間
1.2.1 二値状態と多値状態
セル状態の集合は有限であり、最も単純なものは2つの値のみを持つ二値状態（例えば0と1、生と死）である。これに対して、3値以上の状態を持つ多値状態も広く用いられる。多値状態では、各セルがより多くの情報を保持でき、例えば0,1,2の3状態による色分けや、0から255までの整数値をとるグレースケール状態などが存在する。状態数の増加に伴い、表現可能なパターンや計算能力が拡張される。
1.2.2 状態の有限性と離散性
セル状態は有限かつ離散的な値の集合から選ばれる。有限性とは、取りうる状態の数が上限を持つことを意味し、これにより状態空間のサイズが決定論的に管理される。離散性とは、状態値が連続的な実数ではなく、明確に区別可能な飛び飛びの値であることを指す。これらの特性により、セル・オートマトンはデジタル計算機上で厳密にシミュレーション可能であり、数学的解析も容易となる。
1.3 状態の同期更新と非同期更新
一般的なセル・オートマトンでは、全てのセルが同一のタイミングで状態を更新する同期更新が採用される。これは、各時間ステップにおいて全セルが同時に新しい状態へ遷移する方式である。一方、非同期更新では、各セルが独立したタイミングで状態を更新する。非同期更新には、ランダムな順序で一つずつ更新する逐次更新や、各セルに内部時計を持たせる方法などがある。更新方式の違いは、系のダイナミクスや安定性に大きな影響を与える。
2 状態の表現方法
2.1 整数・文字による表現
セル状態は、数値や文字を用いて抽象的に表現される。最も一般的なのは非負整数による表現であり、二値状態では0と1、多値状態では0,1,2,…と番号が振られる。また、アルファベットや記号を用いて状態を区別することもある。例えば、ライフゲームでは"生"を"1"または"●"、"死"を"0"または"○"と表記する。こうした抽象表現は、遷移規則の数式化やプログラムでの実装に適している。
2.2 色・記号による視覚化
2.2.1 一次元セル・オートマトンの表現
一次元セル・オートマトンでは、各セルの状態を横一列に並べ、時間軸を縦方向にとって時系列パターンとして視覚化することが多い。二値状態の場合、黒（状態1）と白（状態0）のセルを用いて、横軸にセル位置、縦軸に時間ステップをとった二次元画像として表現される。有名なルール30やルール90のパターンは、このようなビットマップ画像として知られている。
2.2.2 二次元セル・オートマトンの表現
二次元セル・オートマトンでは、各時間ステップにおけるセルの状態を二次元の格子画像として表示する。二値状態では黒と白、多値状態では色相や輝度を割り当てて表現する。ライフゲームでは、生セルを黒または緑、死セルを白または灰色で示すのが標準的である。グライダーやブロックなどのパターンは、この視覚表現によって容易に識別できる。
3 状態遷移規則と状態の関係
3.1 近傍の定義
3.1.1 ムーア近傍とフォン・ノイマン近傍
二次元セル・オートマトンにおいて、中心セル自身を含めた近傍の定義は代表的に2種類ある。ムーア近傍は中心セルとその上下左右および斜め4方向の合計9セルからなる。フォン・ノイマン近傍は中心セルと上下左右の4方向のみ、合計5セルである。これらの近傍サイズと形状により、遷移規則の複雑さやパターンの広がり方が異なる。一次元セル・オートマトンでは、通常、自身と左右隣接セルの合計3セル（半径1近傍）が標準的である。
3.1.2 カスタム近傍
標準的な近傍に加えて、より遠くのセルを含む拡張近傍や、六角格子・三角格子など異なる格子構造に合わせた近傍も定義される。また、各セルが異なる重みを持つウェイト付き近傍や、方向依存性を持つ非対称近傍もカスタム近傍の一種である。これにより、流体シミュレーションや結晶成長モデルなど、特定の現象に特化したセル・オートマトンを構築できる。
3.2 遷移関数の種類
3.2.1 ルールコード（例：ルール30、ルール110）
一次元セル・オートマトンの遷移規則は、近傍パターン（8通り）に対する次の状態を8ビットの二進数でコード化したルール番号で呼ばれる。例えば、ルール30はWolframコード30に対応し、カオス的なパターンを生成する。ルール110はチューリング完全性を持つことで知られる。これらのルールコードは、状態遷移を簡潔に指定する方法として広く利用されている。
3.2.2 総和型ルールと多数決型ルール
総和型ルールは、近傍内のセルの状態の合計値（二値状態の場合は生セルの数）に基づいて次の状態を決定する。例えば、ライフゲームの遷移規則は、近傍の生セル数が2または3の場合に生セルが生存し、3の場合に死セルが誕生するという総和型ルールである。多数決型ルールは、近傍セルの過半数が特定の状態をとるときに中心セルがその状態になるという単純なルールで、パターンの平滑化に用いられる。
3.3 状態の保存と対称性
一部の遷移規則では、系全体の状態の総和や特定の不変量が保存される。例えば、総和保存ルールでは全セルの状態値の合計が時間発展を通じて一定に保たれる。また、遷移規則が並進対称性や回転対称性を持つ場合、系の挙動に対称性が反映される。状態保存則や対称性は、セル・オートマトンの解析や設計において重要な手がかりとなる。
