The role of asymmetric time delay and its structure in 1D swarmalators

本文研究了一种具有非对称时滞的一维群振子模型，揭示出时滞的内部结构通过系统性地扩展活性π态从根本上重塑了集体相图，并确立了时滞的形式而非仅其幅值是决定群振子涌现行为的关键因素。

要点

想象一下，一大群微小的机器人，或者也许是一群鱼，它们四处移动并试图协调彼此的动作。在物理学中，这些被称为群振子（swarmalators）。它们之所以特殊，是因为它们同时做两件事：它们在空间中协同移动（像鸟群一样），并且同步它们内部的“节拍”或节奏（像一群人整齐地鼓掌一样）。

通常，当这些群体相互作用时，人们假设每个人都能即时地听到并回应彼此。但在现实世界中，没有任何事情是瞬时的。总是存在微小的延迟——就像声音传播所需的时间，或大脑处理信号所需的时间。这篇论文提出了一个简单但至关重要的问题：这种延迟发生的方式是否重要？

“不对称”的转折

大多数先前的研究都假设延迟是“对称”的，意味着相互作用的每个部分都被同等地减慢。这就像合唱团中的每个人在唱下一个音符之前都必须等待相同的时间。

本文的作者决定测试一种不对称的延迟。想象这样一个场景：

• 机器人会等待以回应邻居的位置（空间延迟）。
• 但它们会即时回应邻居保持的节奏（相位即时）。
• 或者反过来。

他们发现，延迟放置的位置会改变一切。这不仅仅关乎等待多久，还关乎对话的哪一部分被延迟了。

群体行为的五种方式

通过运行计算机模拟，研究人员发现这些延迟的群振子会稳定在五种不同的“情绪”或状态中：

1. 异步状态（混乱）： 每个人都在做自己的事。它们在空间中随机分散，在节奏上不同步。这是一个嘈杂、无组织的群体。
2. 静态π状态（冻结的配对）： 群体分裂成两个完美的组。一组在一个位置，另一组正好在对面。它们静止不动，完全同步，但被“半圈”（180 度）分隔开。
3. 活跃π状态（跳舞的配对）： 这是最有趣的新发现。就像冻结的配对一样，它们分裂成两组。但它们不是静止不动，而是开始一起绕圈行进。延迟实际上创造了这种运动。如果没有延迟，它们只会静止不动。
4. 相位波（波浪）： 想象体育场里的波浪。群体排成一行移动，位置和节奏完美关联。如果你处于某个位置，你就处于节奏的某个特定点。
5. 不稳定状态（抖动）： 群体无法决定。它们在秩序和混乱之间来回振荡，从未安定下来。

重大发现：延迟作为“音量旋钮”

最令人惊讶的发现是，延迟如何充当群体行为的控制旋钮：

• 当延迟位于“运动”部分（正弦项）时： 增加延迟就像活跃π状态的磁铁。延迟越长，群体分裂成两组并开始绕圈行进的可能性就越大。延迟稳定了这种舞蹈运动。
• 当延迟位于“节奏”部分（余弦项）时： 群体倾向于变得不稳定和抖动。它们无法找到稳定的节奏，开始剧烈地抖动或振荡。

“对称”与“不对称”的对决

作者将他们新的“不对称”模型与旧的“对称”模型（延迟同等地影响所有部分）进行了比较。

• 对称延迟： 往往使群体变得抖动和不稳定。它们很难找到稳定的节奏。
• 不对称延迟： 实际上可以帮助群体找到一种稳定、有序的运动方式（活跃π状态）。

结论

想象一群舞者正在学习一套动作。

• 如果所有人的反应时间都缓慢且相同，他们可能会绊倒并抖动。
• 但如果延迟是特定结构的——比如，他们等待片刻以观察舞伴的位置，但对音乐做出即时反应——延迟实际上能帮助他们锁定一种优美的同步舞蹈，在其中成对旋转。

该论文得出结论：延迟的结构与延迟本身同样重要。 这不仅仅关乎信号有多慢，还关乎哪个信号是慢的。这改变了这些群体行为的全部“图谱”，表明一点点正确类型的滞后可以将混乱转化为协调的舞蹈。

