Samonapędzające się cząstki

Modele SPP przewidują, że w rojach występują silne, wyłaniające się zachowania, niezależnie od rodzaju zwierzęcia znajdującego się w roju.

Cząstki samobieżne (SPP), określane również jako cząstki samonapędzające się, to terminy używane przez fizyków do opisania autonomicznych czynników , które przekształcają energię z otoczenia w ukierunkowany lub trwały ruch. Naturalne systemy, które zainspirowały badania i projektowanie tych cząstek, obejmują chodzące, pływające lub latające zwierzęta. Inne systemy biologiczne obejmują bakterie, komórki, glony i inne mikroorganizmy. Ogólnie rzecz biorąc, cząstki samobieżne często odnoszą się do sztucznych systemów, takich jak roboty lub specjalnie zaprojektowanych cząstek, takich jak pływające koloidy Janusa , bimetaliczne nanopręty, nanomotory i chodzące ziarna. W przypadku napędu ukierunkowanego, który jest napędzany gradientem chemicznym, określa się to jako chemotaksję , obserwowaną w systemach biologicznych, np. miękkie cząstki.

Przegląd

Samonapędzające się cząstki oddziałują na siebie, co może prowadzić do powstania zachowań zbiorowych. Te zbiorowe zachowania naśladują samoorganizację obserwowaną w stadach ptaków, rojach robaków, tworzeniu stad owiec itp.

Aby zrozumieć wszechobecność takich zjawisk, fizycy opracowali szereg samobieżnych modeli cząstek. Modele te przewidują, że cząstki samobieżne mają pewne właściwości na poziomie grupy, niezależnie od rodzaju zwierząt (lub sztucznych cząstek) w roju. Wyzwaniem w fizyce teoretycznej stało się znalezienie minimalnych modeli statystycznych, które uchwyciłyby te zachowania.

Przykłady

Systemy biologiczne

Większość zwierząt można postrzegać jako SPP: znajdują energię w pożywieniu i wykazują różne strategie poruszania się, od latania po czołganie się. Najbardziej widocznymi przykładami zachowań zbiorowych w tych systemach są ławice ryb, stada ptaków, stada owiec, ludzkie tłumy. Na mniejszą skalę komórki i bakterie można również traktować jako SPP. Te systemy biologiczne mogą się napędzać w oparciu o obecność chemoatraktantów. Na jeszcze mniejszą skalę, silniki molekularne przekształcają energię ATP w ruch kierunkowy. Niedawne prace wykazały, że cząsteczki enzymów również będą się napędzać. Ponadto wykazano, że będą one preferencyjnie przemieszczać się w kierunku regionu o wyższym stężeniu substratu, zjawisko to rozwinięto w technikę oczyszczania w celu wyizolowania żywych enzymów. Ponadto mikrocząstki lub pęcherzyki mogą stać się samobieżne, gdy zostaną funkcjonalizowane enzymami. Reakcje katalityczne enzymów kierują cząstkami lub pęcherzykami w oparciu o odpowiednie gradienty substratów.

Systemy sztuczne

Przykład SPP: nanopręt ze złota i platyny, który pod wpływem nadtlenku wodoru samonapędza się dzięki siłom elektroforetycznym.

Rozróżnia się systemy mokre i suche. W pierwszym przypadku cząsteczki „pływają” w otaczającym płynie; w drugim przypadku cząstki „chodzą” po podłożu.

Prototypowym przykładem mokrego SPP są aktywne cząstki koloidalne, zwane nanomotorami . Cząsteczki Janusa to cząstki koloidalne o dwóch różnych stronach, mające różne właściwości fizyczne lub chemiczne. To złamanie symetrii pozwala, poprzez odpowiednie dostrojenie środowiska (zwykle otaczającego roztworu), na ruch cząstki Janusa. Na przykład dwie strony cząstki Janusa mogą indukować lokalny gradient temperatury, pola elektrycznego lub stężenia substancji chemicznych. To indukuje ruch cząstki Janusa wzdłuż gradientu poprzez odpowiednio termoforezę , elektroforeza lub dyfuzjoforeza . Ponieważ cząstki Janusa zużywają energię ze swojego otoczenia (kataliza reakcji chemicznych, absorpcja światła itp.), wynikający z tego ruch jest procesem nieodwracalnym, a cząsteczki nie są w równowadze.

