TY - THES A1 - Zöller, Gert T1 - Critical states of seismicity : modeling and data analysis T1 - Kritische Zustände seismischer Dynamik : Modellierung und Datenanalyse N2 - The occurrence of earthquakes is characterized by a high degree of spatiotemporal complexity. Although numerous patterns, e.g. fore- and aftershock sequences, are well-known, the underlying mechanisms are not observable and thus not understood. Because the recurrence times of large earthquakes are usually decades or centuries, the number of such events in corresponding data sets is too small to draw conclusions with reasonable statistical significance. Therefore, the present study combines both, numerical modeling and analysis of real data in order to unveil the relationships between physical mechanisms and observational quantities. The key hypothesis is the validity of the so-called "critical point concept" for earthquakes, which assumes large earthquakes to occur as phase transitions in a spatially extended many-particle system, similar to percolation models. New concepts are developed to detect critical states in simulated and in natural data sets. The results indicate that important features of seismicity like the frequency-size distribution and the temporal clustering of earthquakes depend on frictional and structural fault parameters. In particular, the degree of quenched spatial disorder (the "roughness") of a fault zone determines whether large earthquakes occur quasiperiodically or more clustered. This illustrates the power of numerical models in order to identify regions in parameter space, which are relevant for natural seismicity. The critical point concept is verified for both, synthetic and natural seismicity, in terms of a critical state which precedes a large earthquake: a gradual roughening of the (unobservable) stress field leads to a scale-free (observable) frequency-size distribution. Furthermore, the growth of the spatial correlation length and the acceleration of the seismic energy release prior to large events is found. The predictive power of these precursors is, however, limited. Instead of forecasting time, location, and magnitude of individual events, a contribution to a broad multiparameter approach is encouraging. N2 - Das Auftreten von Erdbeben zeichnet sich durch eine hohe raumzeitliche Komplexität aus. Obwohl zahlreiche Muster, wie Vor- und Nachbeben bekannt sind, weiß man wenig über die zugrundeliegenden Mechanismen, da diese sich direkter Beobachtung entziehen. Die Zeit zwischen zwei starken Erdbeben in einer seismisch aktiven Region beträgt Jahrzehnte bis Jahrhunderte. Folglich ist die Anzahl solcher Ereignisse in einem Datensatz gering und es ist kaum möglich, allein aus Beobachtungsdaten statistisch signifikante Aussagen über deren Eigenschaften abzuleiten. Die vorliegende Arbeit nutzt daher numerische Modellierungen einer Verwerfungszone in Verbindung mit Datenanalyse, um die Beziehung zwischen physikalischen Mechanismen und beobachteter Seismizität zu studieren. Die zentrale Hypothese ist die Gültigkeit des sogenannten "kritischen Punkt Konzeptes" für Seismizität, d.h. starke Erdbeben werden als Phasenübergänge in einem räumlich ausgedehnten Vielteilchensystem betrachtet, ähnlich wie in Modellen aus der statistischen Physik (z.B. Perkolationsmodelle). Es werden praktische Konzepte entwickelt, die es ermöglichen, kritische Zustände in simulierten und in beobachteten Daten sichtbar zu machen. Die Resultate zeigen, dass wesentliche Eigenschaften von Seismizität, etwa die Magnitudenverteilung und das raumzeitliche Clustern von Erdbeben, durch Reibungs- und Bruchparameter bestimmt werden. Insbesondere der Grad räumlicher Unordnung (die "Rauhheit") einer Verwerfungszone hat Einfluss darauf, ob starke Erdbeben quasiperiodisch oder eher zufällig auftreten. Dieser Befund zeigt auf, wie numerische Modelle genutzt werden können, um den Parameterraum für reale Verwerfungen einzugrenzen. Das kritische Punkt Konzept kann in synthetischer und in beobachteter Seismizität verifiziert werden. Dies artikuliert sich auch in Vorläuferphänomenen vor großen Erdbeben: Die Aufrauhung des (unbeobachtbaren) Spannungsfeldes