[論文レビュー] A model for gyrotactic pattern formation of motile micro-organisms in turbulence

Katarina Gustavsson, Fanny Berglund+2 more|arXiv (Cornell University)|Jan 10, 2015

Particle Dynamics in Fluid Flows被引用数 23

ひとこと要約

本稿では、運動性を持つ微生物の形状が乱流内の沈降領域への好むサンプリングおよびそれによる小スケール空間的クラスタリングに与える影響を解析的に調査する統計的モデルを提案する。経路近似を再帰的に精緻化することで、重力モーメントと流れのダイナミクスが、Caustic特異点を引き起こし、それが生物の分布や遭遇率に顕著な影響を与えることが明らかになった。

ABSTRACT

Recent studies show that spherical motile micro-organisms in turbulence subject to gravitational torques gather in down-welling regions of the turbulent flow. By analysing a statistical model we analytically compute how shape affects this preferential sampling and small-scale spatial clustering (determining local encounter rates). By recursively refining approximations for the paths the organisms take through the flow we determine how preferential sampling and small-scale clustering in the model depend upon the dimensionless parameters of the problem. We show that singularities (caustics) affect the dynamics of motile micro-organisms.

研究の動機と目的

• 運動性を持つ微生物の形状が、乱流内の沈降領域への好む集積に与える影響を理解すること。
• 小スケールにおける運動性微生物の空間的クラスタリングを定量化するための重力モーメントの役割を特定すること。
• 次元なしパラメータが好むサンプリングおよびクラスタリングダイナミクスを支配する仕組みを解明すること。
• 特異点（Caustic）が乱流内における運動性微生物の軌道および分布に与える影響を検討すること。

提案手法

• 運動性微生物の乱流内での運動を重力モーメントを考慮して記述する統計的モデルを構築する。
• 経路近似の再帰的精緻化を用いて、流れ場内における生物の軌道を予測する精度を向上させる。
• クラスタリングおよびサンプリングの依存関係を、Péclet数や重力モーメント強度などの次元なしパラメータに着目して分析する。
• 解析的手法を用いて、生物のダイナミクスに影響を与える流れ内のCaustic特異点を同定・特徴づける。
• 統計力学の原則を統合し、生物の位置確率分布および遭遇率を計算する。
• 微生物の形状および流れの特性に基づく空間的クラスタリング強度の解析的表現を導出する。

実験結果

リサーチクエスチョン

• RQ1 運動性微生物の形状は、乱流内における沈降領域への好むサンプリングにどのように影響を与えるか？
• RQ2 次元なしパラメータと小スケール空間的クラスタリング度との間の定量的関係は何か？
• RQ3 流れ内のCaustic特異点は、運動性微生物のダイナミクスおよび分布にどのように影響を与えるか？
• RQ4 重力モーメントは、運動性微生物同士の局所的遭遇率を、どのように増強または抑制するか？
• RQ5 再帰的経路近似は、乱流環境におけるクラスタリングパターンの予測精度をどのように向上させるか？

主な発見

• 微生物の形状は、重力モーメントによる形状依存の整列を介して、沈降領域への好むサンプリングおよびクラスタリング強度に顕著な影響を与える。
• 小スケール空間的クラスタリングは、運動性および重力モーメントに関連する次元なしパラメータに強く依存する。
• 流れ場に現れるCaustic特異点は、微生物の集積を促進し、局所的遭遇率を高める重要な特徴である。
• 経路近似の再帰的精緻化により、微生物の分布およびクラスタリングダイナミクスの予測精度が著しく向上する。
• 解析的解は、クラスタリングが一様ではなく、流れの収束が強く、重力モーメントが強い領域で最も顕著に現れることを示している。
• 本モデルは、Caustic形成の累積効果により、微弱な重力モーメントでさえも顕著な空間的構造を誘発することを示している。