EB
Eli Barkai
Author with expertise in Anomalous Diffusion Modeling and Analysis
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
13
(62% Open Access)
Cited by:
6,245
h-index:
58
/
i10-index:
158
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Anomalous diffusion models and their properties: non-stationarity, non-ergodicity, and ageing at the centenary of single particle tracking

Ralf Metzler et al.Jan 1, 2014
Modern microscopic techniques following the stochastic motion of labelled tracer particles have uncovered significant deviations from the laws of Brownian motion in a variety of animate and inanimate systems. Such anomalous diffusion can have different physical origins, which can be identified from careful data analysis. In particular, single particle tracking provides the entire trajectory of the traced particle, which allows one to evaluate different observables to quantify the dynamics of the system under observation. We here provide an extensive overview over different popular anomalous diffusion models and their properties. We pay special attention to their ergodic properties, highlighting the fact that in several of these models the long time averaged mean squared displacement shows a distinct disparity to the regular, ensemble averaged mean squared displacement. In these cases, data obtained from time averages cannot be interpreted by the standard theoretical results for the ensemble averages. Here we therefore provide a comparison of the main properties of the time averaged mean squared displacement and its statistical behaviour in terms of the scatter of the amplitudes between the time averages obtained from different trajectories. We especially demonstrate how anomalous dynamics may be identified for systems, which, on first sight, appear to be Brownian. Moreover, we discuss the ergodicity breaking parameters for the different anomalous stochastic processes and showcase the physical origins for the various behaviours. This Perspective is intended as a guidebook for both experimentalists and theorists working on systems, which exhibit anomalous diffusion.
0
Paper
Citation1,460
0
Save
0

Fractional Fokker-Planck equation, solution, and application

Eli BarkaiMar 29, 2001
Recently, Metzler et al. [Phys. Rev. Lett. 82, 3563 (1999)], introduced a fractional Fokker-Planck equation (FFPE) describing a subdiffusive behavior of a particle under the combined influence of external nonlinear force field, and a Boltzmann thermal heat bath. In this paper we present the solution of the FFPE in terms of an integral transformation. The transformation maps the solution of ordinary Fokker-Planck equation onto the solution of the FFPE, and is based on Lévy's generalized central limit theorem. The meaning of the transformation is explained based on the known asymptotic solution of the continuous time random walk (CTRW). We investigate in detail (i) a force-free particle, (ii) a particle in a uniform field, and (iii) a particle in a harmonic field. We also find an exact solution of the CTRW, and compare the CTRW result with the corresponding solution of the FFPE. The relation between the fractional first passage time problem in an external nonlinear field and the corresponding integer first passage time is given. An example of the one-dimensional fractional first passage time in an external linear field is investigated in detail. The FFPE is shown to be compatible with the Scher-Montroll approach for dispersive transport, and thus is applicable in a large variety of disordered systems. The simple FFPE approach can be used as a practical tool for a phenomenological description of certain types of complicated transport phenomena.
0
Paper
Citation425
0
Save
0

Single particle tracking in systems showing anomalous diffusion: the role of weak ergodicity breaking

Stanislav Burov et al.Jan 1, 2011
Anomalous diffusion has been widely observed by single particle tracking microscopy in complex systems such as biological cells. The resulting time series are usually evaluated in terms of time averages. Often anomalous diffusion is connected with non-ergodic behaviour. In such cases the time averages remain random variables and hence irreproducible. Here we present a detailed analysis of the time averaged mean squared displacement for systems governed by anomalous diffusion, considering both unconfined and restricted (corralled) motion. We discuss the behaviour of the time averaged mean squared displacement for two prominent stochastic processes, namely, continuous time random walks and fractional Brownian motion. We also study the distribution of the time averaged mean squared displacement around its ensemble mean, and show that this distribution preserves typical process characteristics even for short time series. Recently, velocity correlation functions were suggested to distinguish between these processes. We here present analytical expressions for the velocity correlation functions. The knowledge of the results presented here is expected to be relevant for the correct interpretation of single particle trajectory data in complex systems.
0
Paper
Citation353
0
Save
0

Ergodic properties of fractional Brownian-Langevin motion

Weihua Deng et al.Jan 13, 2009
We investigate the time average mean-square displacement $\overline{{\ensuremath{\delta}}^{2}}\mathbf{(}x(t)\mathbf{)}={\ensuremath{\int}}_{0}^{t\ensuremath{-}\ensuremath{\Delta}}{[x({t}^{\ensuremath{'}}+\ensuremath{\Delta})\ensuremath{-}x({t}^{\ensuremath{'}})]}^{2}d{t}^{\ensuremath{'}}∕(t\ensuremath{-}\ensuremath{\Delta})$ for fractional Brownian-Langevin motion where $x(t)$ is the stochastic trajectory and $\ensuremath{\Delta}$ is the lag time. Unlike the previously investigated continuous-time random-walk model, $\overline{{\ensuremath{\delta}}^{2}}$ converges to the ensemble average $⟨{x}^{2}⟩\ensuremath{\sim}{t}^{2H}$ in the long measurement time limit. The convergence to ergodic behavior is slow, however, and surprisingly the Hurst exponent $H=\frac{3}{4}$ marks the critical point of the speed of convergence. When $H<\frac{3}{4}$, the ergodicity breaking parameter ${E}_{B}={\mathbf{[}⟨[\overline{{\ensuremath{\delta}}^{2}}\mathbf{(}x(t)\mathbf{)}\mathbf{]}}^{2}⟩\ensuremath{-}{⟨\overline{{\ensuremath{\delta}}^{2}}\mathbf{(}x(t)\mathbf{)}⟩}^{2}\mathbf{]}/{⟨\overline{{\ensuremath{\delta}}^{2}}\mathbf{(}x(t)\mathbf{)}⟩}^{2}\ensuremath{\sim}k(H)\ensuremath{\Delta}{t}^{\ensuremath{-}1}$, when $H=\frac{3}{4}$, ${E}_{B}\ensuremath{\sim}(\frac{9}{16})(\mathrm{ln}\phantom{\rule{0.2em}{0ex}}t)\ensuremath{\Delta}{t}^{\ensuremath{-}1}$, and when $\frac{3}{4}<H<1$, ${E}_{B}\ensuremath{\sim}k(H){\ensuremath{\Delta}}^{4\ensuremath{-}4H}{t}^{4H\ensuremath{-}4}$. In the ballistic limit $H\ensuremath{\rightarrow}1$ ergodicity is broken and ${E}_{B}\ensuremath{\sim}2$. The critical point $H=\frac{3}{4}$ is marked by the divergence of the coefficient $k(H)$. Fractional Brownian motion as a model for recent experiments of subdiffusion of mRNA in the cell is briefly discussed, and a comparison with the continuous-time random-walk model is made.
0
Citation345
0
Save
Load More