活着还是死了：使用监督学习区分主动和被动粒子
摘要：密集无序物质领域中一个长期存在的问题是结构和动态如何精确地相互关联。随着机器学习的发展，可以基于局部结构环境，不受先入为主地预测密集液体中粒子的动态倾向。然而，迄今为止，这些机器学习研究几乎都集中在由被动粒子组成的简单液体上。在这里，我们考虑了被动和主动（即自驱动）布朗粒子的混合物，并旨在通过最小局部结构信息识别出主动粒子。我们将针对被动系统的最新机器学习方法与我们基于沃罗诺伊镶嵌的新方法进行比较。这两种方法都能够准确地根据高活性和低浓度的活动粒子的结构特征来识别活动粒子。然而，我们的沃罗诺伊方法由于需要更少且易于计算的输入特征而在训练和部署上更加快速。值得注意的是，当活性较低时，这两种方法都变得无效，这表明动态倾向和非平衡活性具有根本不同的结构特征。最终，这些工作在生物活性玻璃（如细胞层）的背景下也可能具有相关性，微观结构的细微变化可以暗示细胞动力学的病理变化。
作者：Giulia Janzen, Xander L. J. A. Smeets, Vincent E. Debets, Chengjie Luo, Cornelis Storm, Liesbeth M. C. Janssen, Simone Ciarella
论文ID：2302.07353
分类：Soft Condensed Matter
分类简称：cond-mat.soft
提交时间：2023-07-03