• Pierwszym przykładem sztucznego SPP w skali nano lub mikronowej był bimetaliczny nanopręt ze złota i platyny opracowany przez Sen i Mallouk. W roztworze nadtlenku wodoru ten „nanomotor” wykazywałby katalityczną reakcję utleniania-redukcji, indukując w ten sposób przepływ płynu wzdłuż powierzchni poprzez samodyfuzjoforezę. W podobnym systemie zastosowano pręt miedziano-platynowy w roztworze bromu.
• Inny Janus SPP został opracowany przez pokrycie połowy kulki polistyrenu platyną. Były one używane do kierowania ruchem silników katalitycznych, gdy znajdowały się one blisko stałej powierzchni. Systemy te były w stanie przemieszczać aktywne koloidy przy użyciu ograniczeń geometrycznych.
• Innym przykładem Janus SPP jest metaloorganiczny silnik wykorzystujący mikrosferę ze złota i krzemionki. Katalizator Grubba był przywiązany do krzemionkowej połowy cząsteczki iw roztworze monomeru napędzał katalityczną polimeryzację. Powstały gradient stężeń na powierzchni napędzałby silnik w roztworze.
• Innym przykładem sztucznego SPP są platynowe mikrocząstki typu spinner, które mają kontrolowane obroty w oparciu o ich kształt i symetrię.
• Innym przykładem są dwufazowe kropelki oleju Janus, które wykazują ruch samobieżny.
• Kilka innych przykładów opisano na stronie dotyczącej nanomotorów .

Chodzące ziarna są typową realizacją suchego SPP: Ziarna to milimetrowe dyski umieszczone na pionowo wibrującej płycie, która służy jako źródło energii i pędu. Dyski mają dwa różne styki („stopki”) z płytką, twardą stopkę przypominającą igłę z przodu i dużą miękką gumową stopkę z tyłu. Po wstrząśnięciu dyski poruszają się w preferencyjnym kierunku określonym przez symetrię biegunową (głowa-ogon) styków. To wraz z hałasem wibracyjnym powoduje trwałe błądzenie losowe.

Łamanie symetrii

Łamanie symetrii jest warunkiem koniecznym dla SPP, ponieważ musi istnieć preferencyjny kierunek ruchu. Jednak złamanie symetrii może wynikać nie tylko z samej konstrukcji, ale także z jej interakcji z polami elektromagnetycznymi, w szczególności z uwzględnieniem efektów opóźniających. Można to wykorzystać do fototaktycznego ruchu nawet wysoce symetrycznych nanocząstek. W 2020 roku teoretycznie wykazano, że nawet przypadkowo zorientowane symetryczne cząstki (w tym przypadku nanodimery) mogą doświadczać niezerowej średniej siły termoforetycznej, gdy są oświetlane z określonego kierunku. W 2021 roku eksperymentalnie wykazano, że cząstki całkowicie symetryczne (sferyczne mikropływacze ) doświadczają siły termoforetycznej netto, gdy są oświetlone z określonego kierunku.

wiry

W 2020 roku naukowcy z University of Leicester zgłosili nierozpoznany dotąd stan cząstek samobieżnych — który nazwali „stanem wirowym”. Stan wirlonowy składa się z „wirlonów”, utworzonych przez grupy samobieżnych cząstek krążących wokół wspólnego środka masy. Te quasi-cząstki wykazują zaskakujące zachowanie: w odpowiedzi na zewnętrzne obciążenie poruszają się ze stałą prędkością proporcjonalną do przyłożonej siły, podobnie jak obiekty w lepkim ośrodku. Wiry przyciągają się nawzajem i łączą, tworząc większy, wspólny wir. Koalescencja jest niezwykle powolnym, spowalniającym procesem, w wyniku którego powstaje rozrzedzony stan nieruchomych quasi-cząstek. Oprócz stanu wirlonowego obserwowano stany gazowy, ciekły i stały, w zależności od sił międzycząsteczkowych i samonapędzających. W przeciwieństwie do układów molekularnych, stany ciekły i gazowy cząstek samobieżnych nie współistnieją.

