🔬 condensed matter

Order-Disorder Transition in Delay Vicsek Model

本研究表明，在维塞克模型（Vicsek model）中引入时间延迟可以作为一种可调控的控制参数，它非单调地移动了临界噪声阈值，拓宽了相分离区域，并通过旋涡结构的出现加速了有序带的形成。

原作者： Robert Horton, Viktor Holubec

发布于 2026-06-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Robert Horton, Viktor Holubec

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个巨大的、混乱的舞池，里面挤满了成千上万个微型机器人。每个机器人都遵循一个简单的规则：“向周围人的移动方向看齐。”这就是 维塞克模型（Vicsek Model），它是科学家用来理解鸟群、鱼群或细菌群落如何在没有领导者的情况下协同运动的一种著名的计算机模拟方法。

在现实世界中，机器人（以及动物）并不会瞬间做出反应。从看到邻居移动到实际转向跟随他们，总是存在一个微小的延迟。这篇论文探讨的是：如果我们增加这种延迟，会发生什么？

以下是研究人员通过日常类比解释的发现：

1. 舞池的三种“情绪”

即使存在延迟，机器人仍然会进入三种截然不同的“情绪”（相位），就像它们在没有延迟时那样：

阅兵式（有序）： 每个人都步调一致地前进。
交通堵塞（相分离）： 舞池分裂成密集的移动人群（带状区域）和空旷的空间。这就像高速公路上的车流，车辆聚集成组，中间留有间隙。
蹦迪现场（无序）： 每个人都在随机方向上疯狂旋转，没有任何协调性。

2. “反应时间”实验

科学家们进行了模拟实验，设定了固定数量的机器人并让它们以相对较快的速度移动。随后，他们增加了“反应延迟”（机器人看到并模仿其邻居所需的时间）。

大惊喜：延迟实际上增强了“交通堵塞”的情绪。
通常你会认为，如果大家的反应都很慢，群体就会瓦解。但在这里，增加延迟反而让机器人更擅长形成那些密集的移动人群。

“交通堵塞”变得更宽： 这些人群可以存在的噪声（随机性）范围变大了。
“阅兵式”变得更难维持： 要让所有人保持在一条完美的直线前进变得更加困难。延迟将系统从完美的秩序推向了“交通堵塞”状态。

3. 为什么人群形成得更快？

一个非常有趣的发现是，延迟越长，人群形成的速度就越快。

类比： 想象两组人正朝着彼此奔跑。
- 无延迟： 他们立即看到了对方，停下来并试图平滑地合并。这需要时间来组织。
- 长延迟： 直到他们已经擦肩而过，才意识到另一组人的存在！当他们“看到”另一组人时，他们已经过了碰撞的点。这导致他们进行大幅度的旋转运动（就像赛车在漂移）。
- 结果： 这些宽阔的旋转弧线（论文中称为“旋涡”）迅速汇聚成密集的带状区域。延迟产生的“漂移”效应加速了人群的形成。

4. 延迟的“甜点位”

研究人员发现了一个奇特的非线性关系：

短延迟： 稍微有助于机器人保持完美的“阅兵式”。
长延迟： 打破“阅兵式”，迫使机器人进入“交通堵塞”（相分离）状态。
极长延迟： “交通堵塞”状态变得极其稳定。即使你加入大量的混沌（噪声），人群依然能保持在一起。

5. 什么没有改变？

尽管在人群如何形成以及它们的稳定性方面发生了所有这些变化，但有一点却出奇地保持不变：机器人在受到巨大扰动后恢复平静所需的时间。 无论延迟是短是长，“弛豫时间”（即恢复到节奏所需的时间）基本保持不变。

总结

把延迟想象成机器人的“网络延迟”。

如果延迟很短，它们仍能排成完美的直线行进。
如果延迟变长，它们就不再排成直线，而是开始形成移动的密集交通堵塞。
延迟越长，这些交通堵塞形成得就越快，而且越难以被打破。

论文得出结论，时间延迟是科学家可以用来控制活跃群体行为的一个强大的“旋钮”。事实证明，在快速移动的系统中，一点点滞后并不会破坏群体；它只是改变了它们如何聚集在一起，使它们更有可能形成移动的带状区域，而不是单一的、完美的直线。

