Seul National Üniversitesi ve Kyung Hee Üniversitesi’ndeki araştırmacılar, bireyler arasındaki etkileşimleri yöneten yerel kuralları öğrenmek için fizikle bilgilendirilmiş bir AI eğitimi vererek halka, kümeler, değirmen, sürü gibi kolektif hareketleri kontrol etmek için bir çerçeve bildiriyorlar.
Makale dergide yayınlandı Hücre Raporları Fizik Bilimi.
Yaklaşım, sıralı bir durumun rastgele başlangıç koşullarından ne zaman görünmesi gerektiğini ve geometrik özellikleri (ortalama yarıçap, küme boyutu, sürü boyutu) ayarladığını belirtir. Ayrıca, gerçek güvercinlerin yayınlanmış GPS yörüngeleri üzerinde eğitilen model, gerçek sürülerde gözlemlenen etkileşim mekanizmalarını ortaya çıkarır.
Kolektif hareket, kendinden tahrikli birçok bireyin (kuşlar, balıklar, böcekler, robotlar, hatta insan kalabalıkları) herhangi bir merkezi karar verme olmadan büyük ölçekli desenler ürettiği ortaya çıkan bir fenomendir. Her birey sadece yakındaki komşulara tepki verir, ancak grup tutarlı kolektif hareket gösterir. Bu tür küresel düzene ne kadar basit yerel etkileşimlerin ortaya çıktığını analiz etmek zordur, çünkü bu sistemler gürültülü ve doğrusal değildir ve algı genellikle yönlüdür.
Fizik bilgilendirilmiş AI ile yerel kuralları öğrenmek
Bu zorlukları ele almak için ekip, dinamik yasalarına uyan ve basit desen özellikleri ve mevcut olduğunda deneysel yörüngeler konusunda eğitilen sinir ağları inşa etti.
Sinir ağları iki temel yerel etkileşim kuralını çıkarır: boşluk belirleyen mesafeye dayalı kurallar, başlıkları hizalayan hız tabanlı kurallar ve kombinasyonları. Ekip ayrıca, bu kuralları izleyen kendi kendine tahrikli ajanların, belirtilen geometrik özelliklere sahip hedeflenen hedef kolektif kalıpları yeniden ürettiğini gösterdi.
Örnekler arasında halka yarıçapının ayarlanması, kümelerde küme boyutu ve değirmende dönme modu (tek veya çift); farklı kolektif modlar arasında sürekli geçişlerin indüklenmesi; ve engellerin yakınında ve sınırlı alanlarda hareketler elde etmek.
Aynı çerçeve, anizotropik bir görüş alanı dahil ederek, doğada gözlemlenen lider takipçi hiyerarşisi ile tutarlı etkileşim yasaları vererek gerçek yörüngelerin kısa segmentlerine uygun olabilir.
Kolektif Davranış ve Robotlarda Yeni Olasılıklar Açma
Kolektif davranışı çözülebilecek bir şeye dönüştürerek, bu yaklaşım pratik mühendislik ve bilimsel faydalar sunar. Robotiklerde, drone ve zemin-robot sürülerinin programlanması için talep üzerine desenleri oluşturmak ve değiştirmek için bir plan sağlar.
Doğa bilimlerinde, gözlemlenen akınları açıklamak için hangi yerel etkileşimlerin yeterli olduğunu nicel olarak tanımlamaya yardımcı olur ve duyusal aralıklar ve hizalama mukavemeti hakkında hipotez testini sağlar.
Daha geniş bir şekilde, yöntem, hedef şekillere kendi kendini toplayan aktif malzemelerin tasarımına rehberlik edebilir ve karmaşık, merkezi olmayan sistemleri incelemek için gerçekçi sentetik veri kümeleri üretmeye yardımcı olabilir.