führt zu einer Skalenfreiheit der (beobachtbaren) Größenverteilung; die räumliche Korrelationslänge wächst und die seismische Energiefreisetzung wird beschleunigt. Ein starkes Erdbeben kann in einem zusammenhängenden Bruch oder in einem unterbrochenen Bruch (Vorbeben und Hauptbeben) stattfinden. Die beobachtbaren Vorläufer besitzen eine begrenzte Prognosekraft für die Auftretenswahrscheinlichkeit starker Erdbeben - eine präzise Vorhersage von Ort, Zeit, und Stärke eines nahenden Erdbebens ist allerdings nicht möglich. Die genannten Parameter erscheinen eher vielversprechend als Beitrag zu einem umfassenden Multiparameteransatz für eine verbesserte zeitabhängige Gefährdungsabschätzung. KW - Seismizität KW - Erdbebenvorhersage KW - statistische Physik KW - mathematische Modellierung KW - Datenanalyse KW - seismicity KW - earthquake prediction KW - statistical physics KW - mathematical modeling KW - data analysis Y1 - 2005 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-7427 ER - TY - GEN A1 - Motter, Adilson E. A1 - Matias, Manuel A. A1 - Kurths, Jürgen A1 - Ott, Edward T1 - Dynamics on complex networks and applications T2 - Physica. D, Nonlinear phenomena KW - complex systems KW - nonlinear dynamics KW - statistical physics Y1 - 2006 U6 - https://doi.org/10.1016/j.physd.2006.09.012 SN - 0167-2789 VL - 224 IS - 1-2 SP - VII EP - VIII PB - Elsevier CY - Amsterdam ER - TY - THES A1 - Bierbaum, Veronika T1 - Chemomechanical coupling and motor cycles of the molecular motor myosin V T1 - Chemomechanische Kopplung und Motorzyklen für den molekularen Motor Myosin V N2 - In the living cell, the organization of the complex internal structure relies to a large extent on molecular motors. Molecular motors are proteins that are able to convert chemical energy from the hydrolysis of adenosine triphosphate (ATP) into mechanical work. Being about 10 to 100 nanometers in size, the molecules act on a length scale, for which thermal collisions have a considerable impact onto their motion. In this way, they constitute paradigmatic examples of thermodynamic machines out of equilibrium. This study develops a theoretical description for the energy conversion by the molecular motor myosin V, using many different aspects of theoretical physics. Myosin V has been studied extensively in both bulk and single molecule experiments. Its stepping velocity has been characterized as a function of external control parameters such as nucleotide concentration and applied forces. In addition, numerous kinetic rates involved in the enzymatic reaction of the molecule have been determined. For forces that exceed the stall force of the motor, myosin V exhibits a 'ratcheting' behaviour: For loads in the direction of forward stepping, the velocity depends on the concentration of ATP, while for backward loads there is no such influence. Based on the chemical states of the motor, we construct a general network theory that incorporates experimental observations about the stepping behaviour of myosin V. The motor's motion is captured through the network description supplemented by a Markov process to describe the motor dynamics. This approach has the advantage of directly addressing the chemical kinetics of the molecule, and treating the mechanical and chemical processes on equal grounds. We utilize constraints arising from nonequilibrium thermodynamics to determine motor parameters and demonstrate that the motor behaviour is governed by several chemomechanical motor cycles. In addition, we investigate the functional dependence of stepping rates on force by deducing the motor's response to external loads via an appropriate Fokker-Planck equation. For substall forces, the dominant pathway of the motor network is profoundly different from the one for superstall forces, which leads to a stepping behaviour that is in agreement with the experimental observations. The extension of our analysis to Markov processes with absorbing boundaries allows for the calculation of the motor's dwell time distributions. These reveal aspects of the coordination of the motor's heads and contain direct information about the backsteps of the motor. Our