自推进粒子模型的行为库的进化性发现
《Physica A: Statistical Mechanics and its Applications》:Evolutionary Discovery of the Behavioral Repertoire of Self-Propelled Particle Models
【字体:
大
中
小
】
时间:2026年10月21日
来源:Physica A: Statistical Mechanics and its Applications 3.1
编辑推荐:
**摘要**
自驱动粒子模型可以产生许多集体状态,但标准的相图通常一次只检查一个或两个控制参数。我们使用质量多样性搜索(Quality-Diversity Search, QD Search)来映射九参数模型的行为,并从平移和旋转不变的轨迹特征中学习出一个二维表示。在独立的测试
**摘要**
自驱动粒子模型可以产生许多集体状态,但标准的相图通常一次只检查一个或两个控制参数。我们使用质量多样性搜索(Quality-Diversity Search, QD Search)来映射九参数模型的行为,并从平移和旋转不变的轨迹特征中学习出一个二维表示。在独立的测试集上,这种学习到的映射比二维PCA更能保留行为邻域。局部响应测量显示,在每个状态下只有两到四个参数组合被识别为“刚性”的,而且这些刚性组合会从一个状态转移到另一个状态。在两物种扩展模型中,相互作用足以实现一致的平移;而在测试状态下,当去掉反对称耦合时,持续的旋转现象会消失。我们还确定了在小参数变化下轨迹描述符会发生大幅变化的区域。这些高敏感性区域并不总是与序参量转变相吻合,哪些区域被检测到取决于所使用的描述符。该方法为在高维随机活性物质模型中映射行为和参数敏感性提供了一种实用的方法。
**引言**
集体运动是远离平衡状态的组织的一个典型例子。自驱动单元之间的局部相互作用可以产生一致的群集、旋转的磨坊、紧凑的群体、带状结构、密度波、分离的混合物和无序气体。Vicsek模型证明,仅对齐和噪声就能在二维空间中产生集体秩序[1],而引入吸引和排斥的扩展模型则产生了聚集和磨坊现象[2][3]。这些模型现在在活性物质物理学以及动物群体、细胞集合体、活性胶体和机器人群的定量描述中占据了中心位置[4][5][6][7][8]。这里使用的成分都是现象学的:局部对齐代表方向或社会耦合,短程排斥和长程吸引代表排斥和凝聚力,趋性项代表对外部线索的响应,角度噪声代表未解决的方向变化。我们没有将模型校准到特定的材料或生物体上;它被用作一个有限系统的测试平台,以探索几个物理可解释的控制因素如何相互作用。
通常表征此类模型的方法是在固定其他参数的情况下改变一个或两个参数。当重要的控制平面事先已知时,这种方法是有效的。然而,当密度、速度、惯性、相互作用范围和强度、粘附力、对齐和噪声都可以独立变化时,这种方法的可靠性较低。如果行为局限于参数空间的狭窄或倾斜区域,坐标扫描可能会忽略这种变化。
序参量优化解决了一个不同的问题。可以通过最大化对齐、磨坊运动或聚类来恢复产生选定行为的参数集。这表明该行为是可实现的,但它并不能显示其他行为是否可行,或者它们之间有什么关系。
质量多样性(QD)优化可以在单次搜索中映射出多种行为。行为测量定义了一个档案的“坐标”,每个被占用的单元存储了一组实现该行为的稳定参数[9][10][11]。如CMA-ME和CMA-MAE这样的协方差适应变体提高了连续参数空间中的搜索效率[12][13]。结果是一个行为“库”,而不仅仅是一个最优解。
预定义的序参量虽然有用但不完整。对齐、磨坊运动和聚类可能会将具有不同密度调制、局部堆积、空间各向异性、持续性或壁面定位的状态赋予相似的值。学习到的描述符通过直接从轨迹特征中提取坐标提供了另一种视角[14][15]。相关方法已被用于从配置中识别物质相[16][17][18]。
我们还研究了哪些参数组合在局部控制行为。多参数模型通常对某些方向特别敏感,而对许多方向则不敏感[19][20][21][22]。我们直接从行为响应的雅可比矩阵估计这种局部敏感性,并将其与存储在QD档案中的参数向量的协方差区分开来。
最后,我们将模型扩展到两种粒子类型。相互作用和非相互作用的跨物种相互作用可以产生类似的观察到的运动,因此仅凭行为本身无法确定其机制。因此,我们比较了匹配的相互作用和非相互作用系统,使用了长轨迹,并分析了物种分辨的可观测量[23][24][25][26][27][28][29][30]。
本文从最简单的情况逐步发展到最一般的情况。我们首先映射并验证了单一物种的行为库,然后扩展了密度范围,学习了基于轨迹的表示,并测量了局部参数敏感性。接下来我们引入了两种粒子类型,并分离了反对称耦合的效果。最后,我们在整个参数空间中搜索高敏感性区域,这些区域中的小参数变化会重新组织行为。
**主要贡献**
- 直接的质量多样性映射和对经典单一物种行为库的多种子验证;
- 扩展了密度范围的轨迹语料库以及经过独立测试的学习行为表示;
