Anomale Diffusion

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche
Mittlere quadratische Verschiebung \langle r^2(\tau)\rangle für normale, Super- und Subdiffusion

Anomale Diffusion ist in der statistischen Physik eine besondere Art des Transportprozesses Diffusion bzw. der brownschen Molekularbewegung, die in vielen komplexen (z. B. viskoelastischen) Medien auftritt. Sie lässt sich nicht durch das gewöhnliche (Fick’sche) Diffusionsgesetz beschreiben. Im Unterschied zu normaler Diffusion wächst die mittlere quadratische Verschiebung \langle r^2(\tau)\rangle eines anomal diffundierenden Teilchens, also der Raum, den das Teilchen in der Zeit \tau durchwandert, nicht proportional zu \tau, sondern folgt typischerweise einem Potenzgesetz \langle r^2(\tau)\rangle\propto\tau^\alpha mit Anomalieparameter α. Anomale Diffusion beschreibt Zufallsbewegungen mit lang-reichweitigen Korrelationen, für die der zentrale Grenzwertsatz der Statistik nicht mehr gilt. Solche Transportprozesse treten zum Beispiel in Zellen oder beim Reiseverhalten von Menschen auf.

Definition und Eigenschaften[Bearbeiten]

Definition[Bearbeiten]

Übliche Diffusionsprozesse lassen sich makroskopisch durch die Fick’sche Diffusionsgleichung beschreiben. Mikroskopisch geht diese Beschreibung in eine Brown’sche Molekularbewegung (Wiener-Prozess) über, mit der mittleren quadratische Verschiebung:

\langle \Delta r^2(\tau)\rangle_\text{normale Diffusion}=2n\cdot D\cdot\tau

Der Faktor n gibt die Zahl der Raumdimensionen an und der Parameter D ist der Diffusionskoeffizient.

Anomale Diffusion zeichnet sich dagegen durch folgende Abhängigkeit aus:[1]

\langle \Delta r^2(\tau)\rangle_\text{anomale Diffusion}=2n\cdot K_\alpha\cdot\tau^\alpha,\quad \alpha>0

Hier ist Kα ein verallgemeinerter Diffusionskoeffizient und α der Anomalieparameter. Die Einheit dieses verallgemeinerten Diffusionskoeffizienten ist [Kα] = m2/sα, hängt also vom Anomalieparameter ab. Man unterscheidet zwei Regime, die auch in der Abbildung ganz oben dargestellt sind:

  • Subdiffusion (0<\alpha<1): Diese Art der verlangsamten diffusiven Bewegung kann etwa im Inneren von Zellen und bei Random Walks auf fraktalen Strukturen beobachtet werden.
  • Der Spezialfall \alpha=1 beschreibt die gewöhnliche normale Diffusion.
  • Superdiffusion (\alpha>1): Diese beschleunigte Diffusion tritt z. B. bei Lévy-Flügen auf, oder etwa bei der Bewegung von Geldscheinen bzw. Reisebewegung von Menschen.
  • Der Spezialfall \alpha=2 wird ballistische Diffusion (englisch ballistic diffusion) genannt.[2] Dies entspricht einem Fall, wo zusätzlich zur Diffusionsbewegung auch eine Drift vorliegt.

Anomale Diffusion als makroskopischer Effekt[Bearbeiten]

Anomale Diffusion an sich ist zunächst ein makroskopischer Effekt. Wie die verschiedenen obigen Beispiele schon zeigen, ist das Herleiten der mikroskopischen Ursache der anomalen Diffusion nicht einfach möglich.

Zeitabhängiger Diffusionskoeffizient und Gedächtnis[Bearbeiten]

Die mittlere quadratische Verschiebung lässt sich formal auch durch einen zeitabhängigen Diffusionskoeffizienten Dα(τ) ausdrücken:[1]

\langle \Delta r^2(\tau)\rangle_\text{anomale Diffusion}=2n\cdot D_\alpha(\tau)\cdot\tau \quad \text{mit} \quad  D_\alpha(\tau)=K_\alpha\cdot\tau^{\alpha-1}

Der Diffusionskoeffizient ist also nicht mehr zeitlich konstant, das Verhalten (die "Diffusionsgeschwindigkeit") eines Teilchens hängt also davon ab, wie lange es sich schon bewegt (für Subdiffusion wird es z.B. immer langsamer, je länger es sich bewegt). Dies bedeutet, dass quasi ein Gedächtnis im System vorhanden ist, das die aktuelle Bewegung von der Vorgeschichte abhängig macht. Ein detaillierteres mathematisches Modell hierfür wird weiter unten im Abschnitt Anomale Diffusion und die Langevin-Gleichung beschrieben.