Typowe zachowanie zbiorowe

Typowy ruch zbiorowy obejmuje na ogół tworzenie samoorganizujących się struktur, takich jak klastry i zorganizowane zgromadzenia.

Wybitnym i najbardziej spektakularnym zachowaniem wyłaniającym się na dużą skalę obserwowanym w zespołach SPP jest ukierunkowany ruch zbiorowy . W takim przypadku wszystkie cząstki poruszają się w tym samym kierunku. Ponadto mogą powstawać struktury przestrzenne, takie jak pasma, wiry, astry, ruchome gromady.

Inną klasą zachowań na dużą skalę, która nie implikuje ruchu ukierunkowanego, jest albo spontaniczne tworzenie skupisk, albo separacja w fazie gazopodobnej i ciekłej, co jest nieoczekiwanym zjawiskiem, gdy SPP mają czysto odpychające oddziaływanie. Ta separacja faz została nazwana separacją faz indukowaną ruchliwością (MIPS).

Przykłady modelowania

Modelowanie SPP zostało wprowadzone w 1995 roku przez Tamása Vicseka i in. jako szczególny przypadek modelu Boidsa wprowadzonego w 1986 roku przez Reynoldsa . W takim przypadku SPP to cząstki punktowe, które poruszają się ze stałą prędkością. i przyjąć (przy każdym przyroście czasu) średni kierunek ruchu innych cząstek w ich lokalnym sąsiedztwie aż do pewnego dodatkowego szumu.

Wideo zewnętrzne
Interaktywna symulacja modelu SPP – potrzebuje Javy

Symulacje pokazują, że odpowiednia „reguła najbliższego sąsiada” ostatecznie powoduje, że wszystkie cząstki roją się razem lub poruszają się w tym samym kierunku. Pojawia się to, mimo że nie ma scentralizowanej koordynacji i chociaż sąsiedzi każdej cząstki stale się zmieniają w czasie (patrz interaktywna symulacja w ramce po prawej).

Od tego czasu zaproponowano szereg modeli, począwszy od prostej aktywnej cząstki Browna, a skończywszy na szczegółowych i specjalistycznych modelach mających na celu opisanie określonych systemów i sytuacji. Wśród ważnych składników tych modeli można wymienić

• Napęd własny : w przypadku braku interakcji prędkość SPP zbliża się do ustalonej stałej wartości
• Oddziaływania ciał: cząstki można traktować jako punkty (brak interakcji ciał), jak w modelu Vicseka. Alternatywnie, można uwzględnić potencjał interakcji, atrakcyjny lub odpychający. Potencjał ten może być izotropowy lub nie do opisania kulistych lub wydłużonych cząstek.
• Orientacja ciała: w przypadku cząstek z osią nieruchomą w ciele można uwzględnić dodatkowe stopnie swobody, aby opisać orientację ciała. Dodatkową opcją jest sprzężenie tej osi ciała z prędkością.
• Wyrównanie zasad interakcji: w duchu modelu Vicseka sąsiednie cząstki wyrównują swoje prędkości. Inną możliwością jest to, że wyrównują swoje orientacje.

Można również uwzględnić efektywne wpływy otoczenia; na przykład nominalna prędkość SPP może być ustawiona tak, aby zależała od lokalnej gęstości, aby uwzględnić efekt stłoczenia.

