Download Sobre borrachos que caminan y porque son un modelo adecuado
Document related concepts
Transcript
Sobre borrachos que caminan y porque son un modelo adecuado de transporte molecular. Amigotes arrancando el siglo XIX Rutheford Dalton Cavendish Ronalds (Telegrafo) Robert Brown Gilbert (El presi) La génesis del Movimiento Browniano: Hipótesis 1: Es movimiento vital. En contra? Hipótesis 2: Es movimiento de un baño de moleculas. En contra: 1) Como pueden moléculas tan pequeñas desplazar cuerpos tan grandes 2) Cada choque se produce cada 10 -12 segundos. El ojo resuelve (ergo el cine) cada 30 milisegundos. Como podemos ver este movimiento? Simulando movimiento Browniano Modelando (matematizando, conceptualizando) el movimiento Browniano Jugándose el destino al azar ¿A donde se va? A diferencia de la física que vimos hasta aquí, el resultado de este proceso es probabilístico. Comprender el problema ya no se trata de responder: “En 10 segundos llega a Mar del Plata” sino en 10 segundos lo mas probable es que este en Mar del Plata, es posible (estrellitas prohibidas!) que este en Chascomus, e imposible que este .... RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? 40 Posicion 20 0 -20 -40 0 100 200 Tiempo 300 Posición en función del tiempo para 10 caminatas distintas ¿Como caracterizar este proceso? ¿cómo hacer para visualizar miles de caminatas? RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? -50 1.5 1 0 0.5 50 100 200 300 Posición en función del tiempo para 10 caminatas distintas ¿Como caracterizar este proceso? ¿cómo hacer para visualizar miles de caminatas? RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? -50 7 6 5 4 0 3 2 1 50 100 200 300 Posición en función del tiempo para 5000 caminatas distintas ¿Como caracterizar este proceso? ¿cómo hacer para visualizar miles de caminatas? RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? 1200 -50 7 T=20 1000 6 0 5 800 4 600 3 400 2 1 50 100 200 300 200 0 -50 0 50 Posición en función del tiempo para 5000 caminatas distintas ¿Como caracterizar este proceso? ¿cómo hacer para visualizar miles de caminatas? RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? 1200 -50 7 T=100 1000 6 0 5 800 4 600 3 400 2 1 50 100 200 300 200 0 -50 0 50 Posición en función del tiempo para 5000 caminatas distintas ¿Como caracterizar este proceso? ¿cómo hacer para visualizar miles de caminatas? RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? 1200 -50 7 T=200 1000 6 0 5 800 4 600 3 400 2 1 50 100 200 300 200 0 -50 0 50 Posición en función del tiempo para 5000 caminatas distintas ¿Como caracterizar este proceso? ¿cómo hacer para visualizar miles de caminatas? RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? 40 Posicion 20 0 -20 -40 0 100 200 Tiempo 300 ¿cuál es el desplazamiento medio del ensamble? RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? Std(random walk) 40 t Posicion 20 0 -20 -40 0 100 200 Tiempo 300 ¿cuál es la dispersión (std)? Las distribuciones suelen ser mas ricas (e informativas) que lo que resumen un par de números. En este caso, entendiendo la media y la std entendemos casi todo. ¿Qué es esto? {1,4,7,10,13,16,19,22,25,28…} Oda al Maestro RANDOM WALKS: Un poco de álgebra, y ejercicio de lectura. partícula i es independiente de la partícula j xi (n) xi (n 1) Paro donde estoy, tiro una moneda. Si sale cruz – un paso para la derecha. Si sale cara – un pasito para la izquierda xi (n) xi (n 1) dx dt La derivada! Una ecuación diferencial estocástica. RANDOM WALKS: Un poco de álgebra, y ejercicio de lectura. ¿cómo demostrar que el promedio es cero? 1 x(n) i xi (n) 1 I i xi (n 1) 1 I i I x(n 1) i Esto es cero por definición de random-walk. Demostración por inducción: 1) Vale para el primero. 2) Si vale para (n-1) vale para (n) RANDOM WALKS: Un poco de álgebra, y ejercicio de lectura. ¿cómo demostrar la dispersión de un RW? x (n) x(n) 2 2 ¿Cual de estos dos es fácil de calcular? ¿por qué estas dos cantidades son distintas? Demostración por inducción: 1) Vale para el primero. 