科學 · 進展：社會性運動中的對齊相變

導語

為什么兩個人交流時，有時會面對面，有時卻自然地并排而行？這種看似隨意的行為，是否隱藏著某種可量化的規律？這篇2026年3月發表于 Science Advances 的研究，從學前課堂的真實互動數據出發，發現人與人之間的朝向關系并非連續變化，而是在約0.65米處發生一次類似物理“相變”的突變。進一步分析表明，這一轉變源于多種社會互動機制的競爭。本文不僅梳理其核心發現與方法，也將討論其在集體行為建模與社會物理中的意義與局限。

關鍵詞：社會性運動（socially driven motion），對齊相變（alignment phase transition），幼兒課堂（preschool classrooms），非平衡統計物理（nonequilibrium statistical physics），主動物質（active matter），傅里葉分解（Fourier decomposition），偽勢模型（pseudopotential model）

彭晨丨作者

趙思怡丨審校

論文題目：Alignment phase transition in socially driven motion 發表時間：2026年3月18日 論文地址：https://www.science.org/doi/10.1126/sciadv.adz6890 論文期刊：Science Advances

從“人群流動”到“社會互動”

過去幾十年，關于集體運動的研究大多集中在高速、定向、目標明確的場景之中，例如馬拉松人群、雙向行人流、樓梯通行或緊急疏散。在這些情境里，個體的首要任務是提高移動效率、避免碰撞，因此經典模型往往假設人們會把自己的方向調整得與鄰近個體更一致，也就是所謂的平行化（parallelization）。這種想法在群集（flocking）、蜂擁（swarming）和擁擠流動（crowd flow）的研究中都非常成功，也構成了集體行為物理學中的理論基線。

但研究者敏銳地指出，現實世界中還有大量完全不同的情境：教室、會議、自由游戲、社交聚會。這些場景中的移動往往是低速的、全向的（omnidirectional），而且其核心驅動力不是“我要去哪里”，而是“我在和誰互動、如何互動”。在這樣的環境中，人們不僅調整運動軌跡，還會調整身體朝向、維持個人空間，并在互動中協商各自的社會角色。也正因為如此，傳統以導航為中心的模型，并不能充分解釋這些由交流和社會連接驅動的朝向結構。

研究由此提出一個很關鍵的問題：在這種低速、非定向、互動驅動的社會性運動中，是否也存在類似物理系統中的“相變”現象？換言之，人的朝向組織是否會在某個條件下突然從一種集體模式切換到另一種模式，而這種切換并不是外部命令造成的，而是局部互動規則自然涌現出來的結果？

幼兒課堂的四年追蹤研究

為了回答這個問題，研究團隊沒有在實驗室里人為安排任務，而是選擇了自然狀態下的情境——美國邁阿密的學前課堂。研究在 2016 到 2020 年間進行，涵蓋多個兒童隊列，共有 89 名 2.5 至 4 歲兒童參與，分別來自兩間教室 LC1 和 LC2。孩子們在日常活動中佩戴裝有兩個超寬帶射頻識別標簽的背心，進行玩耍、閱讀、畫畫、吃飯、洗手等正常課堂活動，研究者則持續記錄其位置與朝向信息。

這一設計非常重要，因為它保證了數據所反映的不是被任務“規定出來”的行為，而是自然情境中的真實社交運動。每個孩子身上的兩個 UWB-RFID（ultra-wideband radio frequency identification）標簽被縫在左右髖部附近，數據以每秒 2 到 4 次的頻率發送到教室四角的接收器。正是這種“雙標簽”設計，使研究者不僅能知道孩子在哪里，還能根據左右髖部的空間位置推斷身體中心和朝向方向。

從方法論上說，研究關注的并不是“一個人朝向東南西北中的哪個方向”，而是“一個人相對于另一個人如何朝向”。研究者強調，在社會互動環境中，絕對方向并不重要，真正有行為意義的是相對距離和相互對齊。因此，他們將每一對兒童視作一個“二元體”（dyad），重點分析個體如何相對于同伴的方位線來調整自己的身體方向。

圖 1.個體朝向與二元體對齊的示意圖。（A）個體朝向被表示為一個由髖軸（hip axis）推導出的面向前方的向量。（B）二元體對齊角是相對于連接兩個身體中心的徑向向量來測量的。（C）并排（side-by-side）和（D）面對面（face-to-face）構型展示了典型的對齊模式。

朝向模式跟隨距離變化

研究最先給出的并不是復雜模型，而是直觀觀察。圖 2 顯示，在幼兒園課堂中，兩名兒童的身體朝向會隨著彼此距離變化而動態調整：當他們相距較遠時，幾乎各自活動，缺乏明顯協調；隨著距離拉近，朝向開始以具有社會意義的方式互相響應。研究特別提到，在共同活動如一起移動或搭建時，孩子們更容易并排；而在中等距離下，面對面的朝向則更常見，尤其出現在互惠或競爭性交換中。

