العلاقات الناشئة بين الجزيئات المتناثرة التي تتطور عبر إعادة الضبط المتزامن مع الذاكرة Emerging correlations between diffusing particles evolving via simultaneous resetting with memory

المجلة: Journal of Physics A Mathematical and Theoretical، المجلد: 59، العدد: 12
DOI: https://doi.org/10.1088/1751-8121/ae513d
تاريخ النشر: 2026-03-12
المؤلف: Denis Boyer وآخرون
الموضوع الرئيسي: ديناميات الانتشار والبحث

نظرة عامة

في هذه الدراسة، يبحث المؤلفون في تطور الزمن للارتباطات بين $N$ عملية انتشار مستقلة أحادية البعد تخضع لإعادة تعيين متزامنة إلى مواقع تمت زيارتها سابقًا. يمكن تفسير هذا السيناريو على أنه الارتباطات المتبادلة بين إحداثيات متجول عشوائي أحادي $N$ الأبعاد يعيد زيارة مواقع مألوفة. تستخدم الأبحاث نواة ذاكرة تنتقل بين عملية إعادة تعيين بلا ذاكرة ونموذج إعادة توطين تفضيلي، مما يكشف عن رؤى مهمة حول ديناميات الارتباطات في سيناريوهات إعادة التعيين غير ماركوفية.

تشير النتائج إلى أنه بالنسبة لنوى الذاكرة قصيرة المدى (كبيرة $\lambda$)، يزيد معامل الارتباط $a_\lambda(t)$ بشكل أحادي مع مرور الوقت، بينما بالنسبة للذاكرة طويلة المدى، تظهر الارتباطات سلوكًا غير أحادي، حيث تصل إلى ذروتها عند زمن معين معاد القياس $z^*$. يحدد عتبة حرجة $\lambda_c$ هذه الأنظمة، مع ظهور ارتباطات مستمرة تعتمد فقط على $\lambda$ ومعدل إعادة التعيين $r$. من الجدير بالذكر أن أقوى الارتباطات تحدث عند إعادة التعيين إلى الأصل، مما يؤدي إلى $a_\infty(t \to \infty) = 1/5$. بالمقابل، يؤدي نموذج إعادة التوطين التفضيلي (حيث $\lambda = 0$) إلى توزيع احتمالي مشترك لا يتقارب إلى حالة مستقرة، مما يؤدي إلى عمليات غير مرتبطة في كل من الأوقات القصيرة والطويلة، على الرغم من وجود تدهور بطيء في الارتباطات. تختتم الدراسة بإظهار أن العمليات متعددة الأبعاد تحت إعادة التعيين، بغض النظر عن الذاكرة، تظهر هيكلًا مستقلًا شرطيًا وموزعًا بشكل متطابق (c.i.i.d.)، والذي، على الرغم من أنه ليس واضحًا على الفور، يمكن أن يسهل حساب مختلف الملاحظات الفيزيائية في الأبحاث المستقبلية.

مقدمة

تناقش مقدمة هذه الورقة البحثية التأثير الكبير لإعادة التعيين على ديناميات العمليات العشوائية، خاصة في سياق حالات الاستقرار غير التوازني (NESSs) والاسترخاء الشاذ. تسلط الضوء على الظاهرة المعروفة في الانتشار البسيط، حيث يميل متجول براوني، خاضع لإعادة تعيين عشوائية، نحو توزيع ثابت يتميز بتوازن تفصيلي مكسور وذي ذيول أسية. تستعرض الورقة التقدمات الأخيرة في فهم NESSs عبر بروتوكولات إعادة التعيين المختلفة والأبعاد، مشيرة إلى أن إعادة تعيين الجسيمات المستقلة بشكل متزامن تؤدي إلى ارتباطات قوية بينها، وهي ميزة لوحظت في كل من الأنظمة الكلاسيكية والكمومية.

تهدف الدراسة إلى استكشاف ظهور الارتباطات في الأنظمة غير ماركوفية حيث تحدث إعادة التعيين إلى مواقع تمت زيارتها سابقًا، كما يتضح من نموذج “المشي القرد”. هذا النموذج، الذي يسمح بإعادة زيارة المواقع السابقة بناءً على الوقت الذي تم قضاؤه هناك، يؤدي إلى انتشار لوغاريتمي بدلاً من NESS. ينوي المؤلفون حساب تطور الزمن للارتباطات في هذا النموذج، كاشفين عن سلوك غير أحادي حيث تزداد الارتباطات في البداية قبل أن تتناقص تدريجيًا إلى الصفر. يتناقض هذا مع الأنظمة التي تعيد التعيين إلى موقع واحد، حيث تنمو الارتباطات بشكل أحادي. توضح الورقة هيكلها، مشيرة إلى أن الأقسام التالية ستفصل الطرق الكمية لهذه الارتباطات وآثار الذاكرة في العمليات العشوائية.

نقاش

في هذا القسم، يبحث المؤلفون في الارتباطات بين عمليتين، مع التركيز بشكل خاص على المكونات $ x_1(t) $ و $ x_2(t) $ من عملية متعددة الأبعاد $ \vec{x}(t) $. يقومون بإنشاء مقياس ارتباط من خلال مصفوفة ارتباط 2×2 $ C_{ij}(t) $، المعرفة على أنها $ C_{ij}(t) = \langle x_i(t)x_j(t) \rangle – \langle x_i(t) \rangle \langle x_j(t) \rangle $. نظرًا للطبيعة المتساوية لتوزيع الكثافة الاحتمالية المشترك (PDF) $ P(\vec{x}, t) $، يشير المؤلفون إلى أن $ C_{ij}(t) $ متناظر وأن $ C_{ij}(t) = 0 $ لـ $ i \neq j $ تحت ظروف معينة. لاكتشاف الارتباطات غير الصفرية، يقدمون مصفوفة ارتباط بديلة $ A_{ij}(t) $، مما يؤدي إلى تعريف معامل ارتباط يعتمد على الزمن $ a(t) $.

