Physics-Informed Neural Networks for Incommensurate Fractional Volterra-Lotka Systems: Forward Solutions, Memory Asymmetry, and Inverse Parameter Recovery

Decennialang hebben ecologen vertrouwd op een klassiek wiskundig model om te begrijpen hoe twee soorten in het wild met elkaar interageren. Dit model, bekend als het Lotka-Volterra-systeem, volgt hoe populaties groeien, krimpen en elkaar beïnvloeden door middel van competitie, predatie of wederzijds voordeel. De vergelijkingen zijn eenvoudig genoeg om op een servetje te worden geschreven, maar ze vangen de essentiële dramatiek van de natuur: de opkomst en ondergang van roofdier en prooi, of de strijd om hulpbronnen tussen rivalen. Deze traditionele vergelijkingen gaan er echter van uit dat de tijd op dezelfde manier stroomt voor elk betrokken wezen. Ze behandelen het verleden als één enkel, uniform geheugen dat alle soorten gelijkmatig beïnvloedt. In werkelijkheid ervaren een langlevende olifant en een kortlevend insect de tijd of de geschiedenis niet op dezelfde manier. De populatie van een olifant kan gevormd worden door herinneringen aan droogtes van decennia geleden, terwijl de aantallen van een insect slechts kunnen reageren op de omstandigheden van de afgelopen paar weken. Dit verschil in hoe organismen hun verleden "herinneren", is een cruciaal onderdeel van de ecologische puzzel die standaardmodellen lang hebben genegeerd.

Een nieuwe studie door onderzoeker Humaira Zulfiqar pakt deze tekortkoming aan door een flexibelere versie van het klassieke model te bouwen. In plaats van beide soorten te dwingen hetzelfde geheugen van het verleden te delen, staat de studie toe dat elke soort zijn eigen unieke snelheid van herinneren heeft. De onderzoeker gebruikte een modern computationeel hulpmiddel genaamd een physics-informed neural network, wat in essentie een computerprogramma is dat getraind is om complexe vergelijkingen op te lossen door de wetten van de fysica te leren in plaats van alleen maar getallen te verwerken. Door dit programma te leren de specifieke, verschillende manieren te respecteren waarop elke soort zijn geschiedenis onthoudt, bracht de studie gedragingen aan het licht die voorheen onzichtbaar waren. De bevindingen suggereren dat wanneer twee soorten zeer verschillende geheugens hebben, hun relatie op verrassende manieren kan veranderen. Een paar dieren die elkaar zouden moeten helpen, kunnen onder de juiste omstandigheden van geheugensverschil eindigen met het gedrag alsof de een de ander schade berokkent. Deze ontdekking daagt het idee uit dat we de uitkomsten van ecologische interacties altijd kunnen voorspellen op basis van louter het type interactie, en laat zien dat de snelheid waarmee een soort het verleden vergeet of onthoudt even belangrijk is als de interactie zelf.

De kern van dit werk ligt in het aanpakken van een wiskundige beperking die onderzoekers enige tijd heeft beziggehouden. Eerdere pogingen om "geheugen" aan deze populatiemodellen toe te voegen, werkten goed wanneer beide soorten werden verondersteld een identieke geheugensnelheid te hebben. Wanneer de snelheden verschilden, faalden de standaard wiskundige instrumenten omdat de vergelijkingen geen netjes, voorspelbaar patroon meer volgden. Zulfiqar koos voor een andere aanpak door gebruik te maken van een neuraal netwerk dat deze rommelige, ongelijke omstandigheden aan kon kunnen. Het netwerk werd ontworpen met twee aparte "geheugeninstellingen", één voor elke soort, waardoor de computer kon simuleren hoe populaties evolueren wanneer de ene soort verder terugkijkt in het verleden dan de andere. De onderzoekers testten deze nieuwe methode eerst tegen bekende oplossingen voor het eenvoudigere geval met gelijk geheugen om te waarborgen dat het accuraat was. De voorspellingen van de computer kwamen overeen met de gevestigde wiskundige benchmarks met een gemiddelde fout van minder dan drie duizendsten, wat bewees dat de methode betrouwbaar is.

