Elektroner som susar runt varandra och människor som trängts ihop vid ett politiskt rally verkar inte ha så mycket gemensamt, men forskare vid Cornell ansluter prickarna.

De har utvecklat en mycket exakt matematisk metod för att förutsäga beteendet hos mängder av levande varelser, med Nobelprisvinnande metoder som ursprungligen utvecklats för att studera stora samlingar av kvantmekaniskt interagerande elektroner. Implikationerna för studiet av mänskligt beteende är djupgående, enligt forskarna.

Till exempel, genom att använda allmänt tillgänglig videodata från folkmassor i offentliga utrymmen, deras tillvägagångssätt skulle kunna förutsäga hur människor skulle fördela sig under extrem trängsel. Genom att mäta densitetsfluktuationer med en smartphone-app, tillvägagångssättet kan beskriva det nuvarande beteendestatusen eller stämningen hos en folkmassa, tillhandahålla ett system för tidig varning för folkmassor som går mot farligt beteende.

Tomas Arias, professor i fysik, är huvudförfattare till "Density-Functional Fluctuation Theory of Crowds, "som publicerades 30 augusti Naturkommunikation . Medförfattare inkluderar Itai Cohen, professor i fysik; och Yunus A.Kinkhabwala, doktorand inom teknikområdet.

Interaktioner mellan individer i en folkmassa kan vara komplexa och svåra att kvantifiera matematiskt; det stora antalet aktörer i en folkmassa resulterar i ett komplext matematiskt problem. Forskarna försökte förutsäga folkmassor genom att använda enkla mätningar av densitet för att sluta sig till underliggande interaktioner och att använda dessa interaktioner för att förutsäga nya beteenden.

För att uppnå detta, de använde matematiska begrepp och tillvägagångssätt från densitetsfunktionell teori (DFT), en gren av mångkroppsfysik utvecklad för kvantmekaniska system, till folkmassornas beteende.

"Detta är ett av de alltför sällsynta fallen-särskilt när levande system är inblandade-där teorin föregick experimenten, och experimenten, i exakt matematisk detalj, bekräftade helt teorin, sa Arias.

För att testa deras teori, forskarna skapade ett modellsystem med gående fruktflugor (Drosophila melanogaster). De demonstrerade först ett matematiskt sätt att extrahera funktioner som kvantifierar hur mycket flugorna gillar olika platser i sin miljö - "irritation" -funktionen - och hur mycket de har något emot att trängas ihop - "frustration" -funktionen baserat på detaljerna om hur befolkningstätheten förändras när flugorna mer runt.

De visade sedan att genom att blanda och matcha denna information med observationer av en enda fluga i en helt ny miljö, de kunde exakt förutsäga, innan några observationer, hur en stor skara flugor skulle fördela sig i den nya miljön. De spårade också förändringar i publikens övergripande beteende - dvs. dess "humör" - genom att spåra utvecklingen av funktionen "frustration" för social preferens.

Medan fruktflugor var "en bekväm, och etiska, första testsystemet, Arias sa, beteendet hos en folkmassa vid ett politiskt möte skulle ge ett mänskligt exempel på DFT-teori. Individer kommer att försöka hitta den bästa platsen att stå på - vanligtvis närmast scenen - samtidigt som de undviker överfulla områden. När nya och bättre platser blir tillgängliga, individer kommer sannolikt att röra sig mot dem.

För att utveckla en matematiskt förutsägbar teori, forskarna associerade ett nummer - irritationsfunktionen - med varje platss egen önskvärdhet; det lägsta värdet skulle vara på den idealiska platsen, närmast scenen. Frustrationsfunktionen står för oönskade trängseleffekter, och en beteenderegel redogör för individernas tendens att leta efter bättre platser.

"Den anmärkningsvärda matematiska upptäckten, Arias sa, "är att exakta värden för irritation och frustration kan erhållas omedelbart och automatiskt, helt enkelt genom att observera förändringar i trängseln när mängden myser runt, utan att det behövs någon form av undersökning för att fråga folk i mängden hur de känner för olika platser eller trängs ihop. "

Genom att variera de sociala omständigheterna i sina flugexperiment – ​​som att ändra förhållandet mellan hanar och honor, eller framkalla hunger och törst - och övervaka mängden frustrationsvärden, forskarna visade att de kan upptäcka förändringar i folkmassans "humör". DFT-metoden, därför, förutspår inte bara publikbeteenden under nya omständigheter, men kan också användas för att snabbt och automatiskt upptäcka förändringar i sociala beteenden.

En annan applikation, med hjälp av mobiltelefon- och folkräkningsdata, kan analysera politiska eller ekonomiska drivkrafter och befolkningstryck för att beskriva och förutsäga storskaliga befolkningsflöden, som massinvandringar. "De resulterande förutsägelserna om migration under akuta händelser skulle möjliggöra bättre planering av alla myndighetsnivåer, från lokala kommuner till internationella organ, med potential att rädda miljontals människoliv, "notera forskarna.

Andra bidragsgivare var J. Felipe Méndez-Valderrama, professor i fysik, Universitetet i Los Andes, Bogotá, Colombia; och Jeffrey Silver, senior analytiker på Metron Inc.