“蛙鸣”启发的通信:让物联网更高效节能!

2019 年 1 月 23 日 IntelligentThings

导读


近日,日本大阪大学与筑波大学的研究人员受青蛙“合唱”的智慧启发,设计出一个数学模型,并用它打造更加节能与高效的物联网。


背景


自然界中,许多动物例如蚂蚁、鸟、鱼等,都存在“集群行为”。在这些集群系统中,每个动物都会采用各种感知手段与其邻近的同伴交互。



蚁群(图片来源: Christine Daniloff/麻省理工学院)


鸟群(图片来源:维基百科)


鱼群(图片来源:维基百科)


对于动物集群的实验与理论研究,有助于我们进一步理解多个动物之间的交互机制,同时也启发了一项称为“集群智能”的新技术。多项理论研究表明,集群智能(例如蚁群算法)能解决真实世界中的问题,特别是信息与通信领域的问题。


作为两栖动物的“青蛙”也有相似的行为。也许,你曾有过夜晚在池塘旁露营的体验。那时,你也许听到了池塘中此起彼伏的青蛙鸣叫声,正如宋词中所描绘的那样:“听取蛙声一片”。有人觉得蛙声悦耳,有人觉得蛙声刺耳,但是却很少有人会想到:蛙声能给我们什么启发?


蛙发声时的声囊(图片来源:维基百科)


首先,我们来看一个问题:青蛙为什么会叫?简单说,像许多动物一样,青蛙也是用声音在个体之间通信(或者说传递信息)的。总的来说,一只雄性青蛙连续发出叫声,主要目的就是为了吸引雌性青蛙的注意,并向其他雄性青蛙宣示其领地。


可是,在同一繁殖地点,通常会有许多雄蛙在一起。如果没有一种机制来规范这种鸣叫的“时序”,那么同一段时间内,青蛙们的鸣叫会相互重叠,从而掩盖了每个雄蛙“自己”要传递的信号。


然而,奇妙之处在于,雄蛙们并不像市场中的小贩们一样杂乱无章地叫卖,声音相互重叠。取而代之的,青蛙们似乎是在接受统一指挥,有规律地“合唱”着。短时间来看,它们的叫声不会相互重叠;长时间来看,它们似乎同步着叫声的开始与结束。相应地,在每个“歌唱”的间隔,雄蛙们也能得到休息,从而降低能量消耗并缓解身体疲劳。


创新


近日,日本大阪大学与筑波大学的研究人员设法将这种两栖动物的智慧应用于数学和技术领域。他们的研究成果在《Royal Society Open Science》期刊上发表。


技术


团队研究了雄性日本树蛙在不同时间间隔内的鸣叫模式。


雄性日本树蛙(图片来源:大阪大学)


为此,他们将三只树蛙关到一个单独的笼子内,记录它们之间的声音互动。他们发现,三只青蛙声都会在时间上避免相互重叠,并在“合唱”与“沉默”之间协同切换。然后,研究人员们创造出一个数学模型,让青蛙们的“声学教学”带来技术效益,因为这种模式类似于在互联网中得到应用的那些有价值的模式。


论文合著者 Daichi Kominami 解释道:“我们发现,邻近的青蛙避免了时间上的重叠,从而使得个体的声音能不受干扰地被听到。通过同样的方式,传感器网络中的邻近节点需要在时间上交替地传输数据,这样数据包就不会相互冲突。”


在观察到的青蛙“三重唱”中,协同的“沉默”与“合唱”之间也存在着这样的时间交替。这种“重叠避免机制“是连贯的(确定性的),而后面的集体发声却更加变化多端(随机性的)。这种模式更进一步的效用就是,它如何“智慧“地让青蛙从耗费大量能量的鸣叫声中停下来休息。


青蛙合唱的经验数据。短时间内,雄蛙交替鸣叫;长时间内,雄蛙在“沉默”与“鸣叫”状态之间协同地切换。(图片来源:大阪大学)


然后,研究人员开发了一个数学模型,其中包含了青蛙的主要交互模式,并且让这些交互模式可以适配基于相位的格式,成为有用的技术手段。


论文的领导作者 Ikkyu Aihara 表示:“我们以一种确定性方式,建模了鸣叫和沉默的状态。这些状态之间的过渡期模型是随机的。这些模型定性地复制了青蛙的实际鸣叫模式,并将有助于自主分布式通信系统的设计。”


这样的系统必须聪明地管理“施与受”、“活动与休息”。因此,在这项研究的第三部分中,研究人员们利用该模型进行无线传感器网络中的数据通信管理。这些网络是物联网的核心,因为其中的分散传感器节点能测量并传输各种环境特征。然后,通过复杂的协调,采集的数据被反馈至中央系统。

