[论文解读] From Particle Currents to Tracer Diffusion: Universal Correlation Profiles in Single-File Dynamics

Aurélien Grabsch, Théotim Berlioz+3 more|arXiv (Cornell University)|Jun 23, 2023

Stochastic processes and statistical mechanics参考文献 50被引用 5

一句话总结

本文为具有任意随机动力学的单列系统中的关联谱建立了通用的、与时间无关的形式，表明粒子流与示踪粒子扩散的关联仅取决于单个粒子的动力学。该方法适用于各类模型——包括布朗运动、定速趋衡粒子以及 Lévy 飞行——通过生成函数与拉普拉斯变换可精确计算联合统计量，结果不仅适用于一维系统，也适用于多变量观测。

ABSTRACT

Single-file transport refers to the motion of particles in a narrow channel, such that they cannot bypass each other. This constraint leads to strong correlations between the particles, described by correlation profiles, which measure the correlation between a generic observable and the density of particles at a given position and time. They have recently been shown to play a central role in single-file systems. Up to now, these correlations have only been determined for diffusive systems in the hydrodynamic limit. Here, we consider a model of reflecting point particles on the infinite line, with a general individual stochastic dynamics. We show that the correlation profiles take a simple universal form, at arbitrary time. We illustrate our approach by the study of the integrated current of particles through the origin, and apply our results to representative models such as Brownian particles, run-and-tumble particles and Lévy flights. We further emphasise the generality of our results by showing that they also apply beyond the 1d case, and to other observables.

研究动机与目标

• 推导具有任意个体动力学的单列系统中粒子流与密度之间关联谱的通用形式。
• 克服以往研究局限于扩散系统、长时间极限以及特定可观测量（如示踪粒子位置或积分流）的局限性。
• 将形式化方法推广至一维以外的系统，并拓展至非扩散过程，如定速趋衡运动与 Lévy 飞行。
• 通过拉普拉斯变换建立关联谱与条件谱之间的统一框架，适用于任意时间点。
• 通过代表性模型与可观测量的精确结果，展示该方法的普适性。

提出的方法

• 通过交换动力学将反射点粒子映射为非相互作用粒子，适用于任意马尔可夫传播器。
• 将关联谱定义为联合矩的比值：$ w(x,\lambda,t) = \frac{\langle \rho(x,t) e^{\lambda x_0(t)} \rangle }{\langle e^{\lambda x_0(t)} \rangle } $，其中 $ x_0(t) $ 为示踪粒子位置。
• 使用累积量生成函数 $ \psi_A(\lambda,t) = \ln \langle e^{\lambda x_0(t)} \rangle $ 来表征示踪粒子统计特性。
• 应用拉普拉斯变换将关联谱与条件密度谱联系起来，实现精确计算。
• 利用大偏差理论与鞍点近似评估长时间极限，获得通用标度形式。
• 通过生成函数的双重拉普拉斯反演，推导多个可观测量（如两个示踪粒子或流与位置）的联合分布。

实验结果

研究问题

• RQ1 是否能为单列系统中任意随机动力学的粒子流与密度之间的关联谱建立通用推导？
• RQ2 在任意时间点，关联谱的行为如何，而不仅限于长时间流体动力学极限？
• RQ3 这些结果在多大程度上可推广至一维系统之外，以及非扩散动力学（如定速趋衡或 Lévy 飞行）？
• RQ4 示踪粒子位置的关联谱与条件密度谱之间存在何种关系？
• RQ5 该形式化方法能否推广至多个可观测量，例如联合流与示踪粒子位置分布？

主要发现

• 在任意时间点，关联谱具有通用形式，仅依赖于单个粒子传播器，而不依赖于系统的初始密度分布。
• 示踪粒子位置与积分流的联合分布遵循大偏差形式 $ \mathbb{P}[J_t(0)=\sigma_t q, J_t(Y_0)=\sigma_t q'] \simeq e^{-\sigma_t \phi(q,q')} $，其中 $ \phi $ 由累积量生成函数的勒让德变换确定。
• 对于两个示踪粒子，协方差矩阵为 $ \text{Var}(X) = \frac{h(0)}{2h'(0)^2}\sigma_t $，$ \text{Cov}(X,Y) = \frac{h(z)}{2h'(0)^2}\sigma_t $，其中 $ h $ 为传播器的二重原函数。
• 在长时间极限下，由于拉普拉斯积分中鞍点主导，关联谱与条件谱趋于等价。
• 该形式化方法普遍适用于非扩散过程：定速趋衡粒子与 Lévy 飞行可通过其各自传播器精确获得关联谱。
• 结果可推广至一维系统之外，且适用于除示踪粒子位置与流之外的广泛可观测量类别。