Cząstki samobieżne można również modelować za pomocą modeli na siatce, które mają tę zaletę, że są proste i wydajne w symulacji, aw niektórych przypadkach mogą być łatwiejsze do analizy matematycznej. Modele sieciowe, takie jak BIO-LGCA, zostały wykorzystane do badania fizycznych aspektów samobieżnych układów cząstek (takich jak przejścia fazowe i potencjał tworzenia wzorców), a także konkretnych pytań związanych z rzeczywistymi systemami materii aktywnej (na przykład identyfikacja podstawowe procesy biologiczne związane z inwazją nowotworu).

Niektóre aplikacje do rzeczywistych systemów

Nimfa szarańczy

Wideo zewnętrzne
Maszerująca szarańcza – przyspieszył 6-krotnie Kiedy zagęszczenie szarańczy osiąga punkt krytyczny, maszerują razem miarowo, bez zmiany kierunku.

Maszerująca szarańcza

Młode szarańcze pustynne to samotne i bezskrzydłe nimfy . Jeśli brakuje żywności, mogą się zebrać i zacząć okupować sąsiednie obszary, rekrutując więcej szarańczy. W końcu mogą stać się marszową armią rozciągającą się na wiele kilometrów. Może to być preludium do rozwoju ogromnych rojów latających dorosłych szarańczy, które niszczą roślinność na skalę kontynentalną.

Jednym z kluczowych przewidywań modelu SPP jest to, że wraz ze wzrostem gęstości zaludnienia grupy następuje nagłe przejście od jednostek poruszających się w grupie w stosunkowo nieuporządkowany i niezależny sposób do grupy poruszającej się jako wysoce wyrównana całość. Tak więc w przypadku młodych szarańczy pustynnych powinien wystąpić punkt spustowy, który zamienia zdezorganizowaną i rozproszoną szarańczę w skoordynowaną maszerującą armię. Po osiągnięciu krytycznej gęstości populacji owady powinny zacząć maszerować razem w stabilny sposób iw tym samym kierunku.

W 2006 roku grupa naukowców zbadała, jak ten model sprawdza się w laboratorium. Szarańczę umieszczono na okrągłej arenie, a jej ruchy śledzono za pomocą oprogramowania komputerowego. Przy niskim zagęszczeniu, poniżej 18 szarańczy na metr kwadratowy, szarańcza kręci się w nieuporządkowany sposób. Przy pośrednim zagęszczeniu zaczynają ustawiać się w linii i maszerować razem, przerywane nagłymi, ale skoordynowanymi zmianami kierunku. Jednak gdy zagęszczenia osiągnęły wartość krytyczną na poziomie około 74 szarańczy/ ^m2 , szarańcza przestała dokonywać szybkich i spontanicznych zmian kierunku, a zamiast tego maszerowała stale w tym samym kierunku przez pełne osiem godzin eksperymentu (patrz wideo po lewej). Potwierdziło to zachowanie przewidywane przez modele SPP.

W terenie, według Organizacji Narodów Zjednoczonych ds. Wyżywienia i Rolnictwa , średnie zagęszczenie orkiestr marszowych wynosi 50 szarańczy/m ² (50 milionów szarańczy/km ² ), przy typowym zakresie od 20 do 120 szarańczy/m ² . Wyniki badań omówione powyżej pokazują dynamiczną niestabilność, która występuje przy niższych zagęszczeniach szarańczy typowych w terenie, gdzie maszerujące grupy losowo zmieniają kierunek bez żadnych zewnętrznych zakłóceń. Zrozumienie tego zjawiska, wraz z przejściem na w pełni skoordynowane marsze w wyższych zagęszczeniach, jest niezbędne, jeśli chcemy kontrolować roje pustynnej szarańczy.