2) Si vale para (n-1) vale para (n) RANDOM WALKS: Un poco de álgebra, y ejercicio de lectura. ¿cómo demostrar como crece la varianza? x ( n) 2 1 2 i xi (n) I 1 I i xi (n 1) 1 2 1 1 2 i x(n 1) 2 x(n 1) I I i I i x(n 1) 2 Cero. La clave es que el paso es independiente. Para cada trayectoria, de un valor x, con un pasito para lante, existe otra con un pasito para atrás… 2 2 RANDOM WALKS: Un poco de álgebra, y ejercicio de lectura. ¿cómo demostrar como crece la varianza? x(n) 2 2 x ( n 1) 2 Es decir, la varianza aumenta una cantidad fija x(n) 2 N 2 x ( n) 2 2 en cada paso N Si el numero de pasos es proporcional al tiempo entonces x ( n) 2 t RANDOM WALKS: Un poco de álgebra, y ejercicio de lectura. ¿cómo demostrar como crece la varianza? x ( n) 2 N 2 2t 2 D (Tiempo entre dos colisiones) (Distancia entre dos colisiones) 2t D 2 2 t N t Causas y azares: Un poquito quien sabe para donde, y otro poquito para alla D, el paso determinista. R, el paso azaroso. Reglas del juego: Cada paso me muevo D para arriba, tiro una moneda y me muevo R para arriba si sale cara y R para abajo si sale estrella. ¿A dónde llego? RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? 40 Posicion 20 0 -20 -40 0 100 200 Tiempo 300 Posición en función del tiempo para 10 caminatas distintas ¿Como caracterizar este proceso? ¿cómo hacer para visualizar miles de caminatas? RANDOM WALKS FORZADOS: ¿a dónde se va cuando se camina con algo de orden y algo de azar? 40 Posicion 20 0 -20 -40 0 200 100 Tiempo 300 Aun cuando la marcha determinista era hacia “arriba” existen caminatas que luego de un largo rato se encuentran abajo. ¿Es esto posible? ¿Hasta cuando? RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? -50 7 6 5 4 0 3 2 1 50 100 200 300 Posición en función del tiempo para 5000 caminatas distintas RANDOM WALKS: ¿a dónde se va cuando uno camina al azar? 50 7 6 5 4 0 3 2 1 -50 100 200 300 Posición en función del tiempo para 5000 caminatas distintas RANDOM WALKS: Un poco de álgebra, y ejercicio de lectura. partícula i es independiente de la partícula j xi (n) xi (n 1) Un numero importante La memoria La componente determinista (D) La estocasticidad, el ruido, la temperatura, las fluctuaciones (R) xi (n) xi (n 1) dx dt La derivada! Una ecuación diferencial estocástica. 1) Ciencia “Aplicada”. Ejercicio de transporte arquetípico: moléculas, pensamientos, finanzas, nanocosas y otras tantas yerbas. 2) Ciencia básica. ¿cuándo llego a destino si marcho en una caminata al azar? ¿Y a que destino llego? 3) Héroes de la historia contemporanea. Europa-Europa. Engima y la pertinencia de decidir bien y a tiempo. El maestro: Alan Turing Enigma Implementación neuronal de los tres pasos: 1) Un método para cuantificar el peso de la evidencia de un evento individual a favor de distintas alternativas. (EL VOTO) 2) Un método para acumular y actualizar el peso proveniente de eventos múltiples. (LA ACUMULACION DE VOTOS) 3) Una regla de decisión para determinar si la evidencia era suficiente para determinar la hipótesis mas probable. (LA RESOLUCION) PLANTEANDO EL PROBLEMA Usted quiere llegar acá (meta) + Usted hace una caminata al azar con un forzado Esta flecha representa el tiempo. Usted es un Romano y esta aquí Usted NO quiere llegar acá. Preguntas: 1) ¿Cuánto tiempo tarda en llegar? 2) ¿Cuál es la probabilidad de llegar al lugar equivocado? Las reglas del juego (umbral) A B E: El paso determinista (tiene una dirección) Esta flecha representa el tiempo. Res=A Tiempo=t t Res=B Tiempo=t2 t2 T: El paso estocástico (se da con igual probabilidad en ambos sentidos) “Las neuronas que integran o acumulan el voto” “Las neuronas que determinan el umbral” “Las neuronas que votan” La neurofisiología de la toma de decisiones Simulacro en el laboratorio de la toma de decisiones en un mundo incierto. Mov = 6±ε 6 ±ε Acum = 6 12 2 6 ±ε 18 3 6 ±ε 24 4 ε cuantifica las fluctuaciones y por lo tanto Su peso relativo disminuye con el numero de partículas Mov = 11 11 11 11 