数据驱动的随机模型模拟学群鱼：从集体动力学到个体波动

动物群体中的集体运动源于个体变异性与社会协调之间的相互作用，但从这些尺度定量地进行连接始终是一个主要挑战。我们利用学群鱼的高分辨率轨迹，推断出一种数据驱动的随机框架，能以惊人的准确性再现真实鱼群的行为。我们将运动分解为两个耦合的组成部分：鱼群中心 of mass（或质心）的动力学，模型为受约束的主动布朗运动子；以及相对于该中心的个体运动，由带有数据推断均值-场势和乘性噪声的随机方程描述。这些方程的仿真产生的合成鱼群在多个可观测量（包括爆发-滑翔动力学、极化和空间黏合）上与真实鱼群保持定量一致。这一最小化、可预测的框架桥接了实验与理论，表明动物群体的集体动力学可以从数据中直接从头开始被忠实地重构。