Dokument: Agent-based modeling of active matter: complex formation, artificial intelligence, contagion dynamics

Titel:	Agent-based modeling of active matter: complex formation, artificial intelligence, contagion dynamics
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=61469
URN (NBN):	urn:nbn:de:hbz:061-20230110-110618-8
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Grauer, Jens Christian [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 26,77 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 12.12.2022 / geändert 12.12.2022
Beitragende:	Prof. Dr. Löwen, Hartmut [Gutachter] Prof. Dr. Liebchen, Benno [Gutachter] Prof. Dr. Klapp, Sabine [Gutachter]
Dewey Dezimal-Klassifikation:	500 Naturwissenschaften und Mathematik » 530 Physik
Beschreibungen:	Active matter comprises self-driven units that convert energy from their environment into mechanical work and systematic motion. The study of active matter systems is of particular interest for two reasons: First, contrary to their passive counterparts, active systems are intrinsically out of equilibrium, which requires the development of new approaches to describe them. Second, such systems exist on various scales (from microswimmers, cells, and bacteria, to fish, birds, and even humans), allowing for a wide range of biological and physical applications. Meanwhile, the field of active matter extends from the development of complex self-propulsion mechanisms to the study of a wide range of observed collective phenomena in many-body systems and, more recently, to the application of machine learning methods. In this thesis, I address five topics and investigate various active matter systems using numerical simulations. It is shown how non-reciprocal interactions allow phoretic particles to form dynamic clusters, active modular swimmers, and active “droploids”. Motivated by the variety of microorganisms that use quorum sensing to communicate with each other, I start with a model of a binary mixture of chemotactic particles and demonstrate the formation of complex patterns, such as individual swarms of particles pursuing each other, as well as different cluster phases that can eject their interior once they have formed. A similar simulation model can be used to study the motion of spheroidal photocatalytic microswimmers that self-propel and self-organize into active assemblies of different geometries and speeds. Then, the interaction between light-activated particles and a phase-separating environment is modeled. Under illumination, a two-way coupling between these systems is created giving rise to a novel structure: a liquid droplet encapsulating a self-assembled colloidal engine that induces self-propulsion and drives the entire structure. By combining experiments and simulations, the speed and growth dynamics of this novel structure can be analyzed. Furthermore, colloidal assemblies are ideal model systems to study crystallization phenomena. A simple simulation method is introduced to model the annealing of two-dimensional colloidal monolayers. To take a next step towards smart particles, I then equip active particles with artificial intelligence. It is shown how they learn a strategy to consume a nutrient field as efficiently as possible. Last, I use methods from statistical physics to model the spread of infectious diseases. With an appropriate model, different vaccine distribution strategies are tested and it is shown that the question of a spatiotemporal distribution can play an important role. Similarly, in a further work, the popular susceptible-infected-recovered model is generalized to account for recurrent mutations and their impact on the contagion dynamics is investigated. This work provides fundamental insights into novel active matter structures and collective phenomena of colloidal particles, and offers interesting links to approaches from machine learning and epidemiology. Aktive Materie umfasst selbstangetriebene Einheiten, die Energie aus ihrer Umgebung in mechanische Arbeit und systematische Bewegung umwandeln. Die Untersuchung von Systemen aktiver Materie ist besonders aus zwei Gründen von großem Interesse: Erstens befinden sich aktive Systeme im Gegensatz zu ihren passiven Gegenstücken von Natur aus außerhalb des Gleichgewichts, was die Entwicklung neuer Ansätze zu ihrer Beschreibung erfordert. Zweitens existieren solche Systeme in verschiedensten Größenordnungen (von Mikroschwimmern, Zellen und Bakterien, bis hin zu Fischen, Vögeln und auch Menschen), was eine Vielfalt an biologischen und physikalischen Anwendungen erlaubt. Mittlerweile erstreckt sich das Feld der aktiven Materie von der Entwicklung komplexer Selbstantriebsmechanismen über die Untersuchung eines breiten Spektrums von beobachteten kollektiven Phänomenen in Vielteilchensystemen bis hin zur Verwendung von Methoden des Maschinellen Lernens. In dieser Arbeit befasse ich mich mit fünf Themengebieten und untersuche verschiedene Systeme aktiver Materie mithilfe von numerischen Simulationen. Es wird gezeigt, wie sich phoretische Teilchen über nicht-reziproke Wechselwirkungen zu dynamischen Clustern, aktiven modularen Schwimmern und aktiven „Droploids“ formen. Motiviert durch die Vielzahl an Mikroorganismen, die Quorum sensing nutzen, um miteinander zu kommunizieren, beginne ich mit einem Modell einer binären Mischung von chemotaktischen Teilchen und demonstriere die Bildung komplexer Strukturen, wie einzelne Schwärme von Teilchen, die sich gegenseitig verfolgen, sowie verschiedene Clusterphasen, die ihr Inneres ausstoßen können, sobald sie sich gebildet haben. Mit einem ähnlichen Simulationsmodell lässt sich die Bewegung ellipsoider photokatalytischer Mikroschwimmer untersuchen, die sich selbst antreiben und zu aktiven Assemblierungen unterschiedlicher Geometrien und Geschwindigkeiten organisieren. Nachfolgend wird die Wechselwirkung zwischen lichtaktivierten Teilchen und einer phasentrennenden Umgebung modelliert. Unter Beleuchtung entsteht eine zwei-Wege Kopplung zwischen diesen Systemen, die zu einer neuartigen Struktur führt: ein Flüssigkeitströpfchen, das einen selbstorganisierten kolloidalen Motor einkapselt, der Selbstantrieb erzeugt und somit die gesamte Struktur antreibt. Durch eine Kombination von Experimenten und Simulationen kann die Geschwindigkeit und Wachstumsdynamik dieser neuartigen Struktur analysiert werden. Darüber hinaus eignen sich kolloidale Anordnungen auch ideal als Modellsysteme um Kristallisationsphänomene zu untersuchen. Eine einfache Simulationsmethode wird vorgestellt, mithilfe derer man das Ausheilen zweidimensionaler kolloidaler Monoschichten simulieren kann. Um einen nächsten Schritt in Richtung intelligenter aktiver Teilchen zu gehen, statte ich als nächstes aktive Teilchen mit künstlicher Intelligenz aus. Es wird gezeigt, wie diese eine Strategie lernen, um eine Nährstoffverteilung möglichst effizient zu konsumieren. Zuletzt nutze ich Methoden aus der statistischen Physik, um die Ausbreitung von Infektionskrankheiten zu modellieren. Anhand eines geeigneten Modells werden verschiedene Strategien zur Impfstoffverteilung getestet und es zeigt sich, dass die Frage einer räumlich-zeitlichen Verteilung eine wichtige Rolle spielen kann. Ebenso wird in einer weiterführenden Arbeit das beliebte Susceptible-Infected-Removed Modell verallgemeinert, um wiederholt auftretende Mutationen zu berücksichtigen und ihre Auswirkungen auf die Infektionsdynamik zu untersuchen. Diese Arbeit liefert grundlegende Erkenntnisse über neuartige Strukturen aktiver Materie und kollektive Phänomene kolloidaler Teilchen und bietet interessante Verknüpfungen zu Ansätzen aus dem Maschinellen Lernen und der Epidemiologie.
Lizenz:	Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät » WE Physik » Theoretische Physik
Dokument erstellt am:	10.01.2023
Dateien geändert am:	10.01.2023
Promotionsantrag am:	26.07.2022
Datum der Promotion:	21.10.2022