Lądowiska ptaków

Stada ptaków mogą gwałtownie zmienić kierunek, a następnie, równie nagle, podjąć jednomyślną grupową decyzję o wylądowaniu

Rój zwierząt, takich jak mrówki, pszczoły, ryby i ptaki, często obserwuje się nagłe przechodzenie z jednego stanu do drugiego. Na przykład ptaki nagle przechodzą ze stanu latania do stanu lądowania. Lub przełącz rybę z ławicy w jednym kierunku na ławicę w innym kierunku. Takie zmiany stanu mogą zachodzić z zadziwiającą szybkością i synchronizacją, tak jakby wszyscy członkowie grupy podjęli jednomyślną decyzję w tym samym momencie. Zjawiska takie jak te od dawna intrygują badaczy.

W 2010 roku Bhattacharya i Vicsek wykorzystali model SPP do analizy tego, co się tutaj dzieje. Jako paradygmat rozważyli, w jaki sposób latające ptaki podejmują zbiorową decyzję o nagłej i zsynchronizowanej zmianie lądu. Ptaki, takie jak szpaki na obrazku po prawej, nie mają lidera decyzyjnego, ale stado dokładnie wie, jak wylądować w jednolity sposób. Potrzeba wylądowania grupy jest nadrzędna wobec odmiennych intencji poszczególnych ptaków. Model cząstek wykazał, że zbiorowe przejście do lądowania zależy od perturbacji, które dotyczą poszczególnych ptaków, takich jak miejsce, w którym ptaki znajdują się w stadzie. Jest to zachowanie, które można porównać do lawiny piasku, jeśli jest on spiętrzony, przed punktem, w którym symetryczne i starannie ułożone ziarna spadłyby lawiną, ponieważ fluktuacje stają się coraz bardziej nieliniowe.

„Naszą główną motywacją było lepsze zrozumienie czegoś, co jest zagadkowe i istnieje w naturze, zwłaszcza w przypadkach dotyczących zatrzymania lub rozpoczęcia zbiorowego wzorca zachowań w grupie ludzi lub zwierząt… Proponujemy prosty model systemu, którego członkowie mają tendencję do naśladowania innych zarówno w przestrzeni, jak iw swoich stanach umysłu dotyczących decyzji o zaprzestaniu działania. Jest to bardzo ogólny model, który można zastosować do podobnych sytuacji”. Model można również zastosować do roju bezzałogowych dronów , zainicjować pożądany ruch w tłumie ludzi lub interpretować wzorce grupowe podczas kupowania lub sprzedawania akcji giełdowych.

Inne przykłady

Modele SPP zostały zastosowane w wielu innych obszarach, takich jak ławice ryb , roje robotów , silniki molekularne , rozwój ludzkiej paniki i ewolucja ludzkich szlaków na miejskich terenach zielonych. SPP w przepływie Stokesa , takie jak cząstki Janusa , są często modelowane przez model squirmera .

Zobacz też

• Klastrowanie cząstek samobieżnych
• Uciekająca cząsteczka
• Cząsteczki Janusa
• Mikropływak
• Model Vicseka

