追跡者および逃避者のモデル化に関する研究は、二者の位置、移動速度、角速度および二者間距離などの変数を組み込んだ数理モデルを提案し、捕食者および被食者の移動方向の予測を試みてきた(Corcoran & Conner, 2016; Ghose et al., 2006; Weihs & Webb, 1984)。しかしながら、これらのモデルはその単純さ故に、類似した状況において常に同一の移動方向を予測するなど、二者の多様な行動パターンを予測することはできていない。そこで、本研究では、再帰的なニューラルネットワークに長期的な情報を取り込んだ長期短期記憶（LSTM）に基づく、データ駆動的な機械学習モデルを用いることによって多様な移動軌道を予測できるか検討した。LSTMモデルは、追跡者および逃避者の移動方向を従来のモデルよりも正確に予測することができた（追跡角度= 0.92; 逃避角度= 0.98）。本研究の結果は、多様な行動パターンの中にもなんらかの規則が潜んでおり、移動軌道の予測が可能であることを示唆している。
