En circunstancias normales, las partículas seguirán movimientos aleatorios bien establecidos a medida que se difunden a través de líquidos y gases. Sin embargo, en algunos tipos de sistema, este comportamiento se puede alterar, lo que significa que los movimientos de difusión de las partículas ya no están influenciados por los resultados de las cadenas de eventos anteriores. A través de investigaciones publicadas en EPJ E , Bernhard Mitterwallner, un doctorado estudiante en el equipo de Roland Netz en la Universidad Libre de Berlín, Alemania, ha desarrollado nuevas teorías que detallan cómo estas dinámicas inusuales pueden reproducirse en modelos matemáticos generalizados.

El enfoque del equipo podría permitir a los investigadores aprender más sobre los comportamientos, incluido el transporte de células biológicas, y los movimientos de los materiales "activos", cuyas partículas recolectan energía en sus entornos circundantes para impulsarse hacia adelante. Típicamente, Estas características de difusión solo aparecen brevemente como transición de sistemas entre estados estables, pero en las condiciones adecuadas, pueden persistir en escalas de tiempo mucho más largas. Los investigadores pueden estudiar este efecto introduciendo un 'término de memoria' en sus cálculos, que puede explicar las influencias de eventos pasados ​​en diferentes escalas de tiempo. Varios estudios han utilizado este principio para explorar cómo este 'movimiento persistente transitorio' se puede capturar en modelos de medios viscoelásticos, que pueden resistir la deformación cuando se aplica tensión.

Los autores adoptaron un enfoque más general en su estudio; basando sus cálculos en una ecuación de movimiento que ofrecía un marco útil para describir comportamientos de difusión no convencionales. Al agregar un término de memoria en la ecuación, sus modelos dan lugar a un movimiento persistente transitorio en una variedad de sistemas diferentes, que no se había explorado en estudios anteriores. Los resultados del equipo ahora podrían permitir a los investigadores modelar con precisión los comportamientos de difusión en una gama más amplia de situaciones, y podrían ser particularmente útiles para estudios de materiales avanzados que responden a sus entornos circundantes.