集体行为能否从方向性脑表征的谐波理论中涌现？

规则描述了行为，却没有解释行为

传统的集体运动模型把生物体当作自驱动粒子，让它们遵循启发式规则，例如与邻居对齐，或朝局部质心移动。这些模型说明，无需集中控制也能产生全局协调，但它们把朝向向量当作生物体的基本动力学变量。论文指出的问题是：这样一来，生物体的决策架构，以及空间神经表征与行为之间的联系，都被排除在解释框架之外。

作者重新表述了问题。他们不问集体秩序如何从交互规则中涌现，而问宏观行为如何从拓扑空间图谱上的环境信息处理中涌现。他们聚焦于环形流形，即朝向方向的一维圆形表征；论文称这种表征在生物学上广泛存在，且在数学上易于处理。

把快速神经动力学粗粒化为朝向景观

推导建立在四条假设之上。神经状态是环上的一个局域凸起，中心位于角度 phi，宽度为 W；凸起宽度被解读为决策不确定性，因此窄凸起意味着精确、高置信度的决策，宽凸起意味着弥散、不确定的决策。假设神经动力学比行为快得多，因此当朝向转动时，可以认为凸起已经稳定。环境通过核宽度为 sigma 的感觉输入进入模型，交互核 J_int 决定耦合强度和作用范围。

把快速神经变量积分掉后，得到一个有效哈密顿量：智能体的朝向与目标或邻居方位的第 n 阶谐波耦合。每个谐波的权重是三项的乘积：生态交互核、感觉输入的傅里叶系数（按 exp(-n^2 sigma^2 / 2) 衰减），以及神经凸起的第 n 阶矩（取决于 W）。随后，行为被建模为这一景观上的过阻尼梯度动力学，并带有旋转噪声。关键结果是，感觉核宽度 sigma 控制高阶谐波的贡献强度：大 sigma 会削弱它们，小 sigma 则让它们塑造精细结构。

突然的选择来自分岔，而非规则切换

在二选一问题中，智能体面对两个相隔一定角距离的目标。当 sigma 较大时，高阶谐波被削弱，景观由前几个模式主导。随着智能体接近目标，对称的平均解失去稳定性，并产生两个对称解，每个目标对应一个；论文在固定方波凸起和高斯感觉模型下，将这一现象判定为超临界叉式分岔。预测的临界角间隔，即对称轨迹失去稳定性所需的最小间隔，随凸起宽度 W 增大。作者解释说，一旦目标相对于自身的角间隔超过凸起宽度，就应当发生选择，因此分岔角大致应与 W 成比例。

这一点之所以重要，是因为方向的突然改变不需要在规则之间做离散切换。当几何或谐波权重的逐渐变化使景观的一个分支失稳、另一个分支稳定时，方向改变就会发生。论文指出，这种冻结朝向的分类并不排除完整神经动力学或移动智能体动力学中的多稳定性。

感觉宽度决定轨迹的丰富程度

同一参数划分也组织了智能体层面的结果。当 sigma 较大时，前几个稳健谐波占主导，轨迹更简单，智能体常在两个目标之间来回移动，作者将其比作在果蝇等动物中观察到的布里丹范式；随着 sigma 减小，直接逃离的可能性增加。当 sigma 较小时，高阶谐波贡献更强，轨迹呈现更丰富的空间模式。

噪声在这一范围内表现不同。低阶谐波只有少数稳定解，因此对噪声稳健；中等阶谐波受噪声影响更强。当谐波阶数足够高时，密集排列的解即使没有外部噪声，也会产生游走、类随机行走的行为。在二选一问题中，中等 sigma 下的噪声可以帮助智能体留在目标附近，并加快选择，作者将其类比为随机共振效应；当 sigma 很大时，智能体已经确定性地停留在目标处；当 sigma 很小时，高阶谐波本身已引发不规则动力学。

准确性与速度随谐波阶数权衡

当两个目标不相等时，仅第一谐波会产生偏向更强选项的目标方向加权平均，但不一定选中任一目标。加入第二谐波会引入曲率，偏向更强的目标。当 sigma 较大、动力学由前两个模式主导时，智能体强烈偏好更优目标。当 sigma 较小时，高阶谐波可能产生双稳态；论文报告，这会在某些试验中导致更快的承诺，但决策准确性更低。

这是论文内部一项值得与等目标情形分开看的比较：使轨迹更丰富的同一 sigma 变化，也改变了不等目标选择中的准确性—速度平衡。论文的解释是来自谐波景观的模型预测，而非实测行为结果。

奇偶谐波产生不同的集体模式

论文按谐波奇偶性对集体模式分类。对于吸引性交互，最小化奇次谐波不允许朝向达成共识；智能体必须相对于共同方位保持一个依赖 n 的相位差，作者将其与冲突和挫败联系起来。对于偶次谐波，共识成为可能：第二谐波在吸引下产生对齐和反对齐，在排斥下产生垂直对齐以及与绕圈相关的相反横向偏好。较大群体中的几何不相容可能促成裂变—融合和挫败动力学。

作者把谐波描述为类似形态发生素，在类图灵模式形成中起作用，但发生在朝向方向的一维极空间中，而非物理空间。第一谐波在平均方向处形成单一势阱，促进共识；随着智能体移动，高阶谐波可在稳定与失稳之间交替。论文指出，这种基于奇偶性的分类在其补充分析中有详细说明和数值确认。

鱼类数据在谱趋势上趋同，而非参数映射

论文将理论与红鼻剪刀鱼的公开数据进行比较。在模拟中，增大感觉核宽度会削弱高阶角谐波，同时降低朝向速度的时间谱复杂度和高频成分。在多个谱指标上，包括谱熵、谱质心、谱平坦度、带宽、滚降、高功率占比和峰值数，鱼类数据在光照增强时表现出类似趋势。作者明确指出，这些平行趋势并不建立光照与 sigma 之间的映射。

趋同还出现在极化如何受相同谱指标和速度调控，以及速度和到墙距离摘要的描述性相似上。约化方程规定自由空间推进速度固定，因此速度比较并不确立内在运动速度调控。作者也不排除某些趋同可能由传统模型表现出，但他们认为，跨运动学、谱和几何维度的广泛趋同支持一种统一解释：环境变化调节共享谐波基的权重，而不是改写行为规则。

环形只是起点，而非完整解释

作者指出，对该理论预测的全面定量检验仍然缺乏。框架明确预测感觉核宽度、交互范围和内部整合应如何重塑行为的空间谱和时间谱，并将其作为未来实证工作的目标。环形情形被描述为方向性行为的一个可处理且生物学上广泛存在的起点，而非声称所有认知都是一维的；同一自下而上的方案可以扩展到具有其他对称性和维度的流形。

在论文内部，最具决定性的划分是感觉核宽度 sigma。大 sigma 使景观由少数稳健低阶谐波主导，轨迹更简单，并且在不等目标情形下准确偏好更优选项。小 sigma 允许高阶谐波参与，产生更丰富的空间模式、双稳态，以及更快但更不准确的承诺。这一权衡，而非任何单一行为，是论文关于方向信息如何组织的核心主张。

本文引用的文献