Original title: Modelování skupin zvířat na základě cílů jednotlivců
Translated title: Modeling of animal groups based on individual goals
Authors: Vaněk, Martin ; Holubec, Viktor (advisor) ; Antonov, Alexander (referee)
Document type: Master’s theses
Year: 2025
Language: cze
Abstract: [cze] [eng]
Kolektivní pohyb zahrnuje různé jevy od vytváření hejn ptáků přes roje dronů až po pohyb davů lidí. Tradiční modely ve fyzice obvykle předepisují pravidla interakcí, aniž by vysvětlily, proč se jimi agenti řídí. Tato práce reformuluje kolektivní pohyb prostřed- nictvím přesvědčení agentů reprezentovaných pravděpodobnostními rozděleními. Tím za- kládá chování na minimalizaci překvapení a prediktivním zpracování - principech běžných ve výpočetní neurovědě. Pro ilustraci tohoto přístupu odvozujeme analogie základních modelů (Vicsekův, Reynoldsův) z minimalizace překvapení a souvisejícího modelu "Active Inference". Představujeme způsob propojení pozorovaného chování a modelů založených na cílech s modely založenými na přesvědčeních a diskutujeme jeho omezení. Provádíme rozsáhlé simulace a identifikujeme modely, které vedou k zajímavému kolektivnímu cho- vání. Pozorujeme zásadní vliv omezení zorného úhlu na soudržnost a odhalujeme "fázový přechod" z uspořádaného pohybu v hejnu k neuspořádanému kroužení v závislosti na šumu. Propojením minimalizace překvapení s emergentní skupinovou dynamikou činíme důležitý krok směrem k propojení fyziky aktivní hmoty s teorií informace a neurovědou. Nabízíme tak realističtější alternativu k fenomenologickému modelování, která se může ukázat jako zvláště cenná pro pochopení... Collective motion concerns various phenomena from bird flocking to swarms of drones and human crowds. Traditional models in physics typically prescribe interaction rules without explaining why agents follow them. This thesis reformulates collective motion through agents' beliefs - represented by probability distributions. Thus, grounding be- havior in surprise minimization and predictive processing - principles common in com- putational neuroscience. To illustrate the approach, we derive analogues of foundational models (Vicsek, Reynolds boids) from surprise minimization and the related Active In- ference framework. We present a way of connecting observed behaviors and goal-based models to beliefs and discuss its limitations. We perform extensive simulations and iden- tify models that give rise to interesting collective behavior, highlighting the influence of front-facing vision on cohesion, and revealing a "phase transition" from ordered flocking to disordered swirling in terms of noise. By connecting surprise minimization to emergent group dynamics, we make an important step towards bridging active matter physics with information theory and neuroscience, offering a principled alternative to phenomenologi- cal modeling that may prove especially valuable for understanding biological systems.
Keywords: Vicsek model|Active matter|Statistical physics|Stochastic modeling|Computer simulations|Hydrodynamics; Vicsekův model|Aktivní hmota|Statistická fyzika|Stochastické modelování|Počítačové simulace|Hydrodynamika

Institution: Charles University Faculties (theses) (web)
Document availability information: Available in the Charles University Digital Repository.
Original record: http://hdl.handle.net/20.500.11956/202744

Permalink: http://www.nusl.cz/ntk/nusl-690520


The record appears in these collections:
Universities and colleges > Public universities > Charles University > Charles University Faculties (theses)
Academic theses (ETDs) > Master’s theses