Acum = 11 22 33 44 Mov = 6±ε 6 ±ε Acum = 6 12 2 6 ±ε 18 3 6 ±ε 24 4 “Las neuronas que votan” Neuronas en MT Un clásico de la fisiología Primer ensayo (cada punto representa un disparo) Décimo ensayo (el estimulo es el mismo, la respuesta ligeramente variable) Potenciales de acción (intensidad de la repuesta neuronal) tiempo Neuronas que codifican la cantidad y dirección de movimiento Estas neuronas pueden dar un voto en favor de una decisión. La magnitud del “voto” es proporcional a la cantidad de movimiento. Neuronas en MT Un clásico de la fisiología Cada línea es un ensayo. Las respuestas de las neuronas son ruidosas y por lo tanto hay que promediarlas. El experimentador hace esto midiendo muchas veces. Y un sujeto decidiendo: ¿Como resuelve el ruido? Promedio Flucutuaciones Potenciales de acción (intensidad de la repuesta neuronal) tiempo Neuronas que codifican la cantidad y dirección de movimiento Estas neuronas pueden dar un voto en favor de una decisión. La magnitud del “voto” es proporcional a la cantidad de movimiento. Neuronas en MT Un clásico de la fisiología Las neuronas responden gradualmente a la cantidad de movimiento. Dan un voto “graduado”. Neuronas de derecha. Neuronas de izquierda (no responden al movimiento a la derecha) Neuronas que codifican la cantidad y dirección de movimiento Estas neuronas pueden dar un voto en favor de una decisión. La magnitud del “voto” es proporcional a la cantidad de movimiento. Neuronas en MT Un clásico de la fisiología En cada momento estas neuronas reportan el estado del presente perceptual Un codificador de movimiento provee el sustrato necesario para decidir hacia donde se mueven los puntos ¿Falta algo? “Las neuronas que integran o acumulan el voto” EL ACUMULADOR: Conteo de todos los votos en el tiempo. Como los votos son ruidosos, esto resulta en un random walk. Neuronas en LIP Integracion ruidosa: Un random-walk forzado integra (promedia en el tiempo) la evidencia provista por las neuronas de MT Estimulo Respuesta Cuando se llega a suficiente evidencia ¿cuánto es suficiente? Se ejecuta la decisión. EL ACUMULADOR: Conteo de todos los votos en el tiempo. Como los votos son ruidosos, esto resulta en un random walk. Neuronas en LIP El proveedor y el acumulador de votos. ¿Hasta cuando acumulan? Un Random Walk forzado. La pendiente indica el forzado y es proporcional a la coherencia. Cuanto mayor la pendiente, se llega antes al umbral y el tiempo de respuesta es menor. El estimulo, luego de una latencia, empiezan a acumular. EL ACUMULADOR: Conteo de todos los votos en el tiempo. Como los votos son ruidosos, esto resulta en un random walk. Neuronas en LIP Un Random Walk forzado. La pendiente indica el forzado y es proporcional a la coherencia. Cuanto mayor la pendiente, se llega antes al umbral y el tiempo de respuesta es menor. dt t ( )dt t El estimulo, luego de una latencia, empiezan a acumular. t Respuestas agrupadas en el momento de la respuesta. Todas las respuestas se realizan cuando el integrado neuronal llega al umbral. Existe de hecho otro circuito que responde en el momento que el integrador alcanza el umbral, lanzando la respuesta. Para aquel entonces –pese a que uno no lo supiese – la decision estaba tomada. Puede de hecho manipularse una decisión. ¿Se puede hackear el codigo? Poniendo a prueba la teoría: ¿Se puede forzar una decisión estimulando una neurona? Estimulo en MT – Es “como si” cambiase la evidencia con que se nutre al random walk. Como si el detector de movimiento detectase mayor coherencia. Resultado: Aumenta la pendiente. La carrera entre una partícula a velocidad constante y una caminata al azar. EL RESULTADO DE MUCHAS CARRERAS Física del CBB Mecánica Determinista Rectilineus uniformus x t x x 2 0 δ El destino de una caminata al azar, diluirse es una forma (extremadamente lenta) de moverse. x 0 x x 2 2 D t Para una molécula en agua a temperatura ambiente, D es aproximadamente 2 D 2 5 2 10 cm D s TRANSPORTE TERMICO Y ACTIVO, COLECTIVOS, KINESINAS Y LAS