Elektronen die om elkaar heen suizen en mensen die opeengepropt zijn tijdens een politieke bijeenkomst lijken niet veel gemeen te hebben, maar onderzoekers van Cornell verbinden de punten.

Ze hebben een zeer nauwkeurige wiskundige benadering ontwikkeld om het gedrag van menigten levende wezens te voorspellen, met behulp van Nobelprijswinnende methoden die oorspronkelijk zijn ontwikkeld om grote verzamelingen van kwantummechanisch op elkaar inwerkende elektronen te bestuderen. De implicaties voor de studie van menselijk gedrag zijn diepgaand, volgens de onderzoekers.

Bijvoorbeeld, door gebruik te maken van openbaar beschikbare videogegevens van mensenmassa's in de openbare ruimte, hun aanpak kon voorspellen hoe mensen zich zouden verdelen onder extreme drukte. Door dichtheidsschommelingen te meten met een smartphone-app, de benadering zou de huidige gedragstoestand of stemming van een menigte kunnen beschrijven, het verstrekken van een systeem voor vroegtijdige waarschuwing voor menigten die naar gevaarlijk gedrag verschuiven.

Tomas Arias, hoogleraar natuurkunde, is hoofdauteur van "Density-Functional Fluctuation Theory of Crowds, " die op 30 augustus werd gepubliceerd in Natuurcommunicatie . Co-auteurs zijn onder andere Itai Cohen, hoogleraar natuurkunde; en Yunus A. Kinkhabwala, een doctoraatsstudent op het gebied van engineering.

Interacties tussen individuen in een menigte kunnen complex zijn en moeilijk wiskundig te kwantificeren; het grote aantal acteurs in een menigte resulteert in een complex wiskundig probleem. De onderzoekers probeerden het gedrag van menigten te voorspellen door eenvoudige metingen van dichtheid te gebruiken om onderliggende interacties af te leiden en die interacties te gebruiken om nieuw gedrag te voorspellen.

Om dit te behalen, ze pasten wiskundige concepten en benaderingen toe uit de dichtheidsfunctionele theorie (DFT), een tak van veellichamenfysica ontwikkeld voor kwantummechanische systemen, op het gedrag van menigten.

"Dit is een van de maar al te zeldzame gevallen - vooral waar het levende systemen betreft - waar de theorie aan de experimenten voorafging, en de experimenten, in nauwkeurige wiskundige details, bevestigde de theorie volledig, ' zei Arie.

Om hun theorie te testen, de onderzoekers creëerden een modelsysteem met behulp van wandelende fruitvliegjes (Drosophila melanogaster). Ze demonstreerden eerst een wiskundige manier om functies te extraheren die kwantificeren hoeveel de vliegen van verschillende locaties in hun omgeving houden - de "irritatie" -functie - en hoeveel ze het erg vinden om samen te dringen - de "frustratie" -functie op basis van de details van hoe de populatiedichtheden veranderen als de vliegen meer rond.

Vervolgens toonden ze aan dat door deze informatie te mixen en matchen met waarnemingen van een enkele vlieg in een geheel nieuwe omgeving, ze konden nauwkeurig voorspellen, vóór enige waarneming, hoe een grote menigte vliegen zich in die nieuwe omgeving zou verspreiden. Ze volgden ook veranderingen in het algemene gedrag van de menigte - d.w.z. zijn "stemming" - door de evolutie van de sociale voorkeursfunctie "frustratie" te volgen.

Terwijl fruitvliegen "een handige, en ethisch, eerste testsysteem, "Aria zei, het gedrag van een menigte bij een politieke bijeenkomst zou een menselijk voorbeeld zijn van de DFT-theorie. Individuen zullen proberen de beste locatie te vinden om te staan ​​- meestal het dichtst bij het podium - terwijl ze overvolle gebieden vermijden. Wanneer er nieuwe en betere locaties beschikbaar komen, individuen zullen waarschijnlijk naar hen toe bewegen.

Om een ​​wiskundig voorspellende theorie te ontwikkelen, de onderzoekers associeerden een getal – de kwellingsfunctie – met de intrinsieke wenselijkheid van elke locatie; de laagste waarde zou op de ideale locatie zijn, het dichtst bij het podium. De frustratiefunctie verklaart de onwenselijkheid van crowding-effecten, en een gedragsregel verklaart de neiging van individuen om naar betere locaties te zoeken.

"De opmerkelijke wiskundige ontdekking, "Aria zei, "is dat precieze waarden voor ergernis en frustratie direct en automatisch kunnen worden verkregen, simpelweg door veranderingen in drukte waar te nemen terwijl de menigte ronddraait, zonder dat er een enquête nodig is om mensen in de menigte te vragen hoe ze zich voelen over verschillende locaties of over drukte."

Door de sociale omstandigheden in hun vliegexperimenten te variëren - zoals het veranderen van de verhouding tussen man en vrouw, of het opwekken van honger en dorst – en het bewaken van de frustratiewaarden van de menigte, de onderzoekers toonden aan dat ze veranderingen in de "stemming" van de menigte kunnen detecteren. De DFT-aanpak, daarom, voorspelt niet alleen het gedrag van mensen onder nieuwe omstandigheden, maar kan ook worden gebruikt om snel en automatisch veranderingen in sociaal gedrag te detecteren.

Een andere toepassing, het gebruik van mobiele telefoon- en volkstellingsgegevens, politieke of economische drijfveren en bevolkingsdruk kunnen analyseren om grootschalige bevolkingsstromen te beschrijven en te voorspellen, zoals massamigraties. "De resulterende voorspellingen van migratie tijdens acute gebeurtenissen zouden een betere planning door alle niveaus van overheidsfunctionarissen mogelijk maken, van lokale gemeenten tot internationale instanties, met het potentieel om miljoenen mensenlevens te redden, ’ merken de onderzoekers op.

Andere medewerkers waren J. Felipe Méndez-Valderrama, hoogleraar natuurkunde, Universiteit van Los Andes, Bogota, Colombia; en Jeffrey Zilver, senior analist bij Metron Inc.