追捕活性布朗粒子：学习最优行为
软凝聚态物质
2022-11-08 v1 统计力学
摘要
我们通过数值研究了一类活性布朗粒子，它们能够通过一小组动作（切换其运动能力以及相对于某一方向向左或向右转动）对环境信号作出响应，这些动作动机源于近期关于胶体自驱动 Janus 粒子的实验。我们采用强化学习来寻找粒子状态与这些动作之间的最优映射。具体而言，我们首先考虑一种捕食者-猎物情境，其中猎物粒子试图躲避捕食者。以距捕食者的平方距离作为奖励，我们讨论了三种状态-动作集的优劣，并表明远离捕食者转动是最成功的策略。随后我们移除捕食者，并以所有粒子分泌的信号分子的局部浓度作为集体奖励，表明与浓度梯度对齐会导致趋化性塌缩成单一簇。我们的结果展示了一条在活性物质中获取局部相互作用规则与设计集体态的有前景的途径。
引用
@article{arxiv.2111.10826,
title = {Hunting active Brownian particles: Learning optimal behavior},
author = {Marcel Gerhard and Ashreya Jayaram and Andreas Fischer and Thomas Speck},
journal= {arXiv preprint arXiv:2111.10826},
year = {2022}
}
备注
to appear in Phys. Rev. E