MMMay, 2022

三球游动者的化学感知和化学趋向性

PDF
TL;DR本文研究了从 Reynolds 数为零到 Péclet 数（Pe）在 0.06 至 60 范围内的情况下，涉及纳贾菲 - 戈勒斯塔尼安三球游泳者的流体动力学和溶质传输的耦合问题，并采用基于 FEniCS 库的有限元代码对问题进行了数值模拟。研究结果表明，在均质流体中，只有在 Pe 显著大于 10 时，游泳可以获得化学物质通量的较小增益。此外，研究发现，对于涉及溶质梯度的游泳者，学习定位会比学习趋化更容易，尤其是在 Pe 较低的情况下趋化的难度将显著增加。
hydrodynamicssolute transportthree-sphere swimmernumerical simulationchemotaxis
发现论文，激发创造
  • 海胆精子的趋化运动通过深度强化学习实现

    研究模仿海胆精子细胞的化感运动模型，利用人工神经网络作为决策代理，通过深度强化学习算法实现微型机器人的智能机动，在有限的环境信息下，发现比人类设计更有效的运动策略，并利用外部扰动促进化感运动。

    Aug, 2022

  • 多智能体强化学习中的化学趋化策略的出现

    探究强化学习在生物系统中的应用，以了解智能体的信息处理方式，研究其在趋化性游动中的应用和策略。

    Apr, 2024

  • 通过强化学习实现智能微游动物的流体导航

    本文介绍了如何利用强化学习算法设计智能的微型游泳机器人，实现在复杂液体环境下的自主适应行为与最优策略的学习。

    Jan, 2017

  • 利用可微投影动力学和神经网络水动力模型的快速水生动物游泳优化

    通过结合 2D 直接数值模拟和基于物理约束的神经网络代理，我们提出了一种新的、完全可微的 FSI 混合方法来优化机器人游泳器的设计，该方法在计算效率上具有显著优势，并可用于计算设计控制软体机器人的直接基于梯度的优化。

    Mar, 2022

  • 从基于代理的 Monte Carlo 模拟数据中学习黑盒和灰盒趋化 PDEs /closures

    本文提出了一种机器学习框架来从高精度随机模拟中学习大尺度化学趋化偏微分方程及其闭合问题，使用自适应相关决策根据高维数据选择合适的共同特征来简化该问题并使用机器学习的方式学习宏观大尺度的效应。

    May, 2022

  • 在流体动力学相互作用存在的情况下学习游动

    通过模拟旋涡偶极子和适应性决策来研究鱼群的校群行为，发现个体鱼对于流体介质的响应以及适应性决策在鱼群中起着至关重要的作用，学习通过最小化单个和集体游泳努力来维持鱼群的相对位置。

    Sep, 2015

  • 学习噪声趋化中空间和时间信息的最优集成

    本研究通过深度强化学习方法，研究了在化学趋向作用中由空间梯度估计和时间梯度估计驱动的边界，并发现混合化学趋向策略在小细胞和大细胞之间的过渡是连续的，并且在过渡区域，混合化学趋向策略优于具有约束性的变体以及明确整合空间和时间信息的模型。

    Oct, 2023

  • 通过深度强化学习利用涡旋实现高效集体游泳

    研究发现，鱼在集群游泳时可以利用其同伴产生的涡旋以提高自身的游泳效率，从而实现集体节约能量。同时，本研究还利用深度强化学习与高保真流场模拟相结合的方法，为复杂流场的导航算法提供了新的思路，并为自主机器人的节能提供了良好的应用前景。

    Feb, 2018

  • 在湍流中游泳的物理信息评论家型演员 - 评论家强化学习

    通过开发和比较一种新的物理知情强化学习策略，我们研究了维持颗粒与其被从被动运动中推动的近邻保持接近的所需游动努力。该策略采用了将神经网络参数化的评论家替换为一个解析导出的物理启发式函数（物理学家）的 Actor-Physicist 算法，并与解析计算的最优预设控制策略和标准物理不可知的 Actor-Critic 类型算法进行了比较。

    Jun, 2024

  • 一种改进的仿生海绵动物组合优化机的计算模型

    单细胞变形虫可以通过其形态变化动力学解决旅行推销员问题，本文考察了在之前提出的计算模型中几个元素在解决方案搜索过程中的作用，并对其进行了三种修改以提高解决方案搜索性能，发现适当的修改确实可以显著改善解决方案的质量，同时也发现与体积守恒相关的条件可以被修改，与人们通常认为的对单细胞变形虫的解决方案搜索能力是不可或缺的信念相反，提出的修改型模型表现出更好的性能。

    Apr, 2024