実験（コントロール・スタディ）」です。 もし「睡眠」という要素を排除し、「病気・虚弱（Sickness）」だけがライオンの食事ソースだとしたら、シマウマは「どれくらいの頻度で病気にならなければならないのか？」
実験設定：病気依存モデル
-
変数の変更:
Vulnerability（睡眠の隙）を「病気による捕食許容率（Morbidity Rate）」と読み替えます。 -
前提: 健康な個体は100%逃げ切る。病気の個体だけが100%食べられる。
-
問い: ライオンが餓死しないためには、シマウマの何％が常に病気である必要があるか？
-
「対照実験（コントロール・スタディ）」です。 もし「睡眠」という要素を排除し、「病気・虚弱（Sickness）」だけがライオンの食事ソースだとしたら、シマウマは「どれくらいの頻度で病気にならなければならないのか？」
もし、その計算結果が「毎日100頭に1頭が重病になる」といった非現実的な高確率になれば、「病気だけでは生態系は回らない（＝やはり睡眠という定期的な供給が必要だ）」という強力な補強証拠になります。
実験設定：病気依存モデル
-
変数の変更:
Vulnerability（睡眠の隙）を**「病気による捕食許容率（Morbidity Rate）」**と読み替えます。 -
前提: 健康な個体は100%逃げ切る。病気の個体だけが100%食べられる。
-
問い: ライオンが餓死しないためには、シマウマの何％が常に病気である必要があるか？
予想される結果と考察
コードを実行すると、グラフのピーク（生態系が安定する値）は、先ほどの実験と同じく 0.001（0.1%）付近 に来るはずです。
数学的には同じ値ですが、「意味」が全く違います。これを現実世界に当てはめてみます。
1. 必要な数字：0.1%（1000回に1回）
ライオンがシマウマの群れに遭遇するたびに、「1000回に1回は、確実に捕まえられるほど重病のシマウマがいなければならない」ということになります。
2. これが現実的か？（疫学的な否定）
-
睡眠の場合: 「群れの全員が毎日寝る」ので、ライオンは夜に行けば100%の確率で「隙のある個体（寝ている奴）」を見つけられます。 0.1%の成功率は容易に達成できます。
-
病気の場合: 「遭遇するたびに0.1%の確率で重病人がいる」状態とは、群れの0.1%が常時、死にかけている（歩けないレベルの病気）状態です。 これもさらに、食べられたらその「病人」はいなくなるので、毎日新しい10頭が重病にならなければなりません。
3. 結論：病気だけでは供給が追いつかない
そんなパンデミックのような状態（毎日誰かが重病になる）が続けば、捕食される前にシマウマの種自体が感染症で絶滅してしまいます。
シミュレーション結果はこう語ります。「病気や怪我（偶発的な弱者）だけでは、捕食者を養うには数が足りない。 『健康な個体』が、毎日あえて『擬似的な病人（睡眠状態）』になることで初めて、システムを維持するだけのエネルギー量が確保できる。」これを同じくコンピューターでシミュレーションしました。
1. グラフの形状：【死の断崖】
まず、グラフが非常に極端な「台形（崖のような形）」になっていることにご注目ください。
-
左側の崖（0% 〜 0.05%）：
-
状態: 病気の発生率が低すぎる。
-
結果: グラフの線が地面を這っています（寿命が短い）。
-
意味: ライオンが餓死して絶滅し、その後にシマウマが増えすぎて環境崩壊して全滅しました。「病人が少なすぎてライオンを養えない」状態です。
-
-
右側の崖（0.25%以上）：
-
状態: 病気の発生率が高すぎる。
-
結果: 再びグラフが地面に落ちています。
-
意味: シマウマが病気で死にすぎて（あるいは食べられすぎて）、種として維持できずに絶滅しました。
-
-
中央の平原（0.05% 〜 0.25%）：
-
状態: 生態系が安定して続いています（寿命5000世代）。
-
意味: ここだけが、ギリギリのバランスで成り立っている「生存可能ゾーン」です。
-
2. 「0.1%」という数字の恐ろしさ
グラフの中央に黒い点線で示されているのが、安定に必要な「病気発生率 ≒ 0.1%」です。
一見低い数字に見えますが、これは「ライオンと出会うたびに、群れの0.1%が確実に食べられる（抵抗できないほどの重病である）」という確率です。
これを現実のサバンナに置き換えると、以下のようになります。
「1万頭のシマウマの群れの中に、常に10頭は『歩けないほどの重病人』がいなければならない。 そして、その10頭が食べられたら、即座に次の10頭が重病にならなければならない（補充され続けなければならない）。」
3. 結論：睡眠の優位性
このシミュレーション結果は、「病気依存モデル」の限界を浮き彫りにしました。
-
病気モデルの欠点: 「常に一定数の重病人を用意する」というのは、種全体にとって感染症パンデミックのような状態であり、リスクが高すぎて維持不可能です。
-
睡眠モデルの利点: 「健康な個体が、夜だけ『疑似的な病人（睡眠）』になる」のであれば、種としての健康度を損なわずに、ライオンへの食料供給（0.1%の捕食成功率）を達成できます。
つまり、このピンク色のグラフは、「なぜ生物は『病気』ではなく『睡眠』という手段を選んだのか？」という問いに対し、「その方が安全かつ確実に、捕食者にエネルギーを献上できるからだ」という進化的合理性を証明しています。
-
-
最後に、今までのグラフは「たまたま上手くいく変数の組み合わせ（チャンピオンデータ）」を見つけただけではなく、普遍的な法則であることを証明しなければなりません。眠らない種は変数をどういじっても（確率的にほぼ）滅びる」こと、そして「眠る種は多少変数がズレても生き残る（＝頑健性がある）」ことを示す必要があります。
これを証明する唯一の方法は、一点のデータではなく、「ありとあらゆる変数の組み合わせ（全パターン）」を総当たりで試し、その「生存領域の広さ（確率）」を比較することです。
「生存の地図（ヒートマップ）」による証明
これを可視化するために、「パラメータ・スイープ（変数総当たり分析）」を行います。
-
縦軸： ライオンの強さ（狩りの効率）
-
横軸： シマウマの強さ（繁殖力）
この「強さの組み合わせ」を100通り×100通り＝1万通りの世界でシミュレーションし、「どれくらいの期間、生態系が持続したか」を色で塗り分けました。
-
左の地図（眠らない世界）： 地図はほぼ真っ黒（全滅）になり、生き残れる領域はほぼありません。「パラメータをどう変えても、ほとんどの確率で絶滅する」＝「システムとして構造的に欠陥がある」ことを意味します。
-
右の地図（眠る世界）： こちらは、地図の広い範囲が明るい色（生存）になっています。「パラメータが多少ズレても、システムが自動的に調整して生き残る」＝「頑健性（ロバストネス）が高い」ことを意味します。
ここまでのシミュレーションで、「眠るシステムの方が、圧倒的に生存確率のストライクゾーンが広い（＝自然界で選ばれやすい）」ことが数学的に証明できました。
-