青蛙合唱与无线传感器网络之间的关系(图片来源:大阪大学)


他们发现,短时间的交替,对于避免数据包冲突来说特别有效。同时,长时间的循环与协同转换,有望用于调节能耗。


价值


论文合著者 Masayuki Murata 表示:“这项研究具有双重益处。它不仅带来了更好的生物知识,帮助我们理解青蛙的合唱,而且将提高无线传感器网络中的技术效率。”


关键字


通信物联网传感器


参考资料


【1】https://resou.osaka-u.ac.jp/en/research/2019/20190109_1

【2】Ikkyu Aihara , Daichi Kominami , Yasuharu Hirano and Masayuki Murata. Mathematical modelling and application of frog choruses as an autonomous distributed communication system. Royal Society Open Science, 2019 DOI: 10.1098/rsos.181117




了解更多前沿技术,请点击“阅读原文”。




登录查看更多
0

相关内容

维基百科( Wikipedia.org)是一个基于 Wiki 技术的全球性多语言百科全书协作项目,同时也是一部在网际网络上呈现的网络百科全书网站,其目标及宗旨是为全人类提供自由的百科全书。目前 Alexa 全球网站排名第六。
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
351+阅读 · 2020年6月24日
专知会员服务
80+阅读 · 2020年6月20日
【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
165+阅读 · 2020年4月26日
专知会员服务
123+阅读 · 2020年3月26日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
人工智能顶刊TPAMI2019最新《多模态机器学习综述》
专知会员服务
93+阅读 · 2019年10月18日
浅谈群体智能——新一代AI的重要方向
中国科学院自动化研究所
43+阅读 · 2019年10月16日
手把手解释实现频谱图卷积
AI科技评论
9+阅读 · 2019年9月9日
5G时代:北京移动业务支撑系统 DevOps 实践
DevOps时代
15+阅读 · 2019年6月13日
同质结中的“超注入”现象:半导体光源迎来新机遇!
CVPR 2019 | PointConv:在点云上高效实现卷积操作
机器之心
10+阅读 · 2019年4月21日
《常用算法之智能计算 (四) 》:遗传算法
数盟
4+阅读 · 2018年12月21日
IBM长文解读人工智能、机器学习和认知计算
人工智能学家
5+阅读 · 2018年8月26日
脑机接口技术如何具体实现?
人工智能学家
7+阅读 · 2017年12月7日
通俗理解粒子群优化算法
机器学习研究会
9+阅读 · 2017年12月1日
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Arxiv
3+阅读 · 2018年10月25日
Arxiv
11+阅读 · 2018年9月28日
Arxiv
3+阅读 · 2018年3月29日
Arxiv
27+阅读 · 2017年12月6日
Arxiv
5+阅读 · 2017年4月12日
VIP会员
相关VIP内容
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
351+阅读 · 2020年6月24日
专知会员服务
80+阅读 · 2020年6月20日
【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
165+阅读 · 2020年4月26日
专知会员服务
123+阅读 · 2020年3月26日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
人工智能顶刊TPAMI2019最新《多模态机器学习综述》
专知会员服务
93+阅读 · 2019年10月18日
相关资讯
浅谈群体智能——新一代AI的重要方向
中国科学院自动化研究所
43+阅读 · 2019年10月16日
手把手解释实现频谱图卷积
AI科技评论
9+阅读 · 2019年9月9日
5G时代:北京移动业务支撑系统 DevOps 实践
DevOps时代
15+阅读 · 2019年6月13日
同质结中的“超注入”现象:半导体光源迎来新机遇!
CVPR 2019 | PointConv:在点云上高效实现卷积操作
机器之心
10+阅读 · 2019年4月21日
《常用算法之智能计算 (四) 》:遗传算法
数盟
4+阅读 · 2018年12月21日
IBM长文解读人工智能、机器学习和认知计算
人工智能学家
5+阅读 · 2018年8月26日
脑机接口技术如何具体实现?
人工智能学家
7+阅读 · 2017年12月7日
通俗理解粒子群优化算法
机器学习研究会
9+阅读 · 2017年12月1日
相关论文
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Arxiv
3+阅读 · 2018年10月25日
Arxiv
11+阅读 · 2018年9月28日
Arxiv
3+阅读 · 2018年3月29日
Arxiv
27+阅读 · 2017年12月6日
Arxiv
5+阅读 · 2017年4月12日
Top
微信扫码咨询专知VIP会员