[論文レビュー] Target search by active particles

Urna Basu, Sanjib Sabhapandit+1 more|arXiv (Cornell University)|Nov 29, 2023

Diffusion and Search Dynamics被引用数 4

ひとこと要約

本稿は、自己駆動をカラーノイズを用いた過減衰ランジュバン方程式でモデル化した、走り・停止型、アクティブブラウン運動、方向反転型アクティブブラウン運動粒子のターゲット探索ダイナミクスを調査する。最初の通過確率および生存確率の正確な表現が導出され、リセットが平均最初通過時間を有限にすることを示し、長時間における方向反転型アクティブブラウン運動粒子のパーゼンス指数が α=1 であることが明らかになった。

ABSTRACT

Active particles, which are self-propelled nonequilibrium systems, are modelled by overdamped Langevin equations with colored noise, emulating the self-propulsion. In this chapter, we present a review of the theoretical results for the target search problem of these particles. We focus on three most well-known models, namely, run-and-tumble particles, active Brownian particles, and direction reversing active Brownian particles, which differ in their self-propulsion dynamics. For each of these models, we discuss the first-passage and survival probabilities in the presence of an absorbing target. We also discuss how resetting helps the active particles find targets in a finite time.

研究の動機と目的

• 確率的環境下での恒常的運動を示すアクティブ粒子がターゲットをどのように探索するかを理解すること。
• 走り・停止型、アクティブブラウン運動、方向反転型アクティブブラウン運動粒子という3つの主要なアクティブ粒子モデルについて、最初の通過確率および生存確率を分析すること。
• 非マルコフ過程におけるアクティブ探索プロセスにおいて、確率的リセットが平均最初通過時間に与える影響を調査すること。
• ラプラス変換および逆変換を用いて、生存確率および最初の通過時間分布の正確な解析的表現を導出すること。
• 長時間極限におけるパーゼンス指数 α を特定し、生存確率のスケーリング行動を同定すること。

提案手法

• 自己駆動ダイナミクスを捉えるために、カラーノイズを用いた過減衰ランジュバン方程式でアクティブ粒子をモデル化する。
• 位置分布のFokker-Planck方程式をラプラス変換により解き、生存確率および最初の通過時間確率の導出を可能にする。
• 逆ラプラス変換技術、特に複素s平面における留数計算を用いて、時間領域における解を得る。
• ラプラス変換された位置分布の特異点を特定し、留数を計算することで、解を指数関数項の和として表現する。
• 正則化超幾何関数およびガンマ関数を用いて、正確なスケーリング形を表現する。
• スケーリング形での生存確率を導出し、$ y_0 / (4\tilde{\Lambda}t) $ の比に依存することを示し、長時間における漸近的挙動を抽出する。

実験結果

リサーチクエスチョン

• RQ1 吸収型ターゲットが存在する状況下で、走り・停止型、アクティブブラウン運動、方向反転型アクティブブラウン運動粒子の最初の通過確率および生存確率はどのように振る舞うか？
• RQ2 アクティブ粒子の探索プロセスにおいて、確率的リセットが平均最初通過時間に与える影響は何か？
• RQ3 方向反転型アクティブブラウン運動粒子の長時間極限におけるパーゼンス指数 α は何か？また、ブラウン運動と比較するとどうなるか？
• RQ4 非マルコフ的アクティブ探索モデルにおいて、最初の通過時間分布および生存確率の正確な解析的表現を導出できるか？
• RQ5 長時間極限において、生存確率は時間および初期ターゲット距離に対してどのようにスケーリングするか？

主な発見

• 方向反転型アクティブブラウン運動粒子の生存確率は、長時間において $ S_y(t; y_0) \to \frac{\text{const}}{t} $ と減衰し、パーゼンス指数 α = 1 を示している。
• 正確な最初の通過時間分布は $ F_y(t; y_0) = \frac{y_0 \tilde{\gamma}^{3/2}}{v_0^3 t^2 \tilde{D}_R^{1/2}} f\big( \frac{y_0}{v_0 t} \tilde{\gamma}^{1/2} / (8 \tilde{D}_R)^{1/2} \big) $ として導出され、ここで $ f(z) $ はガンマ関数を用いて定義される。
• 生存確率はスケーリング形 $ S_y(t; y_0) = g\big( y_0 / (4\tilde{\Lambda}t) \big) $ を示し、$ g(z_0) = 2 \tilde{\int}_0^{z_0} dz f(z) $ であり、$ f(z) $ はガンマ関数で表現される。
• $ \gamma^{-1} \ll t \ll D_R^{-1} $ の領域において、生存確率は $ S_y(t; y_0) \sim \frac{\Gamma(1/4)^2}{2\pi^{3/2}} \sqrt{\frac{\gamma}{D_R}} \frac{y_0}{v_0 t} $ と減衰し、パワーロー減衰の指数 α = 1 を確認する。
• 確率的リセットにより平均最初通過時間が有限化され、最適なリセット率が平均探索時間を最小化することが分かった。
• 位置分布の正確な解は $ P(y,t;y_0) = \frac{1}{4\tilde{\Lambda}t} \big[ f\big( \frac{y-y_0}{4\tilde{\Lambda}t} \big) - f\big( \frac{y+y_0}{4\tilde{\Lambda}t} \big) \big] $ として表され、ここで $ f(z) = \frac{1}{\sqrt{2\pi^3}} \Gamma(\frac{1}{4} + iz) \Gamma(\frac{1}{4} - iz) $ である。