يتم اشتقاق معامل الارتباط $ a(t) $ من القيم الذاتية $ \lambda_+(t) $ و $ \lambda_-(t) $ للمصفوفة $ A $، ويقوم بت quantifying العلاقة بين العمليتين. يوضح المؤلفون أن $ a(t) $ محصور بين 0 و 1، حيث يشير $ a(t) = 0 $ إلى الاستقلال و $ a(t) = 1 $ إلى الارتباط التام. يستكشفون أيضًا آثار تحويل فورييه للتوزيع المشترك، كاشفين أن معامل الارتباط يمكن التعبير عنه من حيث المعاملات $ c_2(t) $ و $ c_4(t) $ المشتقة من توسيع $ k^2 $ الصغير لـ $ P(\vec{k}, t) $. تختتم القسم بالتأكيد على أن معامل الارتباط $ a(t) $ هو الكمية الرئيسية ذات الاهتمام، مما يعكس الارتباطات الديناميكية التي تظهر في العمليات قيد الدراسة.

Journal: Journal of Physics A Mathematical and Theoretical, Volume: 59, Issue: 12
DOI: https://doi.org/10.1088/1751-8121/ae513d
Publication Date: 2026-03-12
Author(s): Denis Boyer et al.
Primary Topic: Diffusion and Search Dynamics

Overview

In this study, the authors investigate the time evolution of correlations among $N$ independent one-dimensional diffusive processes that undergo simultaneous resetting to previously visited positions. This scenario can be interpreted as the mutual correlations between the coordinates of a single $N$-dimensional random walker that revisits familiar locations. The research employs a memory kernel that transitions between a memory-less resetting process and a preferential relocation model, revealing significant insights into the dynamics of correlations in non-Markovian resetting scenarios.

The findings indicate that for short-range memory kernels (large $\lambda$), the correlation coefficient $a_\lambda(t)$ increases monotonically over time, while for long-range memory, correlations display non-monotonic behavior, peaking at a specific re-scaled time $z^*$. A critical threshold $\lambda_c$ delineates these two regimes, with persistent correlations emerging that depend solely on $\lambda$ and the resetting rate $r$. Notably, the strongest correlations occur when resetting to the origin, yielding $a_\infty(t \to \infty) = 1/5$. In contrast, the preferential relocation model (where $\lambda = 0$) leads to a joint probability distribution that does not converge to a steady state, resulting in uncorrelated processes at both short and long times, albeit with a slow decay of correlations. The study concludes by demonstrating that multi-dimensional processes under resetting, regardless of memory, exhibit a conditionally independent and identically distributed (c.i.i.d.) structure, which, while not immediately apparent, could facilitate the computation of various physical observables in future research.

Introduction

The introduction of this research paper discusses the significant impact of resetting on the dynamics of stochastic processes, particularly in the context of nonequilibrium steady states (NESSs) and anomalous relaxation. It highlights the well-established phenomenon in simple diffusion, where a Brownian walker, subject to stochastic resetting, tends towards a stationary distribution characterized by broken detailed balance and exponential tails. The paper reviews recent advancements in understanding NESSs across various resetting protocols and dimensions, noting that simultaneous resetting of independent particles leads to strong correlations among them, a feature observed in both classical and quantum systems.

The study aims to explore the emergence of correlations in non-Markovian systems where resetting occurs to previously visited positions, exemplified by the ‘monkey walk’ model. This model, which allows revisiting past locations based on the time spent there, results in logarithmic diffusion rather than a NESS. The authors intend to compute the time evolution of correlations in this model, revealing a non-monotonic behavior where correlations initially increase before gradually decreasing to zero. This contrasts with systems that reset to a single position, where correlations grow monotonically. The paper outlines its structure, indicating that subsequent sections will detail the methods for quantifying these correlations and the implications of memory in stochastic processes.

Discussion

In this section, the authors investigate the correlations between two processes, specifically focusing on the components $ x_1(t) $ and $ x_2(t) $ of a multidimensional process $ \vec{x}(t) $. They establish a correlation measure through a 2×2 correlation matrix $ C_{ij}(t) $, defined as $ C_{ij}(t) = \langle x_i(t)x_j(t) \rangle – \langle x_i(t) \rangle \langle x_j(t) \rangle $. Due to the isotropic nature of the joint probability density function (PDF) $ P(\vec{x}, t) $, the authors note that $ C_{ij}(t) $ is symmetric and that $ C_{ij}(t) = 0 $ for $ i \neq j $ under certain conditions. To detect non-zero correlations, they introduce an alternative correlation matrix $ A_{ij}(t) $, leading to the definition of a time-dependent correlation coefficient $ a(t) $.

The correlation coefficient $ a(t) $ is derived from the eigenvalues $ \lambda_+(t) $ and $ \lambda_-(t) $ of the matrix $ A $, and it quantifies the relationship between the two processes. The authors demonstrate that $ a(t) $ is bounded between 0 and 1, with $ a(t) = 0 $ indicating independence and $ a(t) = 1 $ indicating perfect correlation. They further explore the implications of the Fourier transform of the joint distribution, revealing that the correlation coefficient can be expressed in terms of the coefficients $ c_2(t) $ and $ c_4(t) $ derived from the small $ k^2 $ expansion of $ P(\vec{k}, t) $. The section concludes with the assertion that the correlation coefficient $ a(t) $ is the primary quantity of interest, reflecting the dynamic correlations that emerge in the processes under study.