This article reviews both experimental and theoretical advances in the field of active matter which consists of natural and artificial objects capable of self-propulsion. Prime examples of active particles are Brownian particles, biological or manmade microscopic and nanoscopic objects, that can propel themselfes by taking up energy from their environment and converting it into directed motion. The review provides a guided tour through the basic principles and fabrication of active particles and discusses also many interesting future directions these manmade micromachines and nanomachines could take as autonomous agents for healthcare, sustainability, and security applications.

We demonstrate with experiments and simulations how microscopic self-propelled particles navigate through environments presenting complex spatial features, which mimic the conditions inside cells, living organisms and future lab-on-a-chip devices. In particular, we show that, in the presence of periodic obstacles, microswimmers can steer even perpendicularly to an applied force. Since such behaviour is very sensitive to the details of their specific swimming style, it can be employed to develop advanced sorting, classification and dialysis techniques.

Micron-sized self-propelled (active) particles can be considered as model systems for characterizing more complex biological organisms like swimming bacteria or motile cells. We produce asymmetric microswimmers by soft lithography and study their circular motion on a substrate and near channel boundaries. Our experimental observations are in full agreement with a theory of Brownian dynamics for asymmetric self-propelled particles, which couples their translational and orientational motion.

Active Brownian particles are capable of taking up energy from their environment and converting it into directed motion; examples range from chemotactic cells and bacteria to artificial micro-swimmers. We have recently demonstrated that Janus particles, i.e. gold-capped colloidal spheres, suspended in a critical binary liquid mixture perform active Brownian motion when illuminated by light. In this paper, we investigate in more detail their swimming mechanism, leading to active Brownian motion. We show that the illumination-borne heating induces a local asymmetric demixing of the binary mixture, generating a spatial chemical concentration gradient which is responsible for the particle's self-diffusiophoretic motion. We study this effect as a function of the functionalization of the gold cap, the particle size and the illumination intensity: the functionalization determines what component of the binary mixture is preferentially adsorbed at the cap and the swimming direction (towards or away from the cap); the particle size determines the rotational diffusion and, therefore, the random reorientation of the particle; and the intensity tunes the strength of the heating and, therefore, of the motion. Finally, we harness this dependence of the swimming strength on the illumination intensity to investigate the behavior of a micro-swimmer in a spatial light gradient, where its swimming properties are space-dependent.

An optically trapped Brownian particle is a sensitive probe of molecular and nanoscopic forces. An understanding of its motion, which is caused by the interplay of random and deterministic contributions, can lead to greater physical insight into the behavior of stochastic phenomena. The modeling of realistic stochastic processes typically requires advanced mathematical tools. We discuss a finite difference algorithm to compute the motion of an optically trapped particle and the numerical treatment of the white noise term. We then treat the transition from the ballistic to the diffusive regime due to the presence of inertial effects on short time scales and examine the effect of an optical trap on the motion of the particle. We also outline how to use simulations of optically trapped Brownian particles to gain understanding of nanoscale force and torque measurements, and of more complex phenomena, such as Kramers transitions, stochastic resonant damping, and stochastic resonance.

The brain is a large-scale complex network whose workings rely on the interaction between its various regions. In the past few years, the organization of the human brain network has been studied extensively using concepts from graph theory, where the brain is represented as a set of nodes connected by edges. This representation of the brain as a connectome can be used to assess important measures that reflect its topological architecture. We have developed a freeware MatLab-based software (BRAPH–BRain Analysis using graPH theory) for connectivity analysis of brain networks derived from structural magnetic resonance imaging (MRI), functional MRI (fMRI), positron emission tomography (PET) and electroencephalogram (EEG) data. BRAPH allows building connectivity matrices, calculating global and local network measures, performing non-parametric permutations for group comparisons, assessing the modules in the network, and comparing the results to random networks. By contrast to other toolboxes, it allows performing longitudinal comparisons of the same patients across different points in time. Furthermore, even though a user-friendly interface is provided, the architecture of the program is modular (object-oriented) so that it can be easily expanded and customized. To demonstrate the abilities of BRAPH, we performed structural and functional graph theory analyses in two separate studies. In the first study, using MRI data, we assessed the differences in global and nodal network topology in healthy controls, patients with amnestic mild cognitive impairment, and patients with Alzheimer's disease. In the second study, using resting-state fMRI data, we compared healthy controls and Parkinson's patients with mild cognitive impairment.

Unlike passive Brownian particles, active Brownian particles, also known as microswimmers, propel themselves with directed motion and thus drive themselves out of equilibrium. Understanding their motion can provide insight into out-of-equilibrium phenomena associated with biological examples such as bacteria, as well as with artificial microswimmers. We discuss how to mathematically model their motion using a set of stochastic differential equations and how to numerically simulate it using the corresponding set of finite difference equations both in homogenous and complex environments. In particular, we show how active Brownian particles do not follow the Maxwell-Boltzmann distribution—a clear signature of their out-of-equilibrium nature—and how, unlike passive Brownian particles, microswimmers can be funneled, trapped, and sorted.

Abstract The manipulation of microscopic objects requires precise and controllable forces and torques. Recent advances have led to the use of critical Casimir forces as a powerful tool, which can be finely tuned through the temperature of the environment and the chemical properties of the involved objects. For example, these forces have been used to self-organize ensembles of particles and to counteract stiction caused by Casimir-Liftshitz forces. However, until now, the potential of critical Casimir torques has been largely unexplored. Here, we demonstrate that critical Casimir torques can efficiently control the alignment of microscopic objects on nanopatterned substrates. We show experimentally and corroborate with theoretical calculations and Monte Carlo simulations that circular patterns on a substrate can stabilize the position and orientation of microscopic disks. By making the patterns elliptical, such microdisks can be subject to a torque which flips them upright while simultaneously allowing for more accurate control of the microdisk position. More complex patterns can selectively trap 2D-chiral particles and generate particle motion similar to non-equilibrium Brownian ratchets. These findings provide new opportunities for nanotechnological applications requiring precise positioning and orientation of microscopic objects.