真正關鍵的發現出現在對朝向分布的系統分析中（圖3）。研究者比較了不同距離區間內的成對朝向模式，結果發現，在短距離范圍內，也就是小于 0.6 米時，數據熱圖在代表“并排”的區域出現明顯峰值；當距離增加到 1.2 至 1.8 米時，分布中心則轉移到代表“面對面”的位置；而在 0.6 到 1.2 米之間，系統表現出從一種模式向另一種模式逐步過渡的中間狀態。再遠一些，當距離超過 3 米后，朝向分布幾乎趨于均勻，意味著彼此之間基本不再形成協調。

這意味著，人與人之間的朝向關系并不是一個連續而模糊的社交偏好，而可能存在一個相當明確的閾值結構。研究進一步指出，這種從并排到面對面的系統性切換，是此前尚未被發現的距離依賴型對齊轉變（distance-dependent transition in alignment type）。

圖 2.朝向動力學的可視化。（A） 來自 LC1 數據集的 10 個隨機選取時刻中，兩名兒童的運動軌跡；箭頭表示他們在每一個時間點的朝向。（B） 對于這些相同時刻，對應的成對人際距離以及相對朝向角（α）的時間序列。刻度線以 0.5 米為間隔。突出了在互動驅動下，個體位置和朝向所發生的變化，并為后續對對齊模式的定量分析奠定了基礎。

經典 Vicsek 模型的不足

為了證明這一現象不是傳統對齊模型自然就能推出的結果，研究者選擇了集體行為研究中最經典的 Vicsek 模型（Vicsek model, VM）作為比較基準。這個模型的核心假設非常簡單：個體傾向于讓自己與鄰居的方向保持一致，也就是“平行化”（parallelization）占主導。無論改變鄰域半徑、速度還是角噪聲，這個模型產生的主要結果始終是強烈的平行對齊。

但經驗數據并不是這樣。圖 3 清楚地顯示，真實課堂中的朝向熱圖隨著距離增加，從短距離時的雙峰并排結構，逐漸轉向中距離時的中心化面對面結構；而標準 Vicsek 模型生成的熱圖則持續呈現平行帶狀模式，根本無法復現這種切換。相反，作者提出的新模型所生成的模擬熱圖，卻與兩間教室的經驗數據高度吻合。也就是說，問題不在于數據噪聲或課堂偶然性，而在于經典模型遺漏了社會互動中的關鍵機制。

圖 3. 經驗數據與模型中的對齊分布。來自 LC1 數據集的 A 到 D 以及 LC2 數據集的 E 到 H，展示了在不同人際距離 r 下的經驗性成對對齊分布。I 到 L 為標準 VM（Vicsek 模型）生成的模式。M 到 P 為本研究提出的模型在 LC1 上進行蒙特卡洛模擬（Monte Carlo simulations）得到的熱圖，Q 到 T 則為該模型在 LC2 上的結果。白色表示概率均勻分布，紅色表示概率升高，藍色表示概率降低。經驗數據表明，隨著個體間分離距離的增加，對齊模式會系統性地從并排轉向面對面；這一趨勢在標準 VM 中并未出現，但能夠被我們提出的模型成功重現。

三種機制的競爭：平行化、對向化與互惠化

下一步，研究者沒有直接往模型里塞更多參數，而是先對經驗朝向分布做傅里葉分解（Fourier decomposition），從頻譜成分中識別出真正主導行為的模式。結果發現，除了經典模型強調的平行化之外，還有兩種不可忽視的機制。

平行化表示兩個個體傾向于讓自己的朝向彼此一致，適合共同移動和空間協調。此外，第二種是對向化（opposition），它使雙方更傾向朝向彼此的中點，本質上推動面對面交流。第三種是往復化（reciprocation），指雙方以一種反身性的方式彼此呼應，也會影響朝向組織。研究者發現，這三種機制的強度都隨距離而變化，不是單向增強，而且存在相互競爭。

這里最有啟發性的地方在于，研究并沒有把“并排”和“面對面”視為兩種簡單的社交偏好，而是把它們看成三種局部機制競爭后在宏觀上表現出來的兩種行為相（behavioral phases）。短距離時，平行化更強，因此系統偏向并排；超過某個閾值后，對向化占上風，于是系統轉向面對面。換句話說，距離并不是直接決定“你該怎么站”，而是通過改變不同互動機制的相對強弱，改寫了系統最終穩定下來的組織方式。

圖 4. 對齊的傅里葉成分隨距離的變化。（A-B）分別展示了來自 LC1 和 LC2 數據集的實值余弦傅里葉系數，并將其繪制為人際距離 (r) 的函數。（C-E）展示了與三個主導項相對應的示意性對齊模式。紅色表示高概率，藍色表示低概率。將三個主導的傅里葉項轉化為可理解的社會性對齊模式——平行化、對向化和往復化，從而把數學分解與可解釋的互動機制聯系起來。

0.65 米：社會性“臨界點”