Zodra de methode was geverifieerd, onderzocht de studie wat er gebeurt wanneer de twee soorten verschillende geheugensnelheden hebben. De simulaties bestreken alle zes de klassieke typen ecologische relaties, van pure competitie tot mutualisme. In elk geval veranderden de ongelijke geheugensnelheden de details van de populatiecurves. In een scenario van competitie neigde de soort met het langere geheugen (degene die zich de omstandigheden uit het verleden gedurende een langere tijd herinnert) bijvoorbeeld langzamer af te nemen wanneer zij met druk werd geconfronteerd. Het was alsof die soort koppiger was en de voordelen van een beter verleden langer vasthield. In scenario's van roofdier-prooi hing de omvang van de populatieschommelingen af van de specifieke geheugensnelheid van het dier, in plaats van van een enkele gedeelde factor. Deze resultaten toonden aan dat het "geheugen" van een soort niet slechts een achtergronddetail is; het vormt actief het ritme en de intensiteit van hun overleving.

De meest opmerkelijke ontdekking kwam naar voren toen de onderzoekers naar een scenario keken waarin twee soorten elkaar theoretisch zouden helpen. In het standaardmodel, als beide soorten profiteren van de aanwezigheid van de ander, zullen ze altijd samen groeien. Echter, in dit nieuwe model, wanneer de ene soort een zeer kort geheugen had en de andere een zeer lang geheugen, veranderde de uitkomst drastisch. De soort met het korte geheugen groeide snel, terwijl de soort met het lange geheugen werd onderdrukt en afnam. Voor een waarnemer die alleen naar de definitieve cijfers kijkt, zou het lijken alsof de ene soort de ander schade berokkent, ook al zeiden de onderliggende regels dat ze elkaar hielpen. De onderzoekers noemen dit een "memory-induced role transition" (door geheugen geïnduceerde roltransitie). Het suggereert dat wat in de echte wereld lijkt op een schadelijke relatie, in feite een helpende relatie kan zijn die vervormd is door de verschillende manieren waarop de twee soorten de tijd ervaren. Dit fenomeen treedt niet op wanneer beide soorten hetzelfde geheugen hebben, wat benadrukt dat het verschil in hun interne klokken de belangrijkste drijfveer is.

Naast het simpelweg vooruit simuleren in de tijd, testte de studie ook of dit nieuwe model ook achteruit kon werken om mysteries op te lossen. De onderzoekers creëerden een reeks fictieve populatiedata met ruis, die de data simuleert die een veldbioloog in het wild zou verzamelen. Vervolgens vroegen ze de computer om de verborgen regels te achterhalen die die data hadden gecreëerd, inclusief de groeisnelheden, de sterkte van de interacties en de specifieke geheugensnelheden voor beide soorten. Het neurale netwerk slaagde erin alle acht verborgen waarden te herstellen vanuit slechts dertig datapunten, met een foutmarge van minder dan 3,5 procent. Dit is een belangrijke prestatie omdat het aantoont dat het zelfs met beperkte en imperfecte gegevens mogelijk is om de specifieke geheinskarakteristieken van verschillende soorten te achterhalen. Het opent de deur voor toekomstige studies om echte populatiedata te analyseren en te bepalen of soorten op verschillende tijdschalen opereren, wat potentieel verklaart waarom sommige ecologische interacties er anders uitzien dan wat eenvoudige modellen voorspellen.

De studie concludeert dat de aanname van een enkel, gedeeld geheugen voor alle interagerende soorten een simplificatie is die belangrijke biologische realiteiten mist. Door verschillende geheugensnelheden toe te staan, onthult het model een rijkere, complexere wereld van ecologische dynamiek. De bevindingen trekken de klassieke modellen niet onderuit, maar breiden ze eerder uit, waarbij wordt aangetoंदन dat de geschiedenis van een populatie voor elk wezen anders uitpakt. Het onderzoek suggereert dat wanneer ecologen vreemde of onverwachte patronen in de natuur zien, zoals een mutualistische relatie die op een strijd lijkt, ze moeten overwegen of de twee soorten simpelweg verschillende manieren hebben om zich het verleden te herinneren. Het werk biedt een nieuw wiskundig hulpmiddel om deze vragen te verkennen, voorbijgaand aan het idee dat de tijd voor iedereen hetzelfde is, en erkent dat in de wildernis het verleden voor elke soort een ander verhaal is.