[논문 리뷰] Run, Tumble and Paint

Emir Sezik, Callum Britton외 2명|arXiv (Cornell University)|2026. 03. 25.

Micro and Nano Robotics인용 수 0

한 줄 요약

논문은 Run-and-Tumble 입자에 대한 상태 의존 방문 확률을 도입하여 Doi-Peliti 장 이론 프레임워크 내에서 극성 토적 침적을 확장하고, 1차 원에서 관련 First-passage 및 부피-커버리지 속성을 도출한다.

ABSTRACT

The visit probability, quantifying whether a particle has reached a given point for the first time by a specified time, provides access to various extreme value statistics and serves as a fundamental tool for characterising active matter models. However, previous studies have largely neglected how the visit probability depends on the internal degree of freedom driving the active particle. To address this, we calculate the "state-dependent'' visit probability for a Run-and-Tumble particle, that is the probability that the particle first passes through $x$ before time $t$, keeping track of its internal state during first passage. This process may be thought of as the particle "painting'' the positions it passes through for the time in the colour of its self-propulsion state. We perform this calculation in one dimension using Doi-Peliti field theory, by extending the tracer mechanism from previous works to incorporate such "polar deposition'' and demonstrate that state-dependent visit probabilities can be elegantly captured within this field-theoretic framework. We further derive the total volume covered by a right- (or left-) moving Run-and-Tumble particle and compare our results with known expressions for Brownian motion.

연구 동기 및 목표

• 내부 자유도를 가진 활성 물질에서 방문 확률 연구를 동기화한다.
• 일차 도달 중 내부 방향성을 추적하는 상태 의존 방문 확률을 정의하고 계산한다.
• polar (방향 의존적) 침적을 도입하기 위해 추적자 침적 프레임워크를 확장한다.
• 추적자가 있는 Run-and-Tumble 역학에 대한 Doi-Peliti 장 이론을 개발한다.
• 1차원에서의 장시간 커버리지/부피 결과를 도출하고 Brownian 운동 표현과 비교한다.

제안 방법

• 한 차원 Run-and-Tumble (RnT) 모델을 위치 x(t)와 방향 w(t) ∈ {−1, +1}로 형식화한다.
• 오른쪽 및 왼쪽 이동 상태와 그들의 털링 동역학에 대한 결합된 Fokker-Planck 방정식을 표현한다.
• 일차 도달 위치를 방향 특정 추적자로 표기하는 polar tracer deposition 메커니즘을 도입한다.
• RnT 및 tracer 부분으로 분리된 작용을 가진 Doi-Peliti 장 이론에 확률적 역학과 추적자 규칙을 매핑한다.
• 다이어그램 계산을 위한 RnT 작용으로부터의 노출된 propagator와 perturbative vertex를 식별한다.
• 추적자 상호작용 주위에서 섬세한 퍼트러비에이션 전개를 수행하여 상태 의존 방문 확률 및 관련 관측치를 계산한다.

Figure 1 : The tracer mechanism — Cartoon: (a) The RnT particle, shown as a ball, is initialised as a right mover (red). (b) Particle evolves in time, travelling on average to the right and leaving a trail of right (red) tracers, or painting the real line with a colour corresponding to its orientati

실험 결과

연구 질문

• RQ1 RnT 입자에 대한 상태 의존 방문 확률은 어떤가, 즉 초기 상태에서 주어진 방향으로 시간 t까지 점 x를 처음 방문할 확률은 무엇인가?
• RQ2 방향 의존적 추적자 침적( polar deposition)을 도입하면 1차 충족 확률 및 공간 도색 패턴에 어떤 영향을 주는가?
• RQ3 Doi-Peliti 프레임워크가 1차원에서 상태 의존 방문 확률과 장시간 커버리지를 정확히 포착할 수 있는가?
• RQ4 상태 의존 결과를 Brownian-motion 표현의 총 방문 부피/커버리지와 비교하면 어떤 차이가 있는가?

주요 결과

• 상태 의존 방문 확률은 극성 침적으로 확장된 추적자 메커니즘으로 정의하고 계산할 수 있다.
• Doi-Peliti 장 이론 프레임워크는 방향 추적을 가진 Run-and-Tumble 역학을 암호화하는 propagator와 vertex를 제공한다.
• 극성 침적은 활성 구간 내에서 반대 종의 섬처럼 비trivial한 추적자 패턴을 유도하여 1차 충족 확률에 영향을 준다.
• RnT 입자에 대해 각 상태 및 각 반공간에서의 장시간 총 부피를 계산하는 방법을 제시한다.
• 결과를 총 방문 부피에 대한 잘 알려진 Brownian 운동 표현과 대조하여 자기 추진성 및 지속성의 효과를 강조한다.

(a)