Dalsze referencje

•   Ihle T (marzec 2011). „Kinetyczna teoria flokowania: wyprowadzenie równań hydrodynamicznych” . Przegląd fizyczny E. 83 (3 Pt 1): 030901. arXiv : 1006,1825 . Bibcode : 2011PhRvE..83c0901I . doi : 10.1103/PhysRevE.83.030901 . PMID 21517447 .
•   Bertin E, Droz M, Grégoire G (2009). „Równania hydrodynamiczne dla cząstek samobieżnych: wyprowadzenie mikroskopowe i analiza stabilności”. Dziennik Fizyki A. 42 (44): 445001. arXiv : 0907.4688 . Bibcode : 2009JPhA...42R5001B . doi : 10.1088/1751-8113/42/44/445001 . S2CID 17686543 .
•    Ihle T (październik 2013). „Przejście fazowe pierwszego rzędu wywołane falą inwazji w układach cząstek aktywnych”. Przegląd fizyczny E. 88 (4): 040303. arXiv : 1304.0149 . Bibcode : 2013PhRvE..88d0303I . doi : 10.1103/PhysRevE.88.040303 . PMID 24229097 . S2CID 14951536 .
•   Czirók A, Stanley HE, Vicsek T (1997). „Spontanicznie uporządkowany ruch cząstek samobieżnych”. Dziennik Fizyki A. 30 (5): 1375–1385. arXiv : cond-mat/0611741 . Bibcode : 1997JPhA...30.1375C . doi : 10.1088/0305-4470/30/5/009 . S2CID 16154002 .
•   Czirók A, Barabási AL, Vicsek T (1999). „Zbiorowy ruch samobieżnych cząstek: kinetyczne przejście fazowe w jednym wymiarze”. Fizyczne listy przeglądowe . 82 (1): 209–212. arXiv : cond-mat/9712154 . Bibcode : 1999PhRvL..82..209C . doi : 10.1103/PhysRevLett.82.209 . S2CID 16881098 .
•   Czirók A, Vicsek T (2001). „Flokowanie: zbiorowy ruch cząstek samobieżnych” . W Vicsek T (red.). Fluktuacje i skalowanie w biologii . Oxford University Press. s. 177–209. ISBN 978-0-19-850790-1 .
•   D'Orsogna MR, Chuang YL, Bertozzi AL, Chayes LS (marzec 2006). „Cząstki samobieżne z interakcjami z miękkim rdzeniem: wzory, stabilność i zapadanie się” . Fizyczne listy przeglądowe . 96 (10): 104302. Bibcode : 2006PhRvL..96j4302D . doi : 10.1103/PhysRevLett.96.104302 . PMID 16605738 .
•    Levine H, Rappel WJ, Cohen I (styczeń 2001). „Samoorganizacja w układach cząstek samobieżnych”. Przegląd fizyczny E. 63 (1 Pt 2): 017101. arXiv : cond-mat/0006477 . Bibcode : 2000PhRvE..63a7101L . doi : 10.1103/PhysRevE.63.017101 . PMID 11304390 . S2CID 19509007 .
•   Mehandia V, Nott PR (2008). „Zbiorowa dynamika cząstek samobieżnych”. Dziennik mechaniki płynów . 595 : 239-264. ar Xiv : 0707.1436 . Bibcode : 2008JFM...595..239M . doi : 10.1017/S0022112007009184 . S2CID 119610757 .
•   Helbing D (2001). „Cudowny świat aktywnych układów wielu cząstek” . Postępy w fizyce ciała stałego . Tom. 41. s. 357–368. doi : 10.1007/3-540-44946-9_29 . ISBN 978-3-540-42000-2 .
•    Aditi Simha R, Ramaswamy S (lipiec 2002). „Wahania i niestabilności hydrodynamiczne w uporządkowanych zawiesinach cząstek samobieżnych”. Listy z przeglądu fizycznego . 89 (5): 058101. arXiv : cond-mat/0108301 . Bibcode : 2002PhRvL..89e8101A . doi : 10.1103/PhysRevLett.89.058101 . PMID 12144468 . S2CID 3845736 .
•   Sumpter DJ (2010). „Rozdział 5: Przeprowadzka razem” . Zbiorowe zachowanie zwierząt . Wydawnictwo Uniwersytetu Princeton. ISBN 978-0-691-12963-1 .
•    Vicsek T (lipiec 2010). „Fizyka statystyczna: zbliżanie się do uciekinierów” . Natura . 466 (7302): 43–4. Bibcode : 2010Natur.466...43V . doi : 10.1038/466043a . PMID 20596010 . S2CID 12682238 .
• Yates CA (2007). O dynamice i ewolucji samobieżnych modeli cząstek (PDF) (praca magisterska). Somerville College, Uniwersytet Oksfordzki.
• Yates CA, Baker RE , Erban R, Maini PK (jesień 2010). „Udoskonalenie samobieżnych modeli cząstek pod kątem zachowań zbiorowych” (PDF) . Kwartalnik Canadian Applied Mathematics . 18 (3).

Linki zewnętrzne

• Rój pustynnej szarańczy – Klip wideo z Planety Ziemia