Temperature Measurement in Agent Systems

Dit artikel onderzoekt hoe temperatuur, een concept uit de statistische fysica dat in econofysica vaak als abstracte grootheid wordt gebruikt, concreet gemeten kan worden in agentgebaseerde systemen buiten de kapitaalmarkten, en presenteert een meetmethode en een strategie om de gemiddelde opinie in concurrerende subsystemen te beïnvloeden.

De kern

Temperatuur meten in een menigte: Een simpel verhaal over econofysica

Stel je voor dat je in een drukke supermarkt loopt. Iedereen maakt een keuze: kopen of niet kopen. Soms doen mensen dit omdat ze een goed nieuwsbericht hebben gehoord ("Deze appel is supergoedkoop!"). Maar soms doen ze het juist andersom, of helemaal willekeurig, omdat ze een slechte dag hebben of gewoon niet weten wat ze moeten doen.

Deze wetenschappers (Christoph Börner en Ingo Hoffmann) hebben een manier bedacht om die "willekeur" of "chaos" in een groep mensen te meten. Ze noemen dit temperatuur.

Hier is hoe het werkt, vertaald naar alledaags taal:

1. De "Thermometer" voor Mensen

In de natuurkunde meet je temperatuur met een thermometer. Als het heet is, bewegen de moleculen wild en onvoorspelbaar. Als het koud is, gedragen ze zich rustig en voorspelbaar.

In de economie en bij mensen is het net zo:

• Lage temperatuur: Mensen luisteren heel goed naar het nieuws. Als er goed nieuws is, kopen ze allemaal. Als er slecht nieuws is, verkopen ze allemaal. Ze gedragen zich als een leger.
• Hoge temperatuur: Mensen zijn onrustig, irrationeel of verward. Ze kopen misschien wel als het nieuws slecht is, of verkopen als het goed is. Het is een puinhoop.

Het probleem tot nu toe was: Hoe meet je die temperatuur? In de computermodellen was het gewoon een getal dat de programmeur zelf koos. Maar in de echte wereld? Dat was een raadsel.

2. De Formule: Het tellen van de "Ja's" en "Nee's"

De auteurs zeggen: "We hoeven geen ingewikkelde apparatuur te gebruiken. We hoeven alleen maar te tellen."

Stel je een nieuwsbericht voor: "De economie groeit!"

• Mensen die meebewegen (kopen): Noem ze de Ja's.
• Mensen die tegenbewegen (niet kopen/verkopen): Noem ze de Nee's.

De wetenschappers hebben een formule bedacht die kijkt naar het verschil tussen deze twee groepen.

• Als er bijna evenveel Ja's als Nee's zijn (een klein verschil), dan is de temperatuur heel hoog. De menigte is in de war.
• Als er veel meer Ja's zijn dan Nee's (een groot verschil), dan is de temperatuur laag. De menigte is rustig en volgt het nieuws.

Het is alsof je een thermometer in de menigte steekt: hoe meer mensen in de war lijken, hoe hoger de temperatuur.

3. Een proefje met een "Thermometer"

Je hoeft niet iedereen in de stad te vragen wat ze doen. Dat zou te veel werk zijn.
Stel je voor dat je een thermometer hebt. Die thermometer is eigenlijk gewoon een klein groepje mensen (een steekproef). Als je kijkt naar wat dat kleine groepje doet, kun je afleiden hoe de hele menigte zich voelt.

In het papier kijken ze zelfs naar een experiment met hersenscans (EEG) waar mensen moesten kiezen tussen twee opties. Ze hebben die data gebruikt om te laten zien dat je met hun formule echt een "temperatuur" kunt berekenen. Het bleek dat de "temperatuur" van die mensen inderdaad een vast getal was, ongeacht hoe moeilijk de taak was.

4. Waarom is dit handig? (De Strijd tussen Groepen)

Stel je twee teams voor die tegen elkaar strijden in een spel.

• Team A is een "ideaal team": Ze luisteren alleen naar het nieuws en doen niets met elkaar.
• Team B is een "sociaal team": Ze praten met elkaar, vormen klikjes en beïnvloeden elkaar.

De auteurs laten zien dat je Team B kunt verzwakken door Team A te helpen. Als je Team A een extra beloning geeft om het nieuws te volgen (zodat ze nog meer "Ja" zeggen), dan wordt de "temperatuur" van het hele systeem lager. Hierdoor wordt Team B minder effectief in het vormen van een sterke, eigen mening.

