Smarticle Swarm：自发机器人跳舞在主动物质中突出了一种新的订单

花样的一组点代表了Smarticle Swarm可以接受的所有可能的形状。符合嘎嘎声理论，最常见的形状也是最有序的，最低嘎嘎声（以蓝色显示）。

预测粒子，机器人或动物的集合是有序的，仍然是科学和工程的挑战。

在19世纪，科学家和工程师开发了统计力学的学科，这预测了秩序和紊乱之间的简单粒子的群体如何转变，如当随机碰撞原子冻结以形成均匀的晶格时。

更具挑战性的预测是当颗粒变得更加复杂时可以实现的集体行为，使得它们可以在自己的力量下移动。这种类型的系统 - 在鸟群，细菌殖民地和机器人群中观察到 - 通过名称“主动物质”。

据报道，2021年1月1日，2021年期刊科学，物理学家和工程师团队提出了一种新的原则，主动物质系统可以自发地订购，无需更高的级别指令或者代理之间的编程相互作用。他们已经在各种系统中展示了这一原则，包括称为“智能电池”的周期性变形机器人组 - 智能，活性粒子。

当一个智能电池被互相互动时，它们形成了惊人的对称舞蹈，其舞蹈从低嘎嘎声的物理自发出现。

该理论由博士后研究员开发的马萨诸塞州理工学院的Pavel Chvykov，而Jeremy England教授的学生，他现在是佐治亚理工学院物理学学院的研究员，占据了某些类型的活跃物质，充满了凌乱动态将自发地找到研究人员称为“低嘎嘎声”状态。

“嘎嘎作物质需要流入它的能量并将其转化为随机运动，”英格兰说。“当运动更暴力或更随机时，嘎嘎声可以更大。相反，低嘎嘎声非常轻微或高度有组织 - 或两者都是。因此，想法是，如果您的问题和能源允许低嘎嘎声状态的可能性，系统将随机重新排列，直到找到该状态，然后在那里陷入困境。如果您通过特定模式的力量提供能量，这意味着所选状态将发现一种方法，以便将这种模式与这种模式相匹配的问题。“

为了开发他们的理论，英格兰和Chvykov从19世纪后期发现的瑞士物理学家查尔斯索丁发现的现象 - 被称为富有热致现象。在Soret的实验中，他发现将最初均匀的盐溶液在管中进行到温度差异将自发地导致较冷区中的盐浓度的增加 - 这对应于溶液顺序的增加。

Chvykov和英格兰开发了许多数学模型，以展示低嘎嘎作响的原则，但直到他们与佐治亚理工学院的物理学教授Daniel Goldman与Daniel Goldman相连，他们能够测试他们的预测。

当一个智能电池被互相互动时，它们形成了惊人的对称舞蹈，其舞蹈从低嘎嘎声的物理自发出现。

高盛说，“几年后，我看到英格兰举办了一次研讨会，并认为我们的一些智能线机器人可能会证明有价值的测试这个理论。”与Chvykov一起使用，他访问了高盛实验室，博士。学生威廉萨瓦省和Akash Vardhan使用了三个张开的拍拍，将实验与理论进行比较。学生们观察到，而不是完全显示复杂的动态并探索容器，而是将机器人自发地自组织成一些舞蹈 - 例如，一个舞蹈由三个机器人依次拍打彼此的手臂。这些舞蹈可以持续数百瓣，但突然失去稳定性，并被不同模式的舞蹈取代。

首先展示这些简单的舞蹈确实是低嘎嘎作响的国家，Chvykov与西北大学的工程师一起工作，托德·穆尔菲利教授和博士。学生Thomas Berrueta，他们开发了更精致和更好的控制智能电池。改进的智能电池允许研究人员测试理论的限制，包括如何为不同的臂拍打模式而变化的类型和数量，以及如何控制这些舞蹈。“通过控制低嘎嘎声状态的序列，我们能够使系统达到有用工作的配置，”Berrueta说。西北大学的研究人员称，这些发现可能对微机器人群，主动性和超材料具有广泛的实际影响。

正如英格兰指出的那样：“对于机器人群，它是关于获得许多自适应和智能组行为，即您可以在一个群体中设计以在一个群体中实现，即使近透明机器人相对便宜，计算方式很简单。对于活细胞和新材料，可能是关于原子或蛋白质的“群体”可以让您获得什么，就新材料或计算属性来了解。“

参考：“低嘎嘎作响：托马斯A.Berrueta，Akash Varchan，Alexander Samland，Todd D. Murphey，Kurt Wiesenfeld，Daniel I. Goldman和Jeremman和Jeremy L. England，Akash Vardhan，Akash Varchan，Akash Vardhan，Akash Vardhan，Akash Vardhan，Akash Varchan。 ，science.doi：
10.1126 / science.abc6182

该研究的佐治亚州基于技术的团队包括Jeremy L.英格兰，这是与物理学学院进行研究的生活系统科学家的物理学;邓恩家庭教授丹尼尔戈德曼; Kurt Wiesenfeld教授，以及研究生Akash Vardhan（定量Biosciences）和威廉·萨瓦（物理学学院）。他们加入Pavel Chvykov（马萨诸塞州理工学院），以及Todd D. Murphey教授和托马斯A. Berrueta和亚历山大大学亚历山大·大学的研究生。

该材料基于ARO W911NF-18-1-0101，ARO MURI奖W911NF-19-1-0233，ARO W911NF-13-1-0347，由国家科学基金会（ARO W911NF-19-1-0233）提供的陆军研究办公室支持的工作GRANTS POLS-0957659，PHY-1205878，PHY-1205878，PHY-1205878和DMR-1551095，NSF CBET-1637764，由James S. McDonnell Foundation Scholar Grant 220020476，以及佐治亚州理工学院Dunn家族教授。本材料中表达的任何观点，发现，结论或建议均为作者的观点，不一定反映赞助机构的观点。