Ультразвуковой почерк летучих мышей: нейросеть научилась различать рукокрылых по эхолокационным сигналам
Intraspecific variation is a prerequisite for natural selection and can manifest in various phenotypic traits, including vocal signals. However, classifying individuals based on their vocalizations, or acoustic individual identification (AIID), remains a significant challenge. This is particularly true for species that use rapidly varying echolocation calls for orientation. Here, we demonstrate that deep learning can overcome the limitation of traditional methods and reveal persistent individual signatures within bat echolocation calls. We recorded echolocation calls from 34 individuals of the greater leaf-nosed bat (Hipposideros armiger) under controlled laboratory conditions, with 19 individuals recorded repeatedly over three months. We show that a convolutional neural network (CNN) dramatically outperforms a traditional method, achieving an average identification accuracy of 84% for single calls and 91% for call sequences. In contrast, the traditional Discriminant Functional Analysis method achieved accuracies of only 39% and 47%, respectively. Through systematically altering the temporal structure of echolocation calls in input sequences, we found that temporal patterning enhances individual classification accuracy, suggesting it contributes to the encoding of individual-specific information. This study revealed that echolocation calls of H. armiger can contain stable, individual identity that were previously undetectable. Our findings highlight the potential of deep learning for non-invasive AIID and provide a methodological basis for future studies aiming to monitor animals in more dynamic environments.
## В чем суть открытия Десятилетиями биология дикой природы упиралась в методологический барьер: наблюдение за жизнью животных требовало инвазивного вмешательства. Полевые исследования опирались на отлов, кольцевание и навешивание радиомаяков, что травмирует зверей, провоцирует стресс и искажает их естественное поведение. Идеальным выходом казалась пассивная биоакустика — дистанционная идентификация по голосу. Однако в биологии рукокрылых эта концепция натолкнулась на фундаментальный тупик. Эхолокационные сигналы летучих мышей эволюционировали под жестким давлением естественного отбора не для общения, а для навигации и поиска добычи в темноте. Считалось, что физика отражения ультразвука диктует предельную стереотипность частоты, практически исключая индивидуальные маркеры. При этом эхолокационные импульсы одной особи непрерывно меняются в зависимости от маневров и расстояния до преград. Традиционные статистические модели раз за разом терпели неудачу, показывая, что различить конкретных мышей внутри вида невозможно. Новое исследование ученых опровергло эту догму: устойчивый индивидуальный почерк существует даже в навигационном ультразвуке, если применить многослойные нейронные сети. ## Как это устроено: принцип работы Классические подходы пытались свести ультразвуковой сигнал к набору изолированных параметров: пиковой частоте, длительности импульса и ширине спектра. В таком упрощенном представлении тонкие индивидуальные нюансы неизбежно растворялись в естественной вариативности звуков. Глубокая сверточная нейросеть анализирует акустические данные принципиально иначе. Звуковые сигналы переводятся в логарифмические мел-спектрограммы, формирующие целостные частотно-временные карты акустической энергии. Архитектура с механизмом расщепленного внимания считывает эту матрицу целиком, подобно алгоритмам распознавания лиц, оценивающим комплексный ансамбль черт. Модель выявляет тонкие спектральные особенности второго гармонического обертона и динамику частотных переходов. Дополнительным маркером служит временной контекст: естественная последовательность импульсов содержит ритмический рисунок пауз между щелчками, кодирующий индивидуальность особи наряду со спектром. ## Результаты и доказательства Исследователи провели серию контролируемых экспериментов с 34 особями большого листоноса (*Hipposideros armiger*), собрав 17 584 пятисекундных аудиозаписи. Часть животных тестировали многократно в течение трех месяцев, чтобы доказать устойчивость акустических маркеров во