技术摘要

技术摘要：一维群振子中非对称时滞及其结构的作用

问题陈述
群振子（Swarmalators）是耦合振荡器，能够同时在空间和相位上实现同步，用于模拟从生物微泳体到机器人集群的各种系统。由于有限的信号传播和处理延迟，时滞在这类系统中普遍存在，但以往的研究主要集中在对称时滞上，即相同的延迟 $\tau$ 同等地影响所有耦合通道。延迟的结构形式——具体而言是它是对称的还是非对称的（仅影响相互作用中的特定项）——受到的关注甚少。本文旨在填补这一空白，探讨非对称时间延迟的结构如何影响群振子群体的涌现集体行为，这种影响区别于延迟的单纯大小。

方法论
作者研究了一维（1D）群振子模型，其中智能体具有空间位置 $x_i$ 和内部相位 $\theta_i$，两者均定义在圆 $S^1$ 上。研究聚焦于一种特定的非对称延迟变体，其中时间滞后 $\tau$ 仅进入空间和相位动力学中的自相互作用（正弦）项，而跨模态（余弦）耦合因子保持瞬时。控制方程为时滞微分方程：
$$\dot{x}_i = \frac{J}{N} \sum_{j=1}^N \sin(x_j(t-\tau) - x_i(t)) \cos(\theta_j(t) - \theta_i(t))$$
$$\dot{\theta}_i = \frac{K}{N} \sum_{j=1}^N \sin(\theta_j(t-\tau) - \theta_i(t)) \cos(x_j(t) - x_i(t))$$
其中 $J$ 和 $K$ 为耦合常数。

方法论结合了：

1. 数值模拟：直接积分 $N=1000$ 个智能体的控制方程，以识别集体状态，并在变化的延迟（$\tau$）下构建 $(J, K)$ 参数平面上的分岔图。
2. 解析稳定性分析：在连续极限下对关键集体状态（异步态、相位波态和 $\pi$ 态）进行线性稳定性分析。作者利用傅里叶模态展开和朗伯 $W$ 函数推导特征方程，以确定闭合形式的稳定性边界。
3. 比较分析：将非对称延迟模型与互补的非对称情况（仅余弦项存在延迟）以及对称延迟模型（所有项均存在延迟）进行比较，以隔离延迟结构的影响。

主要结果
该研究确定了五种不同的集体状态：

• 静态 $\pi$ 态：两个簇在空间和相位距离上均相隔 $\pi$，速度为零。
• 活跃 $\pi$ 态：具有类似的双簇结构，但具有非零的集体速度。
• 异步态：在空间和相位上均匀分布，无序。
• 相位波态：位置与相位之间存在强相关性（$x = \pm \theta + c$）。
• 非稳态：序参数的持续振荡。

关于非对称延迟结构影响的主要发现包括：

• 活跃 $\pi$ 态的扩展：在延迟进入正弦项的模型中，增加延迟 $\tau$ 系统地扩大了活跃 $\pi$ 态的稳定性区域，从而以牺牲其他有序状态为代价。这与对称延迟模型形成对比，后者更强烈地促进非稳态、非定常动力学。
• 稳定性边界：作者推导了异步态、相位波态和 $\pi$ 态稳定性的解析条件。对于异步态，稳定性边界由条件 $2J + 2K + \tau JK = 0$ 确定。对于相位波态，稳定性取决于耦合常数与延迟之间的相互作用，并在特定条件下发生霍普夫分岔。
• 双稳性：分析揭示了双稳性区域，其中活跃 $\pi$ 态和异步态作为稳定吸引子共存。系统选择的渐近状态取决于初始条件，且随着耦合参数的变化，吸引盆会发生偏移。
• 结构敏感性：论文证明，延迟的内部结构是一个决定性因素。当延迟引入“正弦”项时，它促进有序的活跃态（活跃 $\pi$ 态）。相反，当延迟引入“余弦”项（互补情况）时，它有利于非稳态或非定常态的出现。

意义与主张
本文主张，时间延迟的内部结构，而不仅仅是其大小，从根本上重塑了群振子群体的集体相图。通过提供经数值模拟验证的闭合形式稳定性条件，该工作确立了非对称延迟可以作为控制参数，促进特定的有序态（如活跃 $\pi$ 态），而这些状态在对称延迟模型或无延迟系统中未被观察到或稳定性较差。作者指出，这些发现对于理解生物系统（例如捕食者 - 猎物相互作用、运动系统）以及工程集群具有相关性，在这些系统中信号处理和空间对齐可能在不同时间尺度上运行。该研究是在处理更复杂的高维设置之前，隔离低维变体中延迟结构本质作用的基础性步骤。