Auftreten anomaler Diffusion[Bearbeiten]

Anomale Diffusionsphänomene treten in verschiedenen Systemen auf. Hier sollen einige Beispiele zusammengefasst werden, die teilweise im restlichen Artikel näher erläutert werden:

  • Superdiffusion mit α>1:
    • im theoretischen Random-Walk-Modell des Lévy-Fluges[1]
    • bei der Bewegung von Geldscheinen bzw. Reisebewegung von Menschen.[3][4] Reisende Menschen verbleiben z. B. typischerweise einige Zeit in einer Stadt und bewegen sich dort auf kleiner räumlicher Skala. Mit einer gewissen (niedrigen, aber nicht verschwindenden) Wahrscheinlichkeit unternehmen sie dann eine Reise in eine entfernte Stadt, was zu einem großen Sprung führt. Lévy-Flüge sind ein theoretisches Modell für solches Verhalten.
    • Bewegung einzelner Zellen in Zellaggregaten[5]
  • Subdiffusion mit 0<α<1:
    • Im Inneren von Zellen beobachtet man Subdiffusion bei der Bewegung von Makromolekülen durch das Cytoplasma. Eine Ursache hierfür kann das sog. molecular crowding sein, also das Vorhandensein vieler (dicht gepackter) Makromoleküle und Organellen im Zytoplasma[6]
    • Auf Membranen von Zellen wird ebenfalls anomale Diffusion beobachtet.[7][8] Die Zellmembran ist hier ein komplexes System aus vielen verschiedenen Bausteinen (siehe z.B. Flüssig-Mosaik-Modell).
    • Random Walks auf fraktalen Strukturen, wie etwa Perkolationsklustern[9][10]. Dies kann auch experimentell durch NMR-Diffusivitätsmessungen in porösen Systemen gezeigt werden.[1]
    • Diffusion in Polymernetzwerken[11]
    • Die Monomerbewegung von langen Polymeren wie DNA zeigt auf begrenzten Zeitskalen ebenfalls die Charakteristik anomaler Diffusion, hier ausgelöst durch die eingeschränkte interne Bewegung des Polymers (siehe z.B. das einfache Rouse-Modell für die Polymerdynamik).[12]
    • Ladungsträgertransport in amorphen Halbleitern[1]

Theoretische Beschreibung durch Random Walks[Bearbeiten]

Normale Diffusion[Bearbeiten]

1000 Schritte eines normal-diffusiven (α = 1) Random-Walk

Wie schon erwähnt, zeigen gewisse Random Walk-Prozesse ein anomal diffusives Verhalten. Dabei beschreibt man das Fortschreiten der (hier im Beispiel eindimensionalen) Bewegung in diskreten Zeitschritten Δt. Der Positionssprung \Delta x=x_{t}-x_{t-1} von einem Zeitschritt zum nächsten ist für normale Diffusion gauß-verteilt:

p(\Delta x)\propto\exp\left(-\frac{1}{2}\cdot\frac{\Delta x^2}{2D\cdot \Delta t}\right)

Diese charakteristische Gauß-Verteilung gilt aufgrund des zentralen Grenzwertsatzes der Statistik für viele Vorgänge. Sind allerdings wie in den folgenden Beispielen seine Voraussetzungen nicht mehr erfüllt (z.B. weil die Varianz \sigma^2=2D\cdot \Delta t der obigen Verteilung nicht mehr definiert werden kann), so kann man anomal diffusives Verhalten beobachten.

Lévy-Flüge[Bearbeiten]

Ein Lévy-Flug mit seiner erhöhten Wahrscheinlichkeit von langen Sprüngen zeigt Superdiffusion (α > 1). Das Bild zeigt ebenfalls 1000 Schritte und man kann deutlich die seltenen langen Sprünge erkennen.

Anomale Superdiffusion tritt in Random Walk-Prozessen auf, bei denen die Sprunglängenverteilung endlastig ist. Hier gilt der zentrale Grenzwertsatz nicht mehr, da die Varianz von endlastigen Verteilungen divergiert.[1] Ein Beispiel sind die bereits erwähnten Lévy-Flüge, bei denen selten (aber häufiger als in einer Gauß-Verteilung) sehr lange Sprünge vorkommen können. Die Sprunglängenverteilung nimmt hier mit einem Potenzgesetz ab:[13]

p(\Delta x)\propto|\Delta x|^{-(1+2/\alpha)}, \alpha>1,\ \ \ \text{für}\ \ \ \Delta x\rightarrow\infty

Im Bild rechts sind einige Schritte eines solchen Prozesses gezeigt. Die seltenen großen Sprünge sind gut zu erkennen.