CALLES DE PARIS El problema mixto. En este ejemplo sencillo se factoriza la media y la varianza. x t x x 2 2 D t TRANSPORTE TERMICO Y ACTIVO, COLECTIVOS, KINESINAS Y LAS CALLES DE PARIS: Descubriendo la maquinaria viendo su trayectoria. En física “Newtoniana” velocidad constante equivale a ausencia de fuerzas. x t x x 2 2 D t Con disipacion (viscosidad, rozamiento, friccion, todo lo que sucede en la escala molecular) esto equivale a fuerza constante (que hace trabajo). Por lo tanto, si veo una particula moviendose a velocidad constante puedo inferir (AUNQUE NO LA VEA!) la existencia de un mecanismo activo, que consume energia, que media el transporte. (siguiente capitulo) TRANSPORTE TERMICO Y ACTIVO, COLECTIVOS, KINESINAS Y LAS CALLES DE PARIS: Descubriendo la maquinaria viendo su trayectoria. x t x x 2 2 D t Transporte térmico. 1) No es dirigido – algunas particulas llegan y otras se pierden (la esperanza de los ratchets). 2) Es lento … progresivamente lento (x(t)/t) decrece… 3) Puede ser pasivo (por difusion) o activo (por propulsion) en una trama intrincada como el citoesqueleto, o las calles de Paris Dos versiones canónicas de caminatas al azar: 2) Por movimiento en un espacio “laberintico” 1) Por fluctuaciones térmicas El autentico, verdadero, genuino. Un coeficiente de difusión con pedigrí kT, densidad, masa... x 0 x x 2 2 D t Uno define un coeficiente de difusión a partir de esta relación, como una suerte de abuso de notación. Arrastrando moléculas en un baño térmico. mv 2 kT 5 2 10 cm D s Aprox 14 hs para recorrer 1cm. ¿Y cuanto tiempo para recorrer 10 cm? Alexander Fleming y su Lisozima ¿Cuanto tiempo tarda esta molécula en cruzar (sin obstrucciones) de un lado al otro del aula? A) 1ms B) 1s C) 1 minuto D) 1 hora E) 1 día F) 1 año G) 1 siglo And the answer is…. v 2 kT 10m / s 36 Km / h m (la velocidad de una moto) Alexander Fleming El recetario del Dr Cureta (algunas ecuaciones para ir recordando) mv kT 2 x t x x 2 2 D t 2 D 2 Sedimentos, atmósferas, orbítales, potenciales, temperatura y sueños. Una ecuación importante. Feynman (Cap 40) Nelson (Cap 3.2) Planck Perrin Marie Curie Solvay 1911 Poincare Rutheford Alberto Una atmósfera en un baño térmico (aproximación 1 – temperatura constante) Mg Aproximación 2 – Fuerza gravitatoria constante Pregunta 1: ¿Que distribución tienen estas partículas? Pregunta 2: ¿Que tiene que ver con esto? El pequeño agujero negro que todos llevamos adentro. Caso extremo I: No hay temperatura (Símil Física I) Mg Caso extremo I: No hay temperatura (Símil Física I) Se van todas para el fondo (porque el medio, o la superficie tiene rozamiento, si no oscilarían...) Mg Caso extremo II: No hay gravedad (Símil Física II – Primeros dias) El gas esta en equilibrio. La densidad es uniforme ¿Y en este juego de dos jugadores (Gravedad y Temperatura)?¿Que? T Mg Aproximación 2 – Fuerza gravitatoria constante ¿Y en este juego de dos jugadores (Gravedad y Temperatura)?¿Que? Compromiso platónico: Mas abajo que arriba, de hecho a media que uno sube la densidad disminuye exponencialmente. Este decrecimiento ha de estar ponderado por algo del estilo g/T. T Mg Aproximación 2 – Fuerza gravitatoria constante Y dado que En ausencia de gravedad P(h) P(h dh) Es decir P es constante h+dh h P V NkT P nkT P constante, equivale a n (es decir, la densidad) constante. Con gravedad F P(h) P(h dh) G A “El paso magico, hemos puesto en relación g (mecánica) con P (termodinámica) h+dh La diferencia de presiones a de compensar la fuerza gravitatoria FG Mg h FG m N g FG m n V g Mg P(h) P(h dh) FG m n V g P nkT FG m g n(h dh) n(h) n kT dh m g dn n kT dh (Equilibrio) A (Newton) (Gases) m n g V P(h) P(h dh) A - dh ne m g h kT - P(h) P(h dh) m n g dh h+dh m n g dh P(h dh) P(h) h P nkT m n g dh kTn(h dh) kTn(h) (Dividiendo) (Dividiendo) Mg E(h) La solución n n0 e m g h kT p (para una partícula, esto es una probabilidad) Compromiso salomónico: Mas abajo que arriba, de hecho a media que uno sube la densidad disminuye exponencialmente. Este