Het is alsof je in een ruzie tussen twee groepen, de ene groep zo enthousiast maakt dat ze allemaal hetzelfde doen, waardoor de andere groep zijn eigen geluid verliest.

Samenvatting

Dit papier is eigenlijk een handleiding om chaos in een menigte te kwantificeren.

• Vroeger: We wisten dat mensen soms irrationeel doen, maar we konden dat niet meten.
• Nu: We hebben een formule. We tellen hoeveel mensen het nieuws volgen en hoeveel niet.
• Het resultaat: We krijgen een getal (de temperatuur) dat ons vertelt hoe rationeel of irrationeel een groep mensen op dit moment is.

Het is alsof we eindelijk een thermometer hebben om de "stemming" van de beurs, een verkiezing of een menigte op straat te meten, in plaats van alleen maar te gissen.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Temperature Measurement in Agent Systems" (Versie: 10 september 2025) van Christoph J. Börner en Ingo Hoffmann, vertaald en samengevat in het Nederlands.

Probleemstelling

In de econofysica worden modellen uit de statistische fysica (zoals het Ising-model voor spinsystemen) toegepast om het gedrag van grote groepen beslissingsnemers (agenten) te modelleren. Een centrale state variabele in deze modellen is de temperatuur ($T$). In de fysica vertegenwoordigt $T$ de thermische energie, terwijl in de econofysica vaak wordt gesproken over 'ruis', 'irrationeel gedrag' of 'volatiliteit'.

Het kernprobleem dat deze paper adresseert, is dat er tot nu toe weinig tot geen empirische methoden bestaan om deze temperatuur $T$ daadwerkelijk te meten in agent-systemen buiten geïdealiseerde kapitaalmarktoepassingen. In kapitaalmarkten wordt $T$ soms afgeleid van volatiliteit, maar voor algemene agent-systemen (bijv. opinievorming, gedragspsychologie) ontbreekt een meetformule. Hierdoor blijft $T$ vaak een louter simulatieparameter in plaats van een meetbare state variabele. De auteurs willen deze kloof dichten door een methode te ontwikkelen om $T$ kwantitatief te bepalen op basis van het gedrag van de agenten.

Methodologie

De auteurs baseren hun aanpak op de analogie tussen fysica en econofysica, waarbij energie ($E$) wordt gekoppeld aan nut ($U$) via de relatie $E = -U$.

1. Het Model:

   • Er wordt gebruik gemaakt van een twee-toestanden agent-systeem (Ising-model), waarbij agenten kiezen tussen twee opties (bijv. Ja/Nee, Koop/Verkoop, Conform/Niet-conform).
   • De nutfunctie ($U$) wordt bepaald door:
     • Een nieuwsomgeving ($B$) met een bepaalde sterkte.
     • Een individuele nutstijging ($\mu$) voor conform gedrag.
     • Een collectieve nutstijging ($J$) wanneer agenten hetzelfde doen als hun buren (sociale interactie).
   • De temperatuur $T$ wordt gedefinieerd als de afgeleide van het nut naar de entropie: $T := -\partial U / \partial S$.

2. Middelveldbenadering (Mean-Field Approximation):

   • Om de complexe interacties tussen $N$ agenten hanteerbaar te maken, wordt de middelveldbenadering van Weiss toegepast. Hierbij wordt aangenomen dat elke agent reageert op een gemiddeld veld dat wordt gegenereerd door zijn buren.
   • Dit leidt tot een effectieve nieuwsomgeving ($B_{eff}$) die de directe nieuwssterkte ($B$) versterkt met de invloed van de sociale interactie ($J$).

3. Afleiding van de Meetvergelijking:

   • Op basis van de Boltzmann-Gibbs-verdeling worden de bezettingskansen voor de toestanden (+1 en -1) berekend.
   • Hieruit wordt een centrale meetvergelijking afgeleid die de temperatuur $T$ relateert aan de gemiddelde beslissingsoverschot ($M$):
     $$T = \frac{2 \mu B + J z M}{k \ln\left(\frac{1+M}{1-M}\right)}$$
     Waarbij:
     • $M$ het gemiddelde verschil is tussen conform en niet-conform gedrag ($M = P_+ - P_-$).
     • $k$ een parameter is die de kosten van informatie meet (in de paper gesteld op 1 USD).
     • $z$ het aantal buren is.
   • Voor kleine waarden van $M$ (wat vaak het geval is in kapitaalmarkten) kan de vergelijking worden benaderd via een Taylor-ontwikkeling, wat leidt tot een eenvoudiger relatie die lijkt op de wet van Curie uit de fysica.

