当均方位移(MSD)随时间的增长具有不同于1的指数时,许多物理和生物现象中都会发生异常扩散。我们表明,递归神经网络(RNN)可以通过从单个短轨迹确定指数来有效地表征异常扩散,在可用数据点有限的情况下,其性能优于基于MSD的标准估计,这是实验中经常出现的情况。此外,在没有标准方法的情况下,RNN可以处理更复杂的任务,例如从不规则时间采样的轨迹中确定异常扩散指数,以及估计在不同类型的异常扩散之间切换的间歇系统的切换时间和异常扩散指数。我们利用从散斑光场和超扩散微扰器中捕获的次扩散胶体获得的实验数据验证了我们的方法。
内政部:https://doi.org/10.103/PhysRevE.100.010102
统计物理与热力学生命系统物理学聚合物和软物质跨学科物理学