[論文レビュー] Generalised Diffusion and Wave Equations: Recent Advances

Trifce Sandev, Ralf Metzler+1 more|arXiv (Cornell University)|Mar 4, 2019

Fractional Differential Equations Solutions参考文献 31被引用数 8

ひとこと要約

本稿では、複雑系におけるマルチスケーリングダイナミクスをモデル化するため、普遍的な記憶カーネルを用いた一般化された拡散および波動方程式を導入し、準拡散、正規拡散、超拡散の領域間のクロスオーバー行動を可能にしている。分数階微分を分布型、温度付き、その他のカーネルを含む形に拡張することで、時間に依存するスケーリングを示す異常拡散を捉えるフレームワークが構築され、劣化およびラプラス変換技術によって検証されている。

ABSTRACT

We present a short overview of the recent results in the theory of diffusion and wave equations with generalised derivative operators. We give generic examples of such generalised diffusion and wave equations, which include time-fractional, distributed order, and tempered time-fractional diffusion and wave equations. Such equations exhibit multi-scaling time behaviour, which makes them suitable for the description of different diffusive regimes and characteristic crossover dynamics in complex systems.

研究の動機と目的

• 単一スケーリングの分数階ダイナミクスを越える、一般化された拡散および波動方程式の統一的フレームワークの構築を目的とする。
• 準拡散、正規拡散、超拡散の間の遷移を示すような、時間に依存する異常拡散行動を示す複雑系のモデル化を目的とする。
• 記憶カーネルを用いた一般化された方程式の厳密な数学的基盤を確立し、解の正規化および非負性を保証することを目的とする。
• 一般化された待ち時間確率密度関数（PDF）を用いて、一般化された方程式と連続時間ランダムウォーク（CTRW）理論を結びつけること。
• 本フレームワークが生物学的細胞、多孔質媒体、半導体などの実世界の系に応用可能であることを示すこと。

提案手法

• 左辺および右辺にそれぞれ記憶カーネル γ(t) および η(t) を用いた、自然形式および修正形式の一般化された拡散方程式を定式化する。
• ラプラス変換およびフーリエ変換を適用し、時間スケール変換を伴う劣化積分の形で解を導出する。
• 劣化アプローチを用いて、確率密度関数（PDF）W(x,t) の非負性および正規化を証明する。
• ラプラス空間における関係 ŝγ(s) → 1/[sŝη(s)] を用いて、二つの方程式形式の関係を確立する。
• ベルンシュタイン関数および完全モノトーン関数の理論を用い、解の物理的妥当性を保証する。
• 累乗法則（分数階微分）、分布型、温度付き分数型などの特定のカーネルに対してフレームワークを適用する。

実験結果

リサーチクエスチョン

• RQ1 一般化された微分作用素は、拡散領域間の動的クロスオーバーを示す複雑系におけるマルチスケーリング時間行動をどのようにモデル化できるか？
• RQ2 記憶カーネルを用いた一般化された拡散方程式の解において、非負性および正規化を保証するための数学的条件は何か？
• RQ3 累乗法則、分布型、温度付きなどの異なる記憶カーネルは、平均二乗変位およびそれによる拡散行動にどのように影響を与えるか？
• RQ4 自然形式および修正形式の一般化された拡散方程式は、ラプラスドメインにおけるカーネルに関してどのように関係しているか？
• RQ5 一般化された待ち時間分布を用いた連続時間ランダムウォーク（CTRW）理論から、一般化されたフレームワークをどのように導出できるか？

主な発見

• 自然形式の一般化された拡散方程式において、記憶カーネル γ(t) を用いることで、ŝγ(s) が完全モノトーン関数であり、sŝγ(s) がベルンシュタイン関数である限り、解が非負かつ正規化されることを保証する。
• 変換 ŝγ(s) → 1/[sŝη(s)] の下で、修正形式の式は自然形式の式と数学的に同等である。
• 解 W(x,t) は、物理的時間 t を作業的時間 u に変換する確率密度関数 G(u,t) を含む劣化積分の形で表現される。
• カーネル γ(t) が累乗法則または分布型に対応する場合、本フレームワークは既知の分数階拡散方程式（例：時間分数階、分布型）を特別な場合として回復する。
• 平均二乗変位はマルチスケーリング行動を示し、カーネルの長時間挙動に応じて、準拡散（α < 1）、正規拡散（α = 1）、超拡散（α > 1）への遷移が観察される。
• 本理論は、タンパク質で一杯の膜、生物学的細胞、不規則な半導体などの多様な系における異常拡散を統一的に記述でき、適切に調整された記憶カーネルを用いてクロスオーバーダイナミクスを捉えている。