4. Meetprocedure:

   • De temperatuur kan worden bepaald door het tellen van conform ($N_+$) en niet-conform ($N_-$) gedrag in een representatieve steekproef van het systeem.
   • Een subsysteem fungeert hierbij als een "thermometer" voor het totale systeem.

Belangrijkste Bijdragen

• Formulering van een Meetvergelijking: De paper introduceert voor het eerst een expliciete vergelijking (Vergelijking 7) om de temperatuur $T$ in een agent-systeem te berekenen op basis van observable beslissingsoverschotten ($M$).
• Transformatie van Parameter naar State Variabele: Door $T$ meetbaar te maken, wordt deze getransformeerd van een abstracte simulatieparameter naar een kwantitatieve state variabele die de huidige toestand van het systeem beschrijft.
• Validatie via Neuro-wetenschappelijk Experiment: De auteurs passen hun methode toe op experimentele data van Sun et al. (2022) over perceptuele besluitvorming. Ze tonen aan dat ze de temperatuur van dit "ideale agent-systeem" (waarbij $J=0$) kunnen berekenen en dat de resultaten consistent zijn tussen verschillende proefomstandigheden.
• Strategische Toepassing: Er wordt een theoretisch scenario geanalyseerd waarin twee concurrerende subsystemen met elkaar worden vergeleken. De paper toont aan dat het verhogen van de individuele nutstijging ($\mu$) in het ene systeem kan leiden tot een verzwakking van het beslissingsoverschot in het andere systeem, zelfs als ze in thermisch evenwicht zijn.

Resultaten

• Empirische Validatie: Bij toepassing op het experiment van Sun et al. werd een temperatuur van ongeveer $T = 2.73$ (met een spreiding van $\pm 0.03$) gemeten voor beide testcondities. Dit bevestigt dat $T$ een intrinsieke eigenschap is van het agent-systeem en onafhankelijk van de specifieke stimulus (de Gabor-patch), zolang de systeemparameters constant blijven.
• Invloed van Sociale Interactie ($J$): De analyse toont aan dat bij een ideale agent-systeem ($J=0$) de relatie tussen $T$ en $M$ het sterkst is. Bij aanwezigheid van sociale interactie ($J > 0$) wordt de curve minder steil, wat betekent dat bij hoge temperaturen het onderscheid tussen systemen met en zonder sociale interactie moeilijker wordt.
• Strategische Beïnvloeding: In het theoretische model van concurrerende systemen blijkt dat het verhogen van $\mu$ (de waarde van conformiteit) in een systeem leidt tot een daling van het beslissingsoverschot ($M$) in dat systeem, waardoor het minder vatbaar wordt voor externe invloeden of het verzwakt de concurrentie.

Betekenis en Conclusie

Deze paper is significant omdat het een brug slaat tussen theoretische econofysica en empirische toepasbaarheid. Het biedt onderzoekers en analisten een instrument om de "irrationele" of "ruis"-component in menselijke besluitvorming te kwantificeren.

• Van Kwalitatief naar Kwantitatief: Het stelt onderzoekers in staat om econofysische modellen niet alleen te simuleren, maar ook te kalibreren en te valideren met reële data.
• Toepassingsgebied: De methode is toepasbaar op diverse domeinen, van kapitaalmarkten tot opinievorming en gedragspsychologie, zolang er sprake is van een tweestandsbeslissing in een nieuwsomgeving.
• Beperkingen: De auteurs benadrukken dat de methode gebaseerd is op evenwichtstoestanden en de middelveldbenadering. Voor systemen met zeer weinig agenten (waar fluctuaties groot zijn) of niet-lineaire dynamieken (geheugeneffecten) zijn aanpassingen nodig. Ook wordt aangenomen dat de beslissingsoverschotten ($M$) klein zijn voor de lineaire benadering.

Kortom, de paper levert een fundamentele bijdrage aan de econofysica door de temperatuur van een sociaal-economisch systeem meetbaar te maken, wat de weg vrijmaakt voor meer robuuste voorspellingsmodellen en strategische interventies.