An information-theoretic scheme is proposed to estimate the underlying domain of interactions and the timescale of the interactions for many-particle systems. The crux is the application of transfer entropy which measures the amount of information transferred from one variable to another, and the introduction of a “cutoff distance variable” which specifies the distance within which pairs of particles are taken into account in the estimation of transfer entropy. The Vicsek model often studied as a metaphor of collectively moving animals is employed with introducing asymmetric interactions and an interaction timescale. Based on ensemble data of trajectories of the model system, it is shown that using the interaction domain significantly improves the performance of classification of leaders and followers compared to the approach without utilizing knowledge of the domain. Given an interaction timescale estimated from an ensemble of trajectories, the first derivative of transfer entropy averaged over the ensemble with respect to the cutoff distance is presented to serve as an indicator to infer the interaction domain. It is shown that transfer entropy is superior for inferring the interaction radius compared to cross correlation, hence resulting in a higher performance for inferring the leader-follower relationship. The effects of noise size exerted from environment and the ratio of the numbers of leader and follower on the classification performance are also discussed.

中文翻译：

---

从轨迹的整体推断粒子之间的相互作用域。

提出了一种信息理论方案，以估计多粒子系统相互作用的基础域和相互作用的时标。症结在于传递熵的应用，它测量从一个变量传递到另一变量的信息量，引入“临界距离变量”，该变量指定了在估算传递熵时要考虑的成对粒子的距离。Vicsek模型经常被研究为集体移动的动物的隐喻，用于引入非对称相互作用和相互作用时标。基于模型系统轨迹的整体数据，结果表明，与不利用领域知识的方法相比，使用交互领域可以显着提高领导者和跟随者的分类性能。给定一个从轨迹集合估计的相互作用时间尺度，给出在集合上相对于截止距离平均的转移熵的一阶导数，作为推断相互作用域的指标。结果表明，与互相关相比，传递熵在推断相互作用半径方面具有优势，因此在推断前导-从属关系方面具有更高的性能。还讨论了环境噪声大小以及引导者和跟随者的数量比对分类性能的影响。给定一个从轨迹集合估计的相互作用时间尺度，给出在集合上相对于截止距离平均的转移熵的一阶导数，作为推断相互作用域的指标。结果表明，与互相关相比，传递熵在推断相互作用半径方面具有优势，因此在推断前导-从属关系方面具有更高的性能。还讨论了环境噪声大小以及引导者和跟随者的数量比对分类性能的影响。给定一个从轨迹集合估计的相互作用时间尺度，给出在集合上相对于截止距离平均的转移熵的一阶导数，作为推断相互作用域的指标。结果表明，与互相关相比，传递熵在推断相互作用半径方面具有优势，因此在推断前导-从属关系方面具有更高的性能。还讨论了环境噪声大小以及引导者和跟随者的数量比对分类性能的影响。结果表明，与互相关相比，传递熵在推断相互作用半径方面具有优势，因此在推断前导-从属关系方面具有更高的性能。还讨论了环境噪声大小以及引导者和跟随者的数量比对分类性能的影响。结果表明，与互相关相比，传递熵在推断相互作用半径方面具有优势，因此在推断前导-从属关系方面具有更高的性能。还讨论了环境噪声大小以及引导者和跟随者的数量比对分类性能的影响。