技术摘要：延迟维克模型中的序-乱转变与相分离

问题陈述
从细菌群落到机器人集群，主动物质系统本质上都涉及由于信息处理和执行滞后而产生的时延。虽然这些系统中互惠性的作用已被广泛研究，但时延对相行为的具体影响仍有待深入探索。以往关于带有时延的维克模型（Vicsek Model, VM）的研究表明，短时延可以增强有序性，而长时延则会破坏有序性，且时延可以改变信息传递的方式，使其从扩散式转变为弹道式。然而，在高速机制下——即标准 VM 展示出由稠密行进带而非简单连续序-乱转变构成的液-气相分离现象时——带有时延的 VM 的行为仍是一个开放性问题。具体而言，目前尚不清楚时延如何影响这些相的稳定性、临界噪声阈值以及在大规模有限系统中带状结构的形成动力学。

方法论
作者通过数值模拟研究了延迟维克模型（Delayed Vicsek Model, DVM），其中 $N$ 个智能体以恒定速度 $v_0$ 在具有周期性边界条件的二维空间中运动。

模型动力学： 智能体根据其感知到的 $\tau$ 个时间步之前的邻居平均取向来调整其速度。速度更新规则结合了噪声项 $\eta$ 和时延 $\tau$ 。
参数： 研究重点关注相对较高的智能体速度（ $v_0 = 0.5$ ），这与以往使用较低速度的研究形成了对比。系统规模固定为 $L=256$ ，密度分别为 $\rho = 1$ 和 $\rho = 2$ （ $N=65536$ 和 $131072$）。
控制参数： 主要控制参数为噪声强度 $\eta$ 和简化时延时间 $\bar{\tau} = v_0 \Delta t \tau / R$ 。
观测指标： 作者分析了：
- 平均极化度 $\langle \phi \rangle$ 及其方差 $\langle \sigma^2 \rangle$ 。
- 用于检测双稳态的 Binder 累积量 $\langle U_4 \rangle$ 。
- 用于识别相分离带的方向自相关函数。
- 极化度和带状结构形成的弛豫时间。
- 用于可视化带状结构及“旋涡”或“弧形”结构的快照。

主要贡献与结果
研究表明，高速下的延迟维克模型保留了标准 VM 的三种特征相：有序态、液-气共存态（相分离）和无序态。然而，时延的引入从定性上改变了系统的动力学和相边界。

相边界与稳定性：
- 无序转变 ( $\eta_{s|d}$ )： 从相分离态向无序态转变所需的临界噪声强度随时延增加而单调增加。这表明相分离态被时延所稳定，从而拓宽了发生相分离的噪声区间。
- 有序转变 ( $\eta_{o|s}$ )： 有序态与相分离态之间转变的临界噪声对时延表现出非单调依赖关系。对于短时延，临界噪声最初增加，而对于长时延，则会减少。
- 总体效应： 短时延稳定有序相，而长时延则破坏有序相并使其向共存相转变。随着时延增加，共存相相对于无序态表现出更强的稳定性。
带状结构形成与动力学：
- 加速效应： 随着时延增加，形成稠密行进带所需的时间显著减少。这种加速归因于旋涡结构（稠密“弧形”）的出现，其特征半径随时延增大。
- 机制： 长时延削弱了碰撞诱导的相互作用；处于接近过程中的集群仅在彼此开始经过之后才能“感知”到对方，导致对齐窗口缩短，且碰撞后的取向扩散范围更大。
- 带状数量： 共存态中可观测到的最大带状数量随时延增加。
双稳态与弛豫：
- 系统在所有时延下均表现出双稳态（由 Binder 累积量的凹陷以及类似于双阱势中布朗运动的时间序列所证实），这证实了在大规模有限系统中序-乱转变的间断性质。
- 令人惊讶的是，尽管相边界和带状形成速度发生了显著变化，极化度弛豫时间 ( $t_R$ ) 几乎不受时延的影响。
易受性（Susceptibility）：
- 当简化时延接近 $\bar{\tau} \approx 0.5$ 时，极化度方差（易受性）急剧下降，随后饱和在一个低值。这种易受性的降低改变了对齐效率与噪声抵抗力之间的平衡，有助于在高速度下增强相分离态的稳定性。

意义
本文确立了时延作为调节维克模型动态相行为的有效控制参数。研究结果强调，在高速度下，由时延引起的易受性降低有利于稳定相分离态，这一行为与长时延通常会破坏有序性的低速机制截然不同。研究表明，时延的作用类似于粒子速度，能够稳定系统，使智能体能够有效地对时间波动进行平均。该研究为理解感知-反应滞后如何影响集体运动提供了定量框架，对于理解如细菌集群和动物集群等具有固有延迟的自然系统具有潜在意义。作者指出，未来仍需探索热力学极限以及诸如“十字海”（cross-sea）等复杂构型的稳定性。