Machine learning per microswimmers

A volte analizzare problemi apparentemente scontati rivela un mondo nascosto, che ci aiuta a migliorare la comprensione della fisica stessa a partire dai suoi costituenti elementari. Questo è il caso dello studio della vita e del moto a bassi Reynolds. Il primo passo concettuale importante da fare in questo contesto è osservare come le forze viscose dominino su quelle inerziali, rendendo proporzionali velocità e forza. Non solo, ma anche il moto reciproco smette di essere una strategia efficace di movimento. Ecco che il modello più semplice di microswimmer in grado di muoversi effettivamente risulta essere composto da tre sfere allineate collegate tra loro con due bracci contraibili. Proprio usando questo modello si è scritto un algoritmo di reinforcement learning che gli permettesse di individuare la sequenza di mosse migliore per traslare la propria posizione in modo opportuno. Apposite scelte di policies e rate di apprendimento hanno permesso di ridurre il numero di passi per individuare tale sequenza, migliorando così le prestazioni dei nuotatori.