详细内容或原文请订阅后点击阅览
物理知识的AI学习羊群和集体运动行为背后的本地规则
首尔国立大学和Kyung Hee University的研究人员报告了一个框架，通过培训物理学知情的AI来学习控制个人之间互动的本地规则，以控制集体动议，例如环，团块，磨坊，羊群。
来源:英国物理学家网首页首尔国立大学和Kyung Hee University的研究人员报告了一个框架，通过培训物理学知情的AI来学习控制个人之间互动的本地规则，以控制集体动议，例如环，团块，磨坊，羊群。
该论文发表在《细胞报告物理科学》杂志上。
已发布 细胞报告物理科学该方法指定何时应从随机初始条件和调音几何特征（平均半径，簇大小，羊群尺寸）出现何时出现。此外，该模型对已发表的GPS轨迹进行了培训，该模型发现了在实际羊群中观察到的相互作用机制。
真实鸽子的GP轨迹集体运动是一种新兴的现象，其中许多自我旋转的个体（鸟类，鱼类，昆虫，机器人甚至人群）产生了大规模模式，而无需任何中央决策。每个人只对附近的邻居做出反应，但该小组表现出连贯的集体运动。分析简单的局部互动如何产生这样的全球秩序是具有挑战性的，因为这些系统是嘈杂的和非线性的，并且感知通常是定向的。
集体运动 互动使用具有物理信息的AI
为了应对这些挑战，团队建立了遵守动态定律的神经网络，并接受了简单的模式特征训练，并在可用的情况下进行实验轨迹。
神经网络相同的框架可以通过合并各向异性的视野来适合实际轨迹的短段，从而产生与自然界观察到的领导者陪伴层次结构一致的相互作用定律。