dewi-kadita: 엔트로피 기반 진단을 통한 이상적인 어류 군집 시뮬레이션용 Python 라이브러리

초록

물고기 떼의 집단 운동은 능동 물질 시스템에서 나타나는 자발적 자기 구축의 전형적 사례지만, 이러한 동역학을 시뮬레이션하고 분석하기 위한 계산 도구는 여전히 연구 그룹별로 분산되어 있다. 본 연구에서는 해양 집단 행동 연구에 특화된 종합적 엔트로피 진단 기법과 함께 3차원 Couzin 영역 기반 모델을 구현한 오픈소스 Python 라이브러리인 dewi-kadita를 소개한다. 이 라이브러리는 기존 질서 매개변수로는 접근할 수 없는 독특한 조직적 특성을 규명하는 7가지 정보 이론적 측정치——떼 응집성 엔트로피, 분극화 엔트로피, 수심 성층화 엔트로피, 각운동량 엔트로피, 최근접 이웃 엔트로피, 속도 상관 엔트로피, 떼 형태 엔트로피——를 도입한다. 이러한 측정치는 집단적 무질서도를 단일 스칼라 값으로 제공하는 Oceanic Schooling Index(OSI)로 통합된다. 네 가지 표준 구성(군집, 토러스, 동적 병렬, 고도 병렬)에 대한 검증 결과, 알려진 위상 행동이 정확히 재현됨을 확인하였다: 군집 상태는 분극화 P < 0.1 및 OSI approx 0.71로 무질서를 유지하는 반면, 고도 병렬 상태는 P = 0.998, OSI = 0.24에 도달하고 속도 상관 엔트로피는 0으로 수렴한다. 엔트로피 프레임워크는 유사한 질서 매개변수 크기를 보이지만 서로 다른 조직 메커니즘을 갖는 토러스와 동적 병렬 구성을 성공적으로 구별한다. Numba JIT(Just-In-Time) 컴파일을 통해 쌍별 상호작용 계산 속도가 10~100배 가속화되어, 표준 워크스테이션에서 150~250개체에 대한 1000~2000시간 단계 시뮬레이션을 5분 내에 수행할 수 있다. NetCDF4 출력 형식은 해양학 분석 도구와의 상호운용성을 보장한다. 이 라이브러리는 확립된 분자 동역학 코드와 유사하게 집단 행동 모델링 분야에서 표준화되고 재현 가능한 인프라 필요성을 해결한다.

English

Collective motion in fish schools exemplifies emergent self-organization in active matter systems, yet computational tools for simulating and analyzing these dynamics remain fragmented across research groups. We present dewi-kadita, an open-source Python library implementing the three-dimensional Couzin zone-based model with comprehensive entropy diagnostics tailored for marine collective behavior research. The library introduces seven information-theoretic metrics -- school cohesion entropy, polarization entropy, depth stratification entropy, angular momentum entropy, nearest-neighbor entropy, velocity correlation entropy, and school shape entropy -- that characterize distinct organizational features inaccessible to classical order parameters. These metrics combine into an Oceanic Schooling Index (OSI) providing a single scalar measure of collective disorder. Validation across four canonical configurations (swarm, torus, dynamic parallel, highly parallel) confirms correct reproduction of known phase behaviors: the swarm maintains disorder with polarization P < 0.1 and OSI approx 0.71, while the highly parallel state achieves P = 0.998 with OSI = 0.24 and velocity correlation entropy vanishing to zero. The entropy framework successfully discriminates the torus and dynamic parallel configurations that exhibit comparable order parameter magnitudes through different organizational mechanisms. Numba just-in-time (JIT) compilation accelerates pairwise interaction calculations by 10--100times, enabling simulations of 150--250 agents over 1000--2000 time steps within five minutes on standard workstation hardware. NetCDF4 output ensures interoperability with oceanographic analysis tools. The library addresses the need for standardized, reproducible infrastructure in collective behavior modeling analogous to established molecular dynamics codes.

dewi-kadita: 엔트로피 기반 진단을 통한 이상적인 어류 군집 시뮬레이션용 Python 라이브러리

dewi-kadita: A Python Library for Idealized Fish Schooling Simulation with Entropy-Based Diagnostics

초록

Support