MétaCan
Menu
Retour à la cohorte
Enregistrement W4386135381 · doi:10.1103/physreve.108.024610

Wildebeest herds on rolling hills: Flocking on arbitrary curved surfaces

2023· article· en· W4386135381 sur OpenAlexfundno aff
Christina L. Hueschen, Alexander R. Dunn, Rob Phillips

Notice bibliographique

RevuePhysical review. E · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical SciencesNational Institutes of HealthDamon Runyon Cancer Research FoundationChan Zuckerberg InitiativeMcMaster Institute for Research on Aging, McMaster UniversityBurroughs Wellcome FundHoward Hughes Medical Institute
Mots-clésWildebeestFlocking (texture)GeologyGeometryPhysicsMaterials scienceBiologyMathematicsEcologyComposite material

Résumé

récupéré en direct d'OpenAlex

The collective behavior of active agents, whether herds of wildebeest or microscopic actin filaments propelled by molecular motors, is an exciting frontier in biological and soft matter physics. Almost three decades ago, Toner and Tu developed a continuum theory of the collective action of flocks, or herds, that helped launch the modern field of active matter. One challenge faced when applying continuum active matter theories to living phenomena is the complex geometric structure of biological environments. Both macroscopic and microscopic herds move on asymmetric curved surfaces, like undulating grass plains or the surface layers of cells or embryos, which can render problems analytically intractable. In this paper, we present a formulation of the Toner-Tu flocking theory that uses the finite element method to solve the governing equations on arbitrary curved surfaces. First, we test the developed formalism and its numerical implementation in channel flow with scattering obstacles and on cylindrical and spherical surfaces, comparing our results to analytical solutions. We then progress to surfaces with arbitrary curvature, moving beyond previously accessible problems to explore herding behavior on a variety of landscapes. This approach allows the investigation of transients and dynamic solutions not revealed by analytic methods. It also enables versatile incorporation of new geometries and boundary conditions and efficient sweeps of parameter space. Looking forward, the paper presented here lays the groundwork for a dialogue between Toner-Tu theory and data on collective motion in biologically relevant geometries, from drone footage of migrating animal herds to movies of microscopic cytoskeletal flows within cells.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,338
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical review. EMême sujetMicro and Nano RoboticsTravaux en français237 207