論文の概要: Interpretable many-body interaction laws for collective motion from few trajectories

• arxiv url: http://arxiv.org/abs/2611.08314v1
• Date: Thu, 05 Nov 2026 17:12:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.593281
• Title: Interpretable many-body interaction laws for collective motion from few trajectories
• Title（参考訳）: 少ない軌道からの集合運動に対する多体相互作用則の解釈
• Abstract要約: 我々は、原子間ポテンシャルの原子クラスター展開を自己推進剤に適応させるdACEを導入する。 既知規則付き2次元と3次元のシミュレートされた集合体について、dACEは、ほとんどデータからボディオーダーによる相互作用法体秩序を復元する。 追跡されたゼブラフィッシュとゴールデンライナーの実際のデータセットについて、dACEが学んだ法則は、SocialNetの法則よりもデータの解離した半減期間でよく一致している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Models of collective motion usually reduce social interactions to pairwise forces, despite empirical evidence for many-body effects. We introduce the directional atomic cluster expansion (dACE), which adapts the atomic cluster expansion (ACE) of interatomic potentials to self-propelled agents. dACE provides a systematically improvable, exactly equivariant expansion of an agent's acceleration that splits uniquely into 1-, 2-, 3-body and higher contributions, along with a self term for the agent's own past motion that is fitted so that it does not absorb the interactions. On simulated collectives in two and three dimensions with known rules, dACE recovers the interaction law body order by body order from little data, while the neural model SocialNet, the current closest competitor, needs more data, has much larger errors on many-body or chiral rules and is restricted to 2D. On real data sets of tracked zebrafish and golden shiners, the laws learned by dACE agree better between disjoint halves of the data than SocialNet's. The learned laws are interpretable, and in the shiners the 3-body term opposes the pairwise response as neighbourhoods get dense. Finally, we show that next-step prediction accuracy mostly measures self-propulsion and noise rather than the interactions, and suggest more robust combinations of error measures for interaction learning.
• Abstract（参考訳）: 集団運動のモデルは通常、多体効果の実証的な証拠にもかかわらず、対の力による社会的相互作用を減少させる。 我々は、原子間ポテンシャルの原子間クラスター展開(ACE)を自己推進剤に適応させる指向性原子クラスター展開(dACE)を導入する。 dACEは、エージェントの加速度の体系的に即効性、正確に同変な拡張を提供し、1-、2-、3-、およびそれ以上のコントリビューションに一意に分割し、エージェント自身の過去の動きの自己項を、エージェントが相互作用を吸収しないように適合させる。 既知のルールを持つ2次元と3次元のシミュレートされた集合体では、dACEは、小さなデータからボディオーダーによる相互作用法則のボディオーダーを復元する。 追跡されたゼブラフィッシュとゴールデンライナーの実際のデータセットについて、dACEが学んだ法則は、SocialNetの法則よりもデータの解離した半減期間でよく一致している。 学習法則は解釈可能であり、3体項は近隣が密集するにつれて対の反応に反対する。 最後に、次のステップ予測精度は、相互作用よりも自己推進とノイズを主に測定することを示し、相互作用学習のためのエラー測定のより堅牢な組み合わせを提案する。

関連論文リスト

• Recovering Irreducible Three-Body Interactions with Lagrangian Neural Networks [0.0]
  ラグランジアンニューラルネットワーク(LNN)は,動作のみから既約多体相互作用を回復可能であることを示す。 我々は運動エネルギーを正確に学習し、粒子間距離と角度の関数としてポテンシャルのみを学習する。 したがって、ドメイン固有の構造を持つLNNは、閉形式法則として軌道から既約3体相互作用を回復することができる。
  論文  参考訳（メタデータ） (2026-10-09T09:40:31Z)
• ARMS: Anchor-Relational Motion Streaming for Seamless Solo-Social Motion Transitions [30.111598584743774]
  単体動作と人間-人間の相互作用を統一するアンカー-リレーショナル・モーション・ストリーミング・フレームワークを提案する。 我々は,ARMSが対話中心のベースラインに比べて,遷移のスムーズさや社会的コヒーレンスを改善することを示す。
  論文  参考訳（メタデータ） (2026-07-07T01:37:38Z)
• Information scrambling in all-to-all interacting models [0.0]
  情報スクランブル(英: information scrambling)は、孤立した量子多体系における量子カオスと熱化の指標である。 von-Neumann と Rényi のエントロピーは急速に成長し,Haar-random 値付近で飽和し,効率的なスクランブルを示す。 初期成長期における最小相互作用次数に対するレニイ・1/2相互情報と絡み合う負性の関係を数値的に求める。
  論文  参考訳（メタデータ） (2026-06-01T13:07:50Z)
• Disentangled Hierarchical VAE for 3D Human-Human Interaction Generation [38.96602886701333]
  既存の方法は、すべての動き情報を単一の潜在表現に圧縮する。 これはしばしば意味的ミスアライメントや、侵入や接触の欠如など、物理的に不確実な成果物につながる。 本稿では,階層型変分オートエンコーダを用いた構造的かつ制御可能なHHI生成のための潜時拡散法を提案する。
  論文  参考訳（メタデータ） (2026-02-24T12:12:29Z)
• Diffusion Forcing for Multi-Agent Interaction Sequence Modeling [52.769202433667125]
  MAGNetはマルチエージェントモーション生成のための統合された自己回帰拡散フレームワークである。 フレキシブルな条件付けとサンプリングを通じて、幅広いインタラクションタスクをサポートする。 緊密に同期された活動と、ゆるやかに構造化された社会的相互作用の両方をキャプチャする。
  論文  参考訳（メタデータ） (2025-12-19T18:59:02Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• Collective three-body interactions enable a robust quantum speedup [0.0]
  集合的な3体相互作用(3BI)は、光学キャビティ内にロードされた$N$原子で実装可能である。 複雑なマルチパーティントの絡み合った状態を作る上で大きな利点がある。
  論文  参考訳（メタデータ） (2025-12-05T21:38:07Z)
• InterGen: Diffusion-based Multi-human Motion Generation under Complex Interactions [49.097973114627344]
  動作拡散プロセスに人間と人間の相互作用を組み込んだ効果的な拡散ベースアプローチであるInterGenを提案する。 我々はまず、InterHumanという名前のマルチモーダルデータセットをコントリビュートする。これは、様々な2人インタラクションのための約107Mフレームで構成され、正確な骨格運動と23,337の自然言語記述を持つ。 本稿では,世界規模での2人のパフォーマーのグローバルな関係を明示的に定式化した対話拡散モデルにおける動作入力の表現を提案する。
  論文  参考訳（メタデータ） (2023-04-12T08:12:29Z)
• Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
  マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。 具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。 階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
  論文  参考訳（メタデータ） (2021-07-31T13:36:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。