Active Matter Flocking via Predictive Alignment

技術要約：予測的整列によるアクティブマターの群れ形成

問題提起
鳥の群れや魚の学校（スクール）のように、アクティブマターが凝集したグループへと自己組織化する現象は、物理学における重要な課題であり続けている。従来のモデル、特にVicsek型の整列モデルは、集団運動を誘発するために局所的な整列相互作用のみに依存している。しかし、これらのモデルは、人工的な介入がない限り、ノイズが存在する状況下で集団の凝集性を維持することに一般的に失敗する。具体的には、純粋な整列ベースの相互作用は、エージェントの拡散的な広がりを引き起こし、群れを断片化させる。これを防ぐために、既存のモデルは周期境界条件や反射境界条件、あるいは明示的な引力といった非物理的な制約を導入することが多い。視界（ビジョン・コーン）や直接的な引力を通じて凝集を実現するモデルもあるが、それらは長距離相互作用を導入しているか、あるいは相互作用範囲を有限のメトリック距離に制限できていない。現在、追加のパラメータや境界制約なしに、純粋に整列ベースの相互作用を用いて凝集的な群れ形成を実現する確立されたモデルは存在しない。

手法
著者らは、**予測的整列（predictive alignment）**を取り入れた離散時間型のVicsek型フレームワークを提案している。システムは、定速 $v_0$ と方位角 $\theta_i$ を持つ2次元内の $N$ 個の自己推進エージェントで構成される。各タイムステップにおいて、エージェントは相関関数 $C_i^t$ を最大化するように、定義された角度の集合から離散的な角度 $\Delta\theta_i$ を選択して方向を再設定する。

核心となる革新は、相関関数の定義方法にある。エージェントは現在の隣接個体と整列するのではなく、予測される将来の隣接個体の支配的な方位に整列することを目指す。相関関数は以下のように定義される：
$$C_i^t = \mathbf{v}_i^{t+\Delta t} \cdot \left( \sum_{j=1}^N H(|\mathbf{r}_i - \mathbf{r}_j^{\text{pred}}| - \zeta) \mathbf{v}_j^{\text{pred}} - (\mathbf{v}_i - \mathbf{v}_i^{\text{pred}}) \right)$$
ここで、$\zeta$ は相互作用半径であり、$H$ はヘヴィサイドの階段関数である。また、予測された位置および速度（$\mathbf{r}^{\text{pred}}, \mathbf{v}^{\text{pred}}$）は、エージェントの意図された将来の状態に基づいて計算される。

本研究では、エージェントの認知能力に基づいた4つの異なる戦略（IA–IIB）を評価している：

• 戦略 I (IA, IB): エージェントは現在の位置と速度を使用する（非予測的）。これらは標準的なVicsekモデルの変種へと還元される。
• 戦略 II (IIA, IIB): エージェントは予測された将来の位置（$\mathbf{r}_i(t) + \mathbf{v}_i(t+\Delta t)\Delta t$）を使用して隣接個体を決定する。これが予測的整列モデルである。
  • IIA: 相関和に現在の速度を含んでいる（方位慣性を導入している）。
  • IIB: 補間された将来の速度を使用している（方位慣性を持たない）。

システムは、正方形の領域内で $N=200$ のエージェントを用いてシミュレーションされ、強度 $\eta$ を持つ角度ノイズ $\xi_i^t$（$[-\pi, \pi]$ からサンプリング）の影響を受ける。ダイナミクスは、ノイズ強度 $\eta$ と、タイムステップあたりの移動距離と相互作用半径の比 $v_0\Delta t / \zeta$ によって制御される。

主な結果

1. 非予測的モデルの失敗: 標準的なVicsekモデル（IA, IB）および古典的なVicsekモデルは、凝集性の急速な喪失を示す。弱いノイズの下でも、群れはサブグループへと断片化し、平均的な重心からのエージェント距離は弾道的に増大する。断片化までの時間は、ノイズ強度およびエージェント密度に反比例してスケールする。
2. 予測的整列による堅牢な凝集: 戦略IIAおよびIIBは、人工的な境界や引力なしに、凝集的な群れ形成を成功裏に維持する。
   • 安定性: 安定領域において、群れは単一の高度に偏極したクラスターとして存在する。平均偏極度 $\langle \Phi \rangle$ は1に近い値（具体的には $\approx 0.98$）を維持し、システムサイズは、群れの半径が相互作用半径 $\zeta$ に匹敵する定常状態へと自己調整される。
   • ノイズ耐性: 凝集状態は、ノイズ強度 $\eta \approx 0.225$ までの範囲で持続する。この閾値を超えると、非予測的モデルと同様の断片化を伴う動力学的転移が発生する。
   • ノイズによる安定化効果: 極めて低いノイズレベル（$\eta \lesssim 0.015$）では、ノイズが増加するにつれて群れのサイズがわずかに減少する。これは、許容される再配向角度の離散的な集合により、ノイズゼロの状態では完全な偏極が妨げられるためである。
   • スケーリング: 安定領域において、群れのサイズは相互作用半径 $\zeta$ に線形に比例し、推進速度 $v_0$ にはほとんど依存しない。
3. 形成形態:
   • ノイズがゼロの場合、群れは渡り鳥を彷彿とさせるV字型形成を採用する。
   • ノイズが非ゼロの場合、形成は、空気力学的な効率よりも凝集性と柔軟性を優先した、採餌中の群れのような丸みを帯びた形状へと遷移する。
4. リーダーシップ: 予測モデル（IIA）は、一部のサブグループの操縦を行うリーダーに従う能力を示し、一部のエージェントが決定論的な振動運動を行っている場合でも、グループの凝集性を維持できる。

意義と主張
本論文は、人工的な境界、引力、または長距離相互作用を必要とせず、有限の相互作用範囲において純粋に整列ベースの相互作用を通じて凝集的な群れ形成を実現する最初のモデルを提示していると主張している。

• メカニズム: 著者らは、予測戦略によって、エージェントが整列と近接のトレードオフを最適化できると論じている。将来の隣接個体を予測することで、エージェントは拡散的な広がりに対抗する「引力的整列相互作用」を実質的に生成する。
• 認知的ダイナミクス: このモデルは、物理学と認知的なダイナミクスを橋渡しするものである。これは、アクティブマターにおける自己組織化が、単なる物理的な力ではなく、意思決定戦略（具体的には、予測された状態に適用される「他者を模倣する」ルール）から創発することを示唆している。
• 限界: 著者らは、予測される定常状態が極めて高密度であり、平均的な知覚隣接個体数が、現実的な生物学的数値（通常は約7）よりも著しく高いことを認めている。さらに、現在のモデルはトポロジカルな隣接ではなく、メトリックな隣接に依存している。
• 今後の展望: 本研究は、このアプローチがインテリジェントなエージェントにとって妥当な戦略であることを示唆しており、生物学的な制限を受けないスウォーム・ロボティクスへの拡張も可能である。また、著者らは、このアルゴリズムが、グローバルな効用最適値への近接を仮定する標準的な能動的推論（active inference）モデルとは異なる、内発的に動機付けられた認知的なアクティブマターの枠組みと一致していることも述べている。

結論として、本研究は、予測戦略がアクティブマターの相挙動を根本的に変え、人工的な制約なしに自然界の群れ現象を模倣した、ノイズに強い堅牢な自己組織化を可能にすることを明らかにしている。