DOI: https://doi.org/10.1103/rt97-ncmf
PMID: https://pubmed.ncbi.nlm.nih.gov/41997201
تاريخ النشر: 2026-03-03
المؤلف: Shengkai Li وآخرون
الموضوع الرئيسي: الهوية والذاكرة والعلاج
نظرة عامة
تقدم هذه الدراسة بحثًا شاملاً حول أسراب الطائرات بدون طيار ثنائية الأبعاد، مع التركيز على كيفية ظهور السلوك الجماعي من التفاعلات الميكانيكية وتبادل المعلومات بين الوكلاء. كل طائرة بدون طيار، مزودة بذاكرة داخلية ومتغير قرار ثنائي، تقوم بتحديث حالتها من خلال معالجة سلسلة زمنية من ذكريات الاصطدام السابقة. تسهل هذه الحسابات الداخلية تشكيل شبكة معلومات ديناميكية، مما يؤدي إلى ظواهر مثل الاستقطاب التام العفوي، والانقسام الثنائي لجماعات الدوران، والانتقالات الفوضوية بين الحالات الجماعية.
تحدد الدراسة انتقالًا في الطور ناتج عن الذاكرة يعطل تناظر الدوران على مستوى السكان، والذي يمكن التلاعب به عن طريق ضبط عمق الذاكرة وخوارزمية اتخاذ القرار. تم اقتراح نموذج نظري بسيط، يوضح هذه الديناميات من خلال منظر فعال محتمل يتشكل من خلال التغذية الراجعة المعلوماتية. تشير هذه الإطار إلى أن الحسابات المرتبطة زمنياً يمكن أن تعمل كقوة دافعة للتنظيم الجماعي، متجاوزة القوى الفورية التقليدية. بشكل عام، تضع النتائج أسراب الطائرات بدون طيار كنموذج قيم للتحقيق في فيزياء التجمعات المعلوماتية، مما يبرز العلاقة المعقدة بين التفاعلات الفيزيائية ومعالجة المعلومات في السلوكيات الناشئة.
نقاش
في هذا القسم، يناقش المؤلفون ديناميات نظام من الطائرات بدون طيار (الدوران) المزودة بأجهزة استشعار وميكروكمبيوترات تمكنها من اتخاذ قرارات بناءً على التفاعلات السابقة. يستخدم كل دوران قائمة ذاكرة لتخزين ملاحظات الاصطدامات، الممثلة كقيم ثنائية ($q_i \in \{+1, -1\}$)، والتي يتم وزنها وفقًا لسمات شخصية الدوران. تتضمن عملية اتخاذ القرار حساب مجموع مرجح من الملاحظات السابقة، مما يسمح للدوران بإظهار سلوكيات متنوعة، مثل التوافق مع الأغلبية (المتساهلين)، معارضتها (المتشائمين)، أو تفضيل الأحداث الأخيرة (الانتهازيين). تكشف الدراسة أن عمق الذاكرة يؤثر بشكل كبير على السلوك الجماعي، حيث تؤدي أحجام الذاكرة الأكبر إلى كسر التناظر العفوي، حيث يتقارب السكان إلى حالة دوران مهيمنة.
يظهر المؤلفون أن الانتقال إلى الاستقطاب يحدث عند عتبة ذاكرة حرجة، تتأثر بأخطاء الكشف أثناء الاصطدامات. يقومون بنمذجة ديناميات الدوران كمنظر محتمل، حيث يتغير الجهد الفعال من بئر واحدة إلى بئر مزدوجة مع زيادة عمق الذاكرة، مما يشير إلى تحول من عدم الاستقطاب إلى كسر كامل للتناظر. تشير النتائج إلى أن الذاكرة تعمل كدرجة حرية فيزيائية في الأنظمة غير المتوازنة، تشكل السلوك المستقبلي بناءً على التفاعلات التاريخية. توسع هذه الدراسة من فهم الديناميات الجماعية في المادة النشطة ولها تداعيات على الأنظمة البيولوجية، مما يبرز دور الذاكرة في السلوكيات التكيفية.
DOI: https://doi.org/10.1103/rt97-ncmf
PMID: https://pubmed.ncbi.nlm.nih.gov/41997201
Publication Date: 2026-03-03
Author(s): Shengkai Li et al.
Primary Topic: Identity, Memory, and Therapy
Overview
This research presents a comprehensive study of two-dimensional drone swarms, focusing on how collective behavior emerges from both mechanical interactions and information exchange among agents. Each drone, equipped with internal memory and a binary decision variable, updates its state by processing a time series of past collision memories. This internal computation facilitates the formation of a dynamical information network, leading to phenomena such as spontaneous complete spin polarization, pitchfork bifurcations of spin collectives, and chaotic transitions between collective states.
The study identifies a memory-induced phase transition that disrupts spin symmetry at the population level, which can be manipulated by adjusting the depth of memory and the decision-making algorithm. A minimal theoretical model is proposed, illustrating these dynamics through an effective potential landscape shaped by informational feedback. This framework suggests that temporally correlated computations can serve as a driving force for collective organization, superseding traditional instantaneous forces. Overall, the findings position drone swarms as a valuable model for investigating the physics of informational ensembles, highlighting the intricate relationship between physical interactions and information processing in emergent behaviors.
Discussion
In this section, the authors discuss the dynamics of a system of drones (spinners) equipped with sensors and microcomputers that enable them to make decisions based on past interactions. Each spinner utilizes a memory queue to store observations of collisions, represented as binary values ($q_i \in \{+1, -1\}$), which are weighted according to the spinner’s personality traits. The decision-making process involves calculating a weighted sum of past observations, allowing spinners to exhibit various behaviors, such as aligning with the majority (pushovers), opposing it (curmudgeons), or favoring recent events (opportunists). The study reveals that memory depth significantly influences collective behavior, with larger memory sizes leading to spontaneous symmetry breaking, where the population converges to a dominant spin state.
The authors demonstrate that the transition to polarization occurs at a critical memory threshold, which is affected by detection errors during collisions. They model the dynamics of spinners as a potential landscape, where the effective potential changes from a single well to a double well as memory depth increases, indicating a shift from no polarization to complete symmetry breaking. The findings suggest that memory acts as a physical degree of freedom in non-equilibrium systems, shaping future behavior based on historical interactions. This research extends the understanding of collective dynamics in active matter and has implications for biological systems, highlighting the role of memory in adaptive behaviors.