decrecimiento ha de estar ponderado por algo del estilo g/T. T Sedimentos, atmósferas, orbítales, potenciales, temperatura y sueños. Una ecuación importante. p C e E kT El recetario del Dr Cureta (algunas ecuaciones para ir recordando) mv 2 kT h+dh h Relación entre cinética y temperatura M g Sobre el movimiento de partículas en un baño térmico x t 50 x x 2 7 6 2 D t 5 4 0 3 D 2 2 2 1 -50 100 200 300 ne E kT El equilibrio en presencia de fuerzas y agitación térmica Mas sobre fuerzas (a la newton) y termodinámica. Arrastrando una partícula en un baño térmico. El caso general, otra ecuación importante de personaje celebre. Feynman (Cap 43) Berg (Cap 4) Nelson (Cap 4) Extra Extra: Buscar en la web teoremas de fluctuación-disipación. v F V- v V+ 1 a 2 2 varrastre F f v f 1 a 2 2 2m Un modelo un poco mas sencillo de visualizar: en cada choque una partícula entrega toda la energía cinética al medio. v at (Entre choques) v 0 (En cada choque t N ) F ma Partícula Newtoniana La velocidad aumenta con pendiente F/m v 2 6 Partícula en un campo de Fuerza F sumergida en un baño térmico. t f v at 2m v0 F ma Si observo en una escala de tiempo pequeña (menor que el tiempo típico de choques) parece un problema Newtoniano. La fuerza realiza trabajo, inyectando energía que la particula absorbe acelerandose y aumentando la energia cinetica. v 2 (Entre choques) (En cada choque t N ) 6 Partícula en un campo de Fuerza F sumergida en un baño térmico. t En una escala de tiempo microscópica (mayor que el tiempo típico de choques) la partícula avanza fluctuando alrededor de una velocidad media constante, que llamamos v_arrastre. ¿Cuánto vale? vmax F a m F varrastre f varrastre f vmax F 2 2m 2m v F δ V- varrastre F varrastre F V+ f f 2m I. Lectura de la ecuación Un modelo molecular “de juguete” de viscosidad. En un arrastre con choques térmicos, la velocidad (y no la aceleración) es proporcional a la fuerza. II Pregunta: ¿Se podrá encontrar una relación termodinámica entre el coeficiente de arrastre y variables termodinámicas como la temperatura o la difusión? Respuesta: SI f v F δ V- varrastre F f 2m f V+ Las ecuaciones necesarias del recetario C: v 2m f De este problema especifico. 2 v 2 2 2 KT 2 m “ A traves de v” relacionar los y con KT D KT 2m mv 2 kT 2 D 2 Difusión Cinética 2D KT m Relacionar los y con D KT D f Llegamos a una relación simple entre D, f y T. Ahora parar y mirar. KT D f La relacion de Einstein - Smoluchowski Einstein haciendo la gran Laplagne Marian Smoluchowski D f kT La relacion de Einstein - Smoluchowski Lo que esta de un lado y otro de la ecuación (las cantidades relacionadas) Esta ecuación establece una relación entre dos cantidades que, a priori son independientes. “El arrastre”, f y la difusión D. Establece además que estas dos cantidades están relacionadas por la temperatura. Lo que NO esta NI de un lado NI del otro de la ecuación (las cantidades ausentes) Por ejemplo la masa o el tamaño de la partícula. D y f, si dependen de estos valores, pero su producto no. Esta ecuación indica que la relación entre D y f es independiente de estos factores haciendo, relacionando ambos como emergentes de una física estadística común. Partículas menores tendrán mayor difusión, pero menor arrastre. Esta ecuación es universal (lo cual aquí no les muestro) y relaciona propiedades de equilibrio del sistema – La temperatura, las fluctuaciones, con la disipacion (la perdida de energia) la viscosidad, cuando se lo saca del equilibrio. A estos teoremas que hoy siguen siendo objeto de investigacion moderna se los llama genericamente: TEOREMAS DE FLUCTUCACION DISIPACION El recetario del Dr Cureta (algunas ecuaciones para ir recordando) mv 2 kT h+dh h Relación entre cinética y temperatura M g Sobre el movimiento de partículas en un baño térmico x t 50 x x 2 7 6 2 D t ne El equilibrio en presencia de fuerzas y agitación térmica D f kT 5 F 4 0 E kT 3 D 2 2 2 V- V+ 1 -50 100 200 300 La relación entre fluctuaciones térmicas y resistencia al arrastre