具有记忆的响应式活性布朗粒子 (rABPs) 的模拟与时间序列分析
软凝聚态物质
2024-04-03 v1
摘要
为了实现活性物质在微观和纳米尺度的目标，下一代微型机器人必须能够自主感知并响应其环境，以执行预编程任务。记忆效应被认为对响应式机器人系统的动力学具有显著影响，这与自然界中跨越所有空间尺度的策略具有相似性。受大肠杆菌感知环境的积分反馈控制机制启发，我们开发了一种数值响应式活性布朗粒子 (rABP) 模型，其中 rABPs 对其局部环境所决定的物理参数变化产生连续反应。随后，利用生成的生成时间序列对其响应进行分类和表征，从而识别出其物理学中的条件异方差性。接着，我们训练了循环神经网络 (RNNs)，能够利用 rABPs 的二维轨迹定量描述其响应性。我们相信，我们提出的确定控制 rABPs 动力学参数的策略，可应用于指导在制造过程中编码物理智能的微型机器人设计。
引用
@article{arxiv.2404.01944,
title = {Simulation and time series analysis of responsive active Brownian particles (rABPs) with memory},
author = {Maximilian Bailey and Fabio Grillo and Lucio Isa},
journal= {arXiv preprint arXiv:2404.01944},
year = {2024}
}
备注
13 pages, 6 figures