En mecánica estadística , el desplazamiento cuadrático medio ( MSD , también desplazamiento cuadrático medio , desplazamiento cuadrático medio , o fluctuación cuadrática media ) es una medida de la desviación de la posición de una partícula con respecto a una posición de referencia a lo largo del tiempo. Es la medida más común de la extensión espacial del movimiento aleatorio y se puede considerar que mide la porción del sistema "explorada" por el caminante aleatorio . En el ámbito de la biofísica y la ingeniería ambiental , el desplazamiento cuadrático medio se mide a lo largo del tiempo para determinar si una partícula se propaga lentamente debido a la difusión o si también contribuye una fuerza advectiva . [1] Otro concepto relevante, el diámetro relacionado con la varianza (VRD, que es el doble de la raíz cuadrada de MSD), también se utiliza para estudiar los fenómenos de transporte y mezcla en el ámbito de la ingeniería ambiental . [2] Aparece de manera destacada en el factor de Debye-Waller (que describe las vibraciones dentro del estado sólido) y en la ecuación de Langevin (que describe la difusión de una partícula browniana ).
El MSD en el momento se define como un promedio conjunto :
donde N es el número de partículas que se van a promediar, vector es la posición de referencia de la -ésima partícula y vector es la posición de la -ésima partícula en el momento t . [3]
La función de densidad de probabilidad (PDF) para una partícula en una dimensión se encuentra resolviendo la ecuación de difusión unidimensional . (Esta ecuación establece que la densidad de probabilidad de posición se difunde con el tiempo; este es el método utilizado por Einstein para describir una partícula browniana. Langevin, ahora conocido por su homónimo como Langevin , describió otro método para describir el movimiento de una partícula browniana. ecuación .)
dada la condición inicial ; donde es la posición de la partícula en un momento dado, es la posición inicial de la partícula marcada y es la constante de difusión con las unidades SI (una medida indirecta de la velocidad de la partícula). La barra en el argumento de la probabilidad instantánea se refiere a la probabilidad condicional. La ecuación de difusión establece que la velocidad a la que la probabilidad de encontrar la partícula depende de la posición.
La ecuación diferencial anterior toma la forma de una ecuación de calor 1D . El PDF unidimensional a continuación es la ecuación de la función de calor de Green (también conocida como núcleo de calor en matemáticas):
Esto establece que la probabilidad de encontrar la partícula es gaussiana y que el ancho de la partícula gaussiana depende del tiempo. Más específicamente, el ancho total a la mitad del máximo (FWHM) (técnicamente/pedante, esto es en realidad la duración completa a la mitad del máximo ya que la variable independiente es el tiempo) escala como
Usando el PDF se puede derivar el promedio de una función dada, en el momento :
donde el promedio se toma sobre todo el espacio (o cualquier variable aplicable).
El desplazamiento cuadrático medio se define como
ampliando el promedio del conjunto
eliminando la notación explícita de dependencia del tiempo para mayor claridad. Para encontrar el MSD, se puede tomar uno de dos caminos: se puede calcular explícitamente y , luego volver a conectar el resultado a la definición del MSD; o se podría encontrar la función generadora de momentos , una función general y extremadamente útil cuando se trata de densidades de probabilidad. La función de generación de momentos describe el momento del PDF. El primer momento de la PDF de desplazamiento que se muestra arriba es simplemente la media: . El segundo momento se da como .
Entonces, para encontrar la función generadora de momentos conviene introducir la función característica:
uno puede expandir el exponencial en la ecuación anterior para dar
Al tomar el logaritmo natural de la función característica, se produce una nueva función, la función generadora acumulativa ,
¿ Dónde está el acumulante de ? Los dos primeros cumulantes están relacionados con los dos primeros momentos, , vía y donde el segundo cumulante es la denominada varianza, . Teniendo en cuenta estas definiciones, se pueden investigar los momentos de la PDF de la partícula browniana,
completando el cuadrado y conociendo el área total bajo un gaussiano se llega a
Tomando el logaritmo natural y comparando las potencias de con la función generadora del acumulante, el primer acumulante es
lo cual es lo esperado, es decir, que la posición media es el centro gaussiano. El segundo acumulante es
el factor 2 proviene del factor factorial en el denominador de la función generadora acumulativa. A partir de esto, se calcula el segundo momento,
Al conectar los resultados del primer y segundo momento, se encuentra el MSD,
Para una partícula browniana en el espacio euclidiano de dimensiones superiores , su posición está representada por un vector , donde las coordenadas cartesianas son estadísticamente independientes .
La función de distribución de probabilidad de n variables es el producto de las soluciones fundamentales en cada variable; es decir,
El desplazamiento cuadrático medio se define como
Como todas las coordenadas son independientes, su desviación de la posición de referencia también lo es. Por lo tanto,
Para cada coordenada, siguiendo la misma derivación que en el escenario 1D anterior, se obtiene el MSD en esa dimensión como . Por tanto, el resultado final del desplazamiento cuadrático medio en un movimiento browniano de n dimensiones es:
En las mediciones de seguimiento de partículas individuales (SPT), se pueden definir desplazamientos para diferentes intervalos de tiempo entre posiciones (también llamados desfases o tiempos de desfase). SPT produce la trayectoria , que representa una partícula sometida a difusión bidimensional.
Suponiendo que la trayectoria de una sola partícula medida en puntos de tiempo , donde es un número fijo, entonces hay desplazamientos hacia adelante no triviales ( , los casos en los que no se consideran) que corresponden a intervalos de tiempo (o desfases de tiempo) . Por lo tanto, hay muchos desplazamientos distintos para desfases de tiempo pequeños, y muy pocos para desfases de tiempo grandes, que pueden definirse como una cantidad promedio a lo largo de desfases de tiempo: [4] [5]
De manera similar, para series de tiempo continuas:
Está claro que elegir grandes y puede mejorar el rendimiento estadístico. Esta técnica nos permite estimar el comportamiento de conjuntos completos midiendo una sola trayectoria, pero tenga en cuenta que solo es válida para sistemas con ergodicidad , como el movimiento browniano clásico (BM), el movimiento browniano fraccionario (fBM) y el aleatorio de tiempo continuo. caminata (CTRW) con distribución limitada de los tiempos de espera, en estos casos (definidos anteriormente), aquí denota el promedio de los conjuntos. Sin embargo, para sistemas no ergódicos, como CTRW con tiempo de espera ilimitado, el tiempo de espera puede llegar al infinito en algún momento; en este caso, depende en gran medida de y ya no son iguales entre sí, para obtener mejores asintóticas. introduzca el tiempo promedio MSD:
Aquí denota el promedio de N conjuntos.
Además, se puede derivar fácilmente la función de autocorrelación a partir del MSD:
Los métodos experimentales para determinar los MSD incluyen la dispersión de neutrones y la espectroscopia de correlación de fotones .
La relación lineal entre el MSD y el tiempo t permite métodos gráficos para determinar la constante de difusividad D. Esto es especialmente útil para cálculos aproximados de la difusividad en sistemas ambientales. En algunos modelos de dispersión atmosférica , la relación entre MSD y el tiempo t no es lineal. En cambio, para estudiar el fenómeno de dispersión se utiliza comúnmente una serie de leyes de potencia que representan empíricamente la variación de la raíz cuadrada de MSD versus la distancia a favor del viento. [6]
{{cite book}}
: CS1 maint: multiple names: authors list (link)