- 包含显式随机噪声底限的局部参数敏感性分析;
- 在两物种扩展模型中匹配的相互作用和非相互作用系统的测试;
- 对整个参数空间的高敏感性区域的搜索,包括测试所选描述符如何改变检测结果。
**活性物质现象本身已被证实**:该模型再现了Vicsek噪声转变[1][2]、磨坊运动和凝聚聚集[2][3]、高密度六边形秩序[31]以及非相互作用驱动的手性[28]。这里的贡献在于方法论方面。我们探讨了可以在多大程度上映射高维行为库,学习到的轨迹表示为经典序参量增添了什么,哪些参数组合在局部是重要的,以及所选的表示如何影响发现的边界。
**章节片段**
**单一物种动态**
**模型概述**:在每个同步时间步骤中,每个粒子首先根据四个因素确定一个确定性移动方向:其先前方向的持续性、与附近方向的对齐情况、可选的固定趋性线索以及成对的吸引/排斥力。然后在这个方向上加入一个独立的角扰动,粒子以恒定速度前进。图1的示意图在正式定义之前分离了这些因素。
**经典单一物种行为库**
模拟器的验证,包括类似Vicsek的噪声响应以及对硬核处理和周期性边界可观测量的数值检查,在补充章节S1中报告。正文中重点关注通过光照恢复的行为库。
**行为随密度的变化**
扩展密度范围的轨迹语料库包含120个低密度、120个中等密度和120个高密度的规则。在这个填充空间的样本中,密度与极性秩序(r? = -0.579)、磨坊运动(r? = -0.768)和向列秩序(rs = -0.775)呈负相关;所有这些相关性的p值都小于10?23。聚类也随密度降低,但程度较弱(r? = -0.216,p = 3.7 × 10??),因为其归一化去除了邻居数量的简单增加。
**独立测试性能**
我们在选择表示之后生成的72个额外规则上评估了固定的二维自动编码器。在这个独立测试集上,其标准化重建误差为0.250,可信度为0.890,十邻居重叠率为0.556。仅基于原始训练数据进行的双组分PCA在这三个指标上的得分分别为0.402、0.829和0.458。因此,学习到的映射比二维PCA在无关数据上更好地保留了局部邻域。
**状态依赖的刚性方向**
原始的两种子敏感性谱覆盖了3.3到7.3个数量级,但大部分范围都在随机模拟噪声之下。在增加种子数量并应用第6.2节描述的噪声阈值后,每个状态下只解析出两到四个局部奇异方向。因此,我们解释的是解析出的方向,而不是完整的原始数量级范围。
**主导的解析方向取决于状态**(补充表S6)。对于磨坊情况,主要方向是...
**两物种动态**
200步的短期漂移-手性档案对于相互作用和非相互作用混合物看起来相似,在补充章节S7中展示。长轨迹显示许多表面上旋转的相互作用状态是瞬态的,因此正文使用了匹配的长视野控制。
**沿参数切割寻找转变和交叉**
档案显示了行为发生的位置,但它们本身无法定位行为快速变化的位置。在9到14维的参数空间中,穷尽性的相图采样是不切实际的[35]。因此,我们使用一维切割来测试三种互补的组织指标,然后再将方法扩展到整个参数空间。
**定义和追踪**
我们将一组异常大的描述符敏感性称为敏感性脊(sensitivity ridge)。这样的脊只是所选描述符的几何特征。只有当穿越它会导致可解释的物理可观测量的可复现变化时,它才会成为候选的行为边界。这种区分是核心,因为不同的描述符可能会强调不同的变化。
**操作上**,在参数点u*我们估计不变轨迹描述符的局部雅可比矩阵。
**主要物理观察结果**
经典的QD档案恢复了排列、磨坊运动、聚类和无序状态,但扩展密度范围的轨迹语料库表明,这些标签并不能描述全部行为。密度、壁面定位、大规模密度调制和局部六重秩序区分了具有相似极性、磨坊运动和聚类的状态。
**高密度改变了典型行为,而没有施加严格的约束**。通常情况下,随着密度增加,极化和磨坊运动会减少,然而...
**结论**
质量多样性搜索提供了一种实用的方法,将高维自驱动粒子模型视为一个行为库,而不仅仅是一组孤立的最优解。它恢复了经典状态,显示了它们的流行程度如何随密度变化,并提供了学习更广泛行为表示所需的轨迹语料库。固定的二维自动编码器在独立测试集上比二维PCA更好地保留了描述符邻域,而经典度量方法...
**数据和代码可用性**
本文描述的所有实验的代码将在发表前在一个公共GitHub仓库上提供。
**资助**
本工作没有外部资助。
**作者贡献声明**
Eric Bonabeau:撰写——审阅与编辑、撰写——原始草稿、验证、监督、软件、方法论、调查、形式分析、概念化。
Roujia Wen:撰写——原始草稿、软件、方法论、调查、形式分析。
**关于写作过程中生成式AI和AI辅助技术的声明**
在准备这项工作时,作者使用AI工具来支持模拟编码并检查手稿的部分内容。作者审阅并编辑了所有这些输出,并对发表的内容承担全部责任。
**关于利益冲突的声明**
作者声明他们没有已知的财务利益冲突或个人关系可能影响本文报告的工作。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号