4 代表的なセル状態の例
4.1 ライフゲームにおける生死状態
4.1.1 状態"生"と"死"の定義
ジョン・コンウェイが考案したライフゲームは、二次元セル・オートマトンの代表例である。各セルは"生"（状態1）または"死"（状態0）の二値状態を持つ。遷移規則は以下の通り：生セルは、周囲8近傍の生セル数が2または3であれば生存、それ以外では死亡する。死セルは、周囲の生セル数がちょうど3であれば誕生する。このシンプルな規則から、驚くほど複雑なパターンが発生する。
4.1.2 ゾウ・ブロック・グライダーなどのパターン
ライフゲームには、安定した静止物体（ブロック、蜂の巣など）、周期的に振動する物体（ブリンカー、トードなど）、空間を移動する物体（グライダー、宇宙船など）が多数存在する。グライダーは4つの生セルからなるパターンで、斜め方向に一定速度で進行する。ゾウは8世代周期で振動するパターンである。これらのパターンは、セル状態の空間的配置と時間的変化が生み出す創発現象の典型例である。
4.2 一次元セル・オートマトンの状態例
4.2.1 ルール90の状態推移
ルール90は、近傍3セルの値の排他的論理和（XOR）を次の状態とするルールである。初期状態に1つの生セル（状態1）のみを与えると、時間発展によりシェルピンスキーのギャスケットと呼ばれるフラクタルパターンが現れる。二値状態の単純な規則でありながら、自己相似性を持つ複雑な幾何学模様を生成する点で有名である。
4.2.2 ルール184の交通流モデル
ルール184は、交通流を模擬する一次元セル・オートマトンとして知られる。状態1を車、状態0を空きスペースとみなし、車は前方が空いていれば前進するという規則（1→0, 0→1の条件付き）で動作する。このルールは、高速道路における渋滞の発生や自由流の形成を単純にモデル化でき、セル状態が実際の物理現象のシミュレーションに応用される例である。
5 拡張されたセル状態
5.1 連続状態セル・オートマトン
通常のセル状態は離散的であるが、連続状態セル・オートマトン（連続セル・オートマトン）では、各セルが0から1までの実数値などの連続値をとる。遷移規則には微分方程式や関数の適用が用いられ、反応拡散系や流体のシミュレーションに利用される。連続値により、より滑らかなパターンやアナログ的な振る舞いを表現可能となる。
5.2 確率的状態遷移
確率的セル・オートマトンでは、遷移規則が確率的に適用される。各セルは一定の確率で特定の状態に遷移する、または複数の候補状態の中から確率的に選択される。これにより、熱ゆらぎやランダムノイズを考慮したモデルが構築でき、生態系の動態や社会現象のシミュレーションに応用される。
5.3 多次元・多層状態
セル・オートマトンは、三次元空間やそれ以上の次元に拡張可能である。また、一つのセルが複数の状態変数を持つ多層状態（マルチレイヤー状態）も定義される。例えば、免疫系モデルでは各セルが細胞種と活性化レベルの二つの状態を持つ。これにより、より複雑な生物学的・物理学的システムを表現できる。
6 セル状態の理論的意義
6.1 計算可能性とチューリング完全性
特定の遷移規則と初期状態を持つセル・オートマトンは、チューリング完全性を示すことが証明されている。例えば、ルール110やライフゲームがこれに該当する。セル状態の空間的配置と時間発展は、任意のアルゴリズムの計算をエミュレートできることを意味し、セル状態が普遍的な計算媒体として機能する理論的基盤となる。
6.2 エルゴード理論とカオス
セル・オートマトンの状態空間におけるダイナミクスは、エルゴード理論の対象となる。一部のルール（例えばルール30）は、初期状態のわずかな差異が時間発展後に大きく拡大するカオス的な振る舞いを示す。状態の統計的性質や長期的なパターンの予測不可能性は、非線形力学系の研究と深く関連する。
6.3 情報伝搬とパターン形成
セル状態の変化は、近傍を通じて情報が伝搬する過程とみなせる。特定のパターン（グライダーなど）は、情報を空間的に運ぶ役割を果たす。セル・オートマトンにおける情報の流れや、パターンの自己組織化は、複雑系科学や生命の情報処理の理解に寄与する。
7 セル状態の応用
7.1 計算機シミュレーションとモデリング
セル・オートマトンは、計算機上で容易に実装できるため、さまざまな現象のシミュレーションに用いられる。例えば、森林火災の延焼モデル、流行病の拡散モデル、結晶成長モデル、都市発展モデルなどが挙げられる。各セルの状態を現実の対象に対応させることで、複雑な現象を単純な規則から再現できる。
7.2 暗号理論と乱数生成
カオス的な挙動を示すセル・オートマトン（特にルール30）は、疑似乱数生成器として利用される。初期状態とルールが決まれば、決定論的に一見ランダムな数列が生成されるため、暗号アルゴリズムの一部として応用される。セル状態の予測困難性が安全性の根拠となる。
7.3 ゲームとアートへの応用
ライフゲームをはじめとするセル・オートマトンは、コンピュータゲームやインタラクティブアートにおいて広く使われる。ユーザーが初期状態を設定することで、自動生成されるパターンの美的価値が評価される。また、音楽生成や画像処理への応用も行われ、セル状態の遷移が創造的な表現手段となっている。