《PLOS Computational Biology》：SwimmingIndividuals: A high-performance agent-based model for marine ecosystems
编辑推荐：
由于机制模型建立在既有理论之上，其对于预测生态系统对新条件的响应至关重要。然而，机制性智能体模型（ABM）的应用常受计算约束限制。本文介绍SwimmingIndividuals，一个开源ABM框架，可在较大生态尺度上提升对生理过程、动物运动、高营养级海洋生态系
由于机制模型建立在既有理论之上，其对于预测生态系统对新条件的响应至关重要。然而，机制性智能体模型（ABM）的应用常受计算约束限制。本文介绍SwimmingIndividuals，一个开源ABM框架，可在较大生态尺度上提升对生理过程、动物运动、高营养级海洋生态系统动态及渔业移除的模拟能力。该软件的关键贡献在于一套支配每个智能体全生命周期的机制性子模型，包括视觉猎物探测、诸如昼夜垂直迁移（DVM）等适应性行为、包含三种类群特异性代谢架构的灵活生物能量学引擎，以及用于栖息地搜寻运动的空间寻路算法。这些过程通过以Julia编写的CPU/GPU混合架构实现计算可行性。与采用固定感知半径或单一方程生物能量学的既有ABM不同，SwimmingIndividuals能够在超级个体（superindividual）智能体种群间实现涌现性生态动态。研究人员通过三个美洲湾（Gulf of America）模拟对该框架进行演示。模型重现了DVM、鲸类潜水模式、基于体型的营养级转变，以及与已发表King Mackerel种群评估一致的von Bertalanffy生长曲线。长期模拟产生了逼真的种群动态，并量化了五支船队下渔业收获控制规则的影响。SwimmingIndividuals为机制性海洋生态系统研究与基于生态系统的渔业管理提供了强大、灵活、开源的平台。
研究背景方面，海洋生态系统动态受个体尺度过程累积效应驱动，在种群和群落尺度上产生涌现性、常为非线性动态，捕捉这种复杂性对气候变化与捕捞双重压力下的保护和管理至关重要。传统生态模型依赖对历史数据的统计关系拟合，机制解释力有限且外推到新条件时对设定误差敏感。智能体模型（ABM）将个体建模为具有独特状态变量和行为规则的离散自主实体，但计算限制历史上将其局限于较小空间尺度和较少智能体，迫使对关键过程采用简化规则，如固定感知半径或缺乏灵活性的生物能量学。为此，研究人员开发了SwimmingIndividuals，一个利用现代高性能计算将ABM过程整合进生态系统建模框架的机制性智能体模型，耦合基于光衰减理论的物理视觉探测模型、灵活的多类群生物能量学引擎和GPU加速的空间架构，能够在三维海洋域内模拟超级个体智能体的完整生活史。研究结论表明，该框架通过三个美洲湾模拟展示了其重现复杂生态现象的能力，为检验基础生态理论和探索应用管理策略提供了灵活的开源工具，对基于生态系统的渔业管理和气候影响预测具有重要意义。
关键技术方法方面，研究采用Julia语言实现的CPU/GPU混合架构（基于KernelAbstractions.jl），GPU并行化空间索引、捕食内核执行和渔业移除，CPU线程化处理生物能量学与寻路；视觉探测基于Aksnes-Giske光衰减理论；运动采用A*最短路径算法进行栖息地搜寻；生物能量学采用Wisconsin能量收支框架并含三种类群特异性呼吸子模型；案例研究在美洲湾开展，包括为期一周的DVM情景、为期两天的潜水者情景和为期30年的Mackerel情景（King Mackerel及十九个资源组）。
研究结果方面，涌现运动模式：个体智能体路径模拟产生高度结构化的涌现性垂直和水平行为，强迁移种群在黎明时协同下潜至300-600m，黄昏快速上浮至约50m，弱迁移种群多数迁移但少数因饱胃未迁移；鲸类潜水模拟重现深潜内温动物的高频觅食潜水和调节性呼吸间歇，三维日行进距离为40-160km。更大尺度上，季节迁移从局部逐步运动决策中自然涌现，King Mackerel种群分布随温度变暖沿季节性梯度北移西移，无需预编程迁移路线。捕食者-猎物与营养动态：多物种捕食模块产生高度结构化、自组织的海洋食物网，分数营养级从初级消费者的2.0到顶级鲨鱼和大型远洋硬骨鱼的4.8，King Mackerel表现个体发育营养分离，小型幼鱼营养级约3.1，大型成鱼升至4.2-4.5，捕食死亡率沿大陆架坡折形成热点。生活史与生物能量学：储备能量密度在成熟个体中稳定于约1200J g?1，幼鱼因快速生长和高速率代谢在冬季资源下降时接近饥饿水平；质量比代谢成本呈标准幂律下降，成鱼稳定在100-200 J g?1 timestep?1，与实验室测定的标准代谢率边界一致；日摄食量随体型下降，成鱼低于5%体重/天，与胃含物分析一致；涌现性体长生长的对数拟合高保真追踪von Bertalanffy曲线，5龄平均叉长850mm，15-18龄渐近最大体型；生物能量学功能产生估计陡度为0.45的Beverton-Holt拟合。种群动态：60年多物种模拟产生稳定的多十年人口趋势，总丰度与生物量部分解耦，生物量滞后丰度约3年，季节性产卵引发丰度骤增（达+45%）后因幼体死亡衰减，而生物量缓冲在约20%带宽内；尺寸频率分布显示种群由大型未捕捞成体主导并保持高幼体死亡模式；60年模拟（含25年预热，4420个一周时间步）在标准消费级笔记本电脑（16 CPU、2 GPU、32GB RAM）约4小时完成。渔业影响：五支船队产生空间和尺寸结构的捕获与死亡率剖面，总捕捞死亡率在模拟中期上升约60%后趋稳，各船队因渔具选择性呈现明显尺寸选择分离，商业刺网船捕获约750mm小个体，商业钩钓和休闲船队捕获超过1000mm大型成体，年度相对上岸量显示船队特异性对配额约束的响应。
讨论部分总结：在生态与管理意义方面，SwimmingIndividuals在广阔三维域内解析细尺度多类群生理状态的能力为基于生态系统的渔业管理（EBFM）和操作性管理策略评价（MSE）提供独特优势，通过追踪离散的年龄结构超级个体动态分配净剩余能量，保留了评估累积生态系统风险所需的表型与空间异质性，宏观生态模式如密度依赖补偿、补充模式和船队特异性尺寸选择性并非硬编码而是从局部能量优化中涌现；将热力学维持和捕猎行为与时空海洋学场联系，使空间捕食和自然死亡率图对环境胁迫高度敏感，适于模拟气候变化对营养网络的空间和结构影响及预测海洋保护区等空间保护措施效能。在性能与可扩展性方面，混合CPU/GPU架构缓解了历史上限制ABM的计算瓶颈，通过为内存密集操作实现并行GPU内核、保留线程化CPU执行处理顺序分支密集型生理与寻路计算，并借助线程安全路径记忆引擎优化。研究结论指出，SwimmingIndividuals v1.0已在公共GitHub仓库公开，当前垂直行为表述为未来开发目标，将DVM和鲸类潜水原型作为独立于局部捕食者-猎物场的随机抽取深度覆盖，未来整合完全主动的状态依赖决策引擎、将产卵输出与拉格朗日粒子追踪或欧拉水动力输运模型耦合、以及将渔船模块扩展为自适应智能体船舶，将增强其作为预测海洋科学和韧性生态管理"数字孪生"开源工具的能力。
