数学の群に基づく生物の群行動のデータ解析とメカニズム解明および工学応用

2022 Fiscal Year Annual Research Report

• Project Area: Hierarchical Bio-Navigation Integrating Cyber-Physical Space
• Project/Area Number: 22H05655
• Research Institution: Kyoto University
• Principal Investigator: 櫻間 一徳 京都大学, 情報学研究科, 准教授 (10377020)
• Project Period (FY): 2022-06-16 – 2024-03-31
• Keywords: 群行動 / 群論 / モデリング

Outline of Annual Research Achievements

本研究の目的は，生物の高度な群行動の発現メカニズムを包括的に理解できる数理モデルを構築するモデリング技術を開発することである．生物の行動データからこのようなモデルを構築することができれば，生物の階層ナビゲーションや意思決定などを含む様々な群行動の発現メカニズムを解明できるとともに，生物の機能を模した工学技術（避難誘導・車両やドローンの群制御など）にも活かすことができる．
本年度は，データに基づいて生物の高度な群行動を説明できる，汎用的な数理モデルを構築するモデリング技術を開発した．具体的には，群れの移動軌跡のデータを入力とするニューラルネットワークによってモデルを学習し，そのモデルのパラメータから群れの種別（生物の種やロボットの制御法）を分類する方法を提案した．モデルのニューラルネットワークとして，個体同士のインタラクションをワンパラメータの非線形関数で表し，その和を取る構造にした．これによって，群れにおける個体数やナンバリングに依存せずにモデルを作成し，群れの種別を分類できるような新しいニューラルネットワークの構造と学習手順を示した．提案法を４種類の群れに適用して，良好な分類結果が得られることを確認した．
次に，来年度実施する項目の事前準備として，大量のサンプル数のデータに対してニューラルネットワークの深層学習を行うための高性能な計算機を準備した．さらにドローンを購入して実験の準備を行った．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

計画していたモデリング手法を開発し，計算機と実験の準備が出来た．

Strategy for Future Research Activity

今後は，本技術を通じて実世界の様々な生物の行動データからモデルを構築することで，群行動を包括的に理解し，根本的な発現メカニズムを解明することを目指す．そのため，提案アプローチを実際の生物の群行動のデータに適用し，そのメカニズムを解明する．より包括的な解明のため，鳥・魚・人などのできるだけ多くの種類の様々な行動に関する生物の群れのデータを解析する．本項目はA01フィジカル班メンバーと連携することで，実施する．