在理論分析中，研究者將這些機制整合到一個最小偽勢模型（minimal pseudopotential model）中，并考察該相互作用勢的駐點結構。分析結果顯示，系統的關鍵控制量是對向化強度與平行化強度之差。當這一差值為負時，平行化占優，系統穩定在并排相；當這一差值為正時，對向化占優，系統穩定在面對面相；而當兩者恰好相等時，系統處于一個臨界狀態，兩種模式都可以存在。

經驗數據給出的答案非常明確：這種轉換發生在大約 0.65 米附近。圖 5 中，表示兩種機制差值的曲線正是在這一位置穿過零點，定義了并排相（side-by-side phase）與面對面相（face-to-face phase）之間的邊界。更重要的是，這一結論在兩間布局與面積都不同的教室中都能成立，說明它不是單一空間結構的偶然結果，而是一種具有穩健性的組織原則。

從社會行為角度看，這一發現很有意味。研究者在討論中將其解釋為“協調”（coordination）與“交流”（communication）之間的一種基本權衡。距離很近時，并排更有利于共同動作與空間協同；而稍遠一些時，面對面則更有利于直接社交參與。所謂“臨界點”，正是這兩種需求達到平衡的位置。

圖 5. 相圖。對向化與平行化強度之差隨距離變化。在rc ≈ 0.65 m處，會發生從并排到面對面的轉變。這一零點交叉定義了兩種對齊狀態（并排與面對面）之間的相邊界，并為社會性互動運動中存在對稱性破缺轉變提供了直接的經驗性證據。

是兒童行為學，也是非平衡物理

這篇研究最有前沿感的地方，在于它把一個看似屬于發展心理學或課堂行為觀察的問題，推到了非平衡統計物理與主動物質的理論框架中。研究者認為，低速、社會性驅動的人類運動，也應當被視作一種非平衡物理系統，其微觀朝向動力學可以涌現出宏觀的集體行為相。

討論部分進一步指出，這一框架與 Ginzburg-Landau 模型（Ginzburg-Landau models）中的連續對稱性破缺具有結構上的相似性，同時也和具有競爭相互作用的自旋模型形成呼應。不過，它又明顯不同于傳統平衡系統，因為這里的相互作用具有非哈密頓特征，而且顯式依賴距離，這是主動系統的典型特征。

也正因此，這項工作具有超出課堂研究本身的意義。研究者明確提到，這一框架可能影響多個領域，包括發展科學、教育學、人群安全、流行病建模以及群體機器人。一旦我們能夠定量刻畫個體在社會互動中如何調整朝向，未來就可能更準確地理解復雜人群、設計交互式機器人，甚至預測互動網絡中的風險傳播。

總結與展望

這項研究完成了一次研究視角的轉移：人的集體運動不應只從“路徑規劃”和“流動效率”出發理解，也必須從“互動關系”和“社會意義”出發建模。對于那些低速、非目標導向、以互動為核心的場景來說，朝向不是運動的附屬變量，而本身就是社會行為的一部分。

當然，研究者也謹慎地指出，當前模型還沒有顯式納入更高階的社會動力學，例如地位不對稱、群體層級結構、任務切換、群體密度以及環境布局等因素。未來如果將這些維度進一步納入，社會性對齊的“相圖”可能會變得更加復雜。研究對象也可以擴展到更大年齡群體、更大的公共空間等，以檢驗這些機制是否具有更廣泛的普適性。

如果說傳統研究更多在問“人群如何移動”，那么這篇文章實際上在問另一個更深的問題：當人們靠近彼此、進入互動時，社會關系會不會像物理相一樣，在某個臨界點上突然改變組織形式？從這項研究來看，不僅是“會”，而且這種變化已經可以被精確測量、分解并建模。這正是當代計算社會科學最迷人的地方——它讓我們看到，最日常的互動背后，可能也隱藏著最優雅的物理秩序。

非平衡統計物理讀書會

2024年諾貝爾物理學獎授予人工神經網絡，這是一場統計物理引發的機器學習革命。統計物理學不僅能解釋熱學現象，還能幫助我們理解從微觀粒子到宏觀宇宙的各個層級如何聯系起來，復雜現象如何涌現。它通過研究大量粒子的集體行為，成功地將微觀世界的隨機性與宏觀世界的確定性聯系起來，為我們理解自然界提供了強大的工具，也為機器學習和人工智能領域的發展提供了重要推動力。

為了深入探索統計物理前沿進展，集智俱樂部聯合西湖大學理學院及交叉科學中心講席教授湯雷翰、紐約州立大學石溪分校化學和物理學系教授汪勁、德累斯頓系統生物學中心博士后研究員梁師翎、香港浸會大學物理系助理教授唐乾元，以及多位國內外知名學者共同發起。讀書會旨在探討統計物理學的最新理論突破，統計物理在復雜系統和生命科學中的應用，以及與機器學習等前沿領域的交叉研究。讀書會已完結，現在報名可加入社群并解鎖回放視頻權限。

詳情請見：

1.

2.

3.

4.

5.

6.

7.