[論文レビュー] Predator-prey dynamics: Chasing by stochastic resetting

J. Quetzalcóatl Toledo-Marín, Denis Boyer+1 more|arXiv (Cornell University)|Dec 4, 2019

Diffusion and Search Dynamics被引用数 11

ひとこと要約

本稿では、ブラウン運動的移動を行う予期せぬ捕食者が、以前に訪問した獲物の位置へ確率的リセットを行う1次元の捕食者-獲物系を研究している。このリセット戦略により、捕食者と獲物の最初の遭遇までの平均時間（mean first-encounter time）が著しく短縮される。純粋な拡散とは異なり、リセットが平均捕食時間を有限に保ち、最適なリセットレートで最小化されることを示しており、記憶に基づく探索戦略が探索効率を向上させることを明らかにしている。

ABSTRACT

We analyze predator-prey dynamics in one dimension in which a Brownian predator adopts a chasing strategy that consists in stochastically resetting its current position to locations previously visited by a diffusive prey. We study three different chasing strategies, namely, active, uniform and passive which lead to different diffusive behaviors of the predator in the absence of capture. When capture is considered, regardless of the chasing strategy, the mean first-encounter time is finite and decreases with the resetting rate. This model illustrates how the use of cues significantly improves the efficiency of random searches. We compare numerical simulations with analytical calculations and find excellent agreement.

研究の動機と目的

• 確率的リセットを用いて過去の獲物位置へ戻ることで、1次元の捕食者-獲物系における探索効率がどのように向上するかを調査すること。
• 捕食者が過去の獲物位置の記憶に基づいて再配置する場合の、最初の遭遇時間の統計的性質を分析すること。
• アクティブ、一様、パッシブの異なるリセット戦略が、捕食者の拡散行動と捕食時間に与える影響を比較すること。
• リセットが有限な平均捕食時間をもたらすのに対し、純粋な拡散では捕食時間が発散することを確立すること。
• キネティックモンテカルロ法を用いた数値シミュレーションにより、解析的結果を検証すること。

提案手法

• 拡散係数 $ D_y $ を持つ過減衰ブラウン運動として獲物の運動をモデル化し、$ dy/dt = \xi_y(t) $ で記述する。
• 自由拡散と、レート $ Q $ の確率的リセットを組み合わせた捕食者の運動をモデル化し、二値過程 $ \sigma(t) $ で記述する。
• 時間 $ s \leq t $ における過去の獲物位置 $ y(s) $ の選択確率を記述する記憶カーネル $ \phi(s;t) $ を用い、一様またはバイアス付きサンプリングを実装する。
• リセット効果を組み込んだ相対位置 $ z(t) = x(t) - y(t) $ のフォッカー・プランク方程式を導出し、最初の通過時間分布を解く。
• 無限個のリセットに関する和を切り詰めるために、累積分布関数の近似に鞍点法を適用する。
• 数値的検証として、ポアソン分布に従うリセット時刻と、レヴィ＝スミルノフ分布に従う最初の通過時間を持つキネティックモンテカルロシミュレーションを実行する。

実験結果

リサーチクエスチョン

• RQ1 過去の獲物位置への確率的リセットが、捕食者と獲物の間の平均最初の遭遇時間にどのように影響を与えるか？
• RQ2 この記憶に基づく探索戦略において、平均捕食時間を最小化する最適なリセットレートは何か？
• RQ3 アクティブ、一様、パッシブの異なるリセット戦略が、捕食者の拡散行動と捕食効率に与える影響は何か？
• RQ4 なぜ、低レートのリセットでも、最初の捕食に必要なリセット回数の平均が2回で飽和するのか？
• RQ5 鞍点法に基づく解析的近似が、数値シミュレーションとどの程度一致するか？

主な発見

• 確率的リセットを用いる場合、捕食者と獲物の間の平均最初の遭遇時間は有限であるが、純粋な拡散では平均捕食時間が発散する。
• リセットレートが高くなるほど平均捕食時間が減少し、最適なレートで最小値を示す。これは、探索効率の向上を示している。
• $ Q \geq 0.1 $ の場合、累積的な最初の遭遇確率は2回のリセットで飽和し、捕食が2回のジャンプ以内にほぼ確実に発生することを示している。
• リセット回数の鞍点近似は、$ Q $ の広い範囲において、数値シミュレーションと非常に良好に一致している。
• リセット後$i$回目の相対距離の近似式 $ z_i = \sqrt{2D_y i / Q} $ は、シミュレーションによって裏付けられており、最初の遭遇時間計算における無限和の切り詰めが妥当であることを支持している。
• キネティックモンテカルロ法を用いた数値シミュレーションにより、解析的予測が、さまざまなリセットレートと初期条件において、良好に一致していることが確認された。