Continuous time random walks (CTRW)[Bearbeiten]

Ein weiterer Random Walk-Prozess mit anomal diffusiver Charakteristik sind sog. Continuous time random walks (CTRW). Dabei ist die Bewegung nicht in gleich lange Zeitschritte Δt zerteilt, sondern bei gleich bleibender Sprunglänge Δx wird die Wartezeit zwischen zwei Sprüngen aus einer Verteilung betrachtet.[13] Man kann das auch als Diffusion auf einem Gitter mit Fallen auffassen, wobei die Fallen das diffundierende Teilchen unterschiedlich lange festhalten können. Ist die Wartezeitverteilung endlastig, also:

p(\Delta t)\propto\Delta t^{-(1+\alpha)}, 0<\alpha<1,\ \ \ \text{für}\ \ \ \Delta t\rightarrow\infty

so führt auch dieses zu anomaler Subdiffusion mit Anomalieparameter α.

Kontinuierliche theoretische Modelle[Bearbeiten]

Anomale Diffusion und die Langevin-Gleichung[Bearbeiten]

Normale (α=1) und subdiffusive (α=0.7) Bewegung eines Teilchens. Für eine detaillierte Beschreibung des Algorithmus zur Berechnung des Bildes siehe Ref.[14]. Das Fortschreiten der Zeit (10000 Schritte) ist als Farbe codiert (siehe Farbbalken links oben)

Normal diffundierende Teilchen in einem viskosen Medium können über die Langevin-Gleichung beschrieben werden:

m\cdot\frac{\mathrm{d}^2x}{\mathrm{d}t^2}=-\xi\cdot\frac{\mathrm{d}x}{\mathrm{d}t}+F_\text{st}(t)

Dabei ist x(t) der Teilchenort zur Zeit t, ξ der Reibungskoeffizient und Fst eine statistische Kraft mit verschwindender Korrelation \langle F(t)\cdot F(t')\rangle\propto\delta(t-t'), also weißes Rauschen. Diese stochastische Differentialgleichung lässt sich zur fraktionalen Langevin-Gleichung verallgemeinern:[14]

m\cdot\frac{\mathrm{d}^2x}{\mathrm{d}t^2}=-\xi\cdot\int\limits_{-\infty}^tK(t-t')\frac{\mathrm{d}x(t')}{\mathrm{d}t}\;\mathrm{d}t+F_\text{st}(t)

Dabei ist nun K(τ) ein sog. memory kernel (deutsch etwa Gedächtnis-Faltungskern), der eine (auch langreichweitige) zeitliche Kopplung induziert. Die Bewegung des Teilchens hängt also auch von seiner Vergangenheit (Integral \int_{-\infty}^t...) ab, was bei normaler Brownscher Bewegung nicht der Fall war (dies entspricht einem nicht-markovschen Random-Walk). Nimmt man nun im Speziellen wieder ein Potenzgesetz für K(τ) an, also

K(\tau)\propto\tau^{-\alpha}

so folgt auch aus diesem Ansatz eine anomale mittlere quadratische Verschiebung mit Anomalie α.[14] Mit diesem Ansatz kann man anomale Diffusion modellieren, wie sie in viskoelastischen Medien auftritt.

Fraktionale Diffusionsgleichung[Bearbeiten]

Mit Hilfe der in der Fraktionale Infinitesimalrechnung definierten fraktionalen Integro-Differential-Operatoren lässt sich die oft zur Modellierung normaler Diffusionsphänomene herangezogene Fokker-Planck-Gleichung auf anomale Diffusion erweitern.[15][1][16] Diese (dann fraktionale) Differentialgleichung beschreibt die Zeitentwicklung der Aufenthaltswahrscheinlichkeit W(x,t) diffundierender Teilchen am Ort x zur Zeit t.

\frac{\partial W(x,t)}{\partial t}=K_\alpha\cdot\mathbb{D}_t^{1-\alpha}\frac{\partial^2W(x,t)}{\partial x^2}

Dabei ist der Riemann-Liouville-Operator \mathbb{D}_t^{1-\alpha}f(t) anschaulich als die α-te Ableitung der Funktion f(t) nach der Zeit definiert über die Integraldarstellung:[1]

\mathbb{D}_t^{1-\alpha}f(t)=\frac{1}{\Gamma(\alpha)}\frac{\partial}{\partial t}\int\limits_0^t\frac{f(t')}{(t-t')^{1-\alpha}}\;\mathrm{d}t'

Dabei ist Γ(x) die Gamma-Funktion. Die Lösung dieser fraktionalen Differentialgleichung führt wieder auf die anomale mittlere quadratische Verschiebung:

\langle r^2(\tau)\rangle=\frac{2K}{\Gamma(1+\alpha)}\cdot\tau^\alpha

siehe auch[Bearbeiten]

Literatur[Bearbeiten]

Weblinks[Bearbeiten]

Einzelnachweise[Bearbeiten]

  1. a b c d e f g h Ralf Metzler, Joseph Klafter: The random walk's guide to anomalous diffusion: a fractional dynamics approach. In: Physics Reports. 339, Nr. 1, Dezember 2000, S. 1–77. ISSN 03701573. doi:10.1016/S0370-1573(00)00070-3.
  2. Valery Ilyin, Itamar Procaccia, Anatoly Zagorodny: Stochastic processes crossing from ballistic to fractional diffusion with memory: Exact results. In: Physical Review E. 81, Nr. 3, März 2010. ISSN 1539-3755. doi:10.1103/PhysRevE.81.030105.
  3. Dirk Brockmann, Fabian Theis: Money Circulation, Trackable Items, and the Emergence of Universal Human Mobility Patterns. In: IEEE Pervasive Computing. 7, Nr. 4, Oktober 2008, S. 28–35. ISSN 1536-1268. doi:10.1109/MPRV.2008.77.
  4. D. Brockmann: Anomalous diffusion and the structure of human transportation networks. In: The European Physical Journal Special Topics. 157, Nr. 1, April 2008, S. 173–189. ISSN 1951-6355. doi:10.1140/epjst/e2008-00640-0.
  5. Arpita Upadhyaya, Jean-Paul Rieu, James A. Glazier, Yasuji Sawada: Anomalous diffusion and non-Gaussian velocity distribution of Hydra cells in cellular aggregates. In: Physica A: Statistical Mechanics and its Applications. 293, Nr. 3-4, April 2001, S. 549–558. ISSN 03784371. doi:10.1016/S0378-4371(01)00009-7.
  6.  Matthias Weiss, Markus Elsner, Fredrik Kartberg, Tommy Nilsson: Anomalous Subdiffusion Is a Measure for Cytoplasmic Crowding in Living Cells. In: Biophysical Journal. 87, Nr. 5, 2004, S. 3518–3524, doi:10.1529/biophysj.104.044263.
  7. G.J. Schuetz, H. Schindler, T. Schmidt: Single-molecule microscopy on model membranes reveals anomalous diffusion. In: Biophysical Journal. 73, Nr. 2, August 1997, S. 1073–1080. ISSN 00063495. doi:10.1016/S0006-3495(97)78139-6.
  8.  Laure Wawrezinieck, Herve Rigneault, Didier Marguet, Pierre-Francois Lenne: Fluorescence Correlation Spectroscopy Diffusion Laws to Probe the Submicron Cell Membrane Organization. In: Biophysical Journal. 89, Nr. 6, Dezember 2005, ISSN 00063495, S. 4029–4042, doi:10.1529/biophysj.105.067959 (Online).
  9.  Shlomo Havlin, Daniel Ben-Avraham: Diffusion in disordered media. In: Advances in Physics. 51, Nr. 1, 2002, S. 187–292, doi:10.1080/00018730110116353.
  10. Yuval Gefen, Amnon Aharony, Shlomo Alexander: Anomalous Diffusion on Percolating Clusters. In: Physical Review Letters. 50, Nr. 1, Januar 1983, S. 77–80. ISSN 0031-9007. doi:10.1103/PhysRevLett.50.77.
  11. I. Wong, M. Gardel, D. Reichman, Eric Weeks, M. Valentine, A. Bausch, D. Weitz: Anomalous Diffusion Probes Microstructure Dynamics of Entangled F-Actin Networks. In: Physical Review Letters. 92, Nr. 17, April 2004. ISSN 0031-9007. doi:10.1103/PhysRevLett.92.178101.
  12.  Roman Shusterman, Sergey Alon, Tatyana Gavrinyov, Oleg Krichevsky: Monomer Dynamics in Double- and Single-Stranded DNA Polymers. In: Physical Review Letters. 92, Nr. 4, Januar 2004, ISSN 0031-9007, doi:10.1103/PhysRevLett.92.048303 (Online).
  13. a b D. H. Rothman (2011): MIT Vorlesungsskript "Anomalous Diffusion" (zugegriffen am 11. November 2012; PDF; 224 kB)
  14. a b c Christian C. Fritsch, Jörg Langowski: Kinetic lattice Monte Carlo simulation of viscoelastic subdiffusion. In: The Journal of Chemical Physics. 137, Nr. 6, 2012, S. 064114. ISSN 00219606. doi:10.1063/1.4742909.
  15. Ralf Metzler, Eli Barkai, Joseph Klafter: Anomalous Diffusion and Relaxation Close to Thermal Equilibrium: A Fractional Fokker-Planck Equation Approach. In: Physical Review Letters. 82, Nr. 18, Mai 1999, S. 3563–3567. ISSN 0031-9007. doi:10.1103/PhysRevLett.82.3563.
  16. Eli Barkai: CTRW pathways to the fractional diffusion equation. In: Chemical Physics. 284, Nr. 1-2, November 2002, S. 13–27. ISSN 03010104. doi:10.1016/S0301-0104(02)00533-5.