theory provides a unified description for the myosin V motor as studied in single motor experiments. N2 - Die hier vorgelegte Arbeit entwickelt unter Verwendung vieler verschiedener Aspekte der statistischen Physik eine Theorie der chemomechanischen Kopplung für den Energieumsatz des molekularen Motors Myosin V. Das Myosin V ist sowohl in chemokinetischen wie in Einzelmolekülexperimenten grundlegend untersucht worden. Seine Schrittgeschwindigkeit ist in Abhängigkeit verschiedener externer Parameter, wie der Nukleotidkonzentration und einer äußeren Kraft, experimentell bestimmt. Darüber hinaus ist eine große Anzahl verschiedener chemokinetischer Raten, die an der enzymatischen Reaktion des Moleküls beteiligt sind, quantitativ erfasst. Unter der Wirkung externer Kräfte, die seine Anhaltekraft überschreiten, verhält sich der Motor wie eine Ratsche: Für Kräfte, die entlang der Schrittbewegung des Motors wirken, hängt seine Geschwindigkeit von der ATP-Konzentration ab, für rückwärts angreifende Kräfte jedoch ist die Bewegung des Motors unabhängig von ATP. Auf der Grundlage der chemischen Zustände des Motors wird eine Netzwerktheorie aufgebaut, die die experimentellen Beobachtungen des Schrittverhaltens für Myosin V einschließt. Diese Netzwerkbeschreibung dient als Grundlage für einen Markovprozess, der die Dynamik des Motors beschreibt. Die Verwendung diskreter Zustände bietet den Vorteil der direkten Erfassung der chemischen Kinetik des Moleküls. Darüber hinaus werden chemische und mechanische Eigenschaften des Motors in gleichem Maße im Modell berücksichtigt. Durch die Erfassung der Enzymkinetik mittels eines stochastischen Prozesses lässt sich die Motordynamik mit Hilfe des stationären Zustands der Netzwerkdarstellung beschreiben. Um diesen zu bestimmen, verwenden wir eine graphentheoretische Methode, die auf Kirchhoff zurückgreift. Wir zeigen in Einklang mit den Gesetzen der Thermodynamik für Nichtgleichgewichtssysteme, dass das Schrittverhalten des Motors von mehreren chemomechanischen Zyklen beeinflusst wird. Weiterhin untersuchen wir das funktionale Verhalten mechanischer Schrittraten in Abhängigkeit der äußeren Kraft unter Verwendung einer geeigneten Fokker-Planck-Gleichung. Hierfür wird auf die Theorie einer kontinuierlichen Beschreibung von molekularen Methoden zurückgegriffen. Wir berechnen Größen wie die mittlere Schrittgeschwindigkeit, das Verhältnis von Vorwärts- und Rückwärtsschritten, und die Lauflänge des Motors in Abhängigkeit einer äußeren angreifenden Kraft sowie der Nukleotidkonzentration, und vergleichen diese mit experimentellen Daten. Für Kräfte, die kleiner als die Anhaltekraft des Motors sind, unterscheidet sich der chemomechanische Zyklus grundlegend von demjenigen, der für große Kräfte dominiert. Diese Eigenschaft resultiert in einem Schrittverhalten, das mit den experimentellen Beobachtungen übereinstimmt. Es ermöglicht weiterhin die Zerlegung des Netzwerks in einzelne Zyklen, die die Bewegung des Motors für verschiedene Bereiche externer Kräfte erfassen. Durch die Erweiterung unseres Modells auf Markovprozesse mit absorbierenden Zuständen können so die Wartezeitenverteilungen für einzelne Zyklen des Motors analytisch berechnet werden. Sie erteilen Aufschluss über die Koordination des Motors und enthalten zudem direkte Informationen über seine Rückwärtsschritte, die experimentell nicht erfasst sind. Für das gesamte Netzwerk werden die Wartezeitenverteilungen mit Hilfe eines Gillespie-Algorithmus bestimmt. Unsere Theorie liefert eine einheitliche Beschreibung der Eigenschaften von Myosin V, die in Einzelmolekülexperimenten erfasst werden können. KW - statistische Physik KW - Markov-Prozesse KW - molekulare Motoren KW - statistical physics KW - markov processes KW - molecular motors Y1 - 2011 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-53614 ER - TY - JOUR A1 - Bär, Markus A1 - Großmann, Robert A1 - Heidenreich, Sebastian A1 - Peruani, Fernando T1 - Self-propelled rods BT - insights and perspectives for active matter JF - Annual review of condensed matter physics N2 - A wide range of experimental systems including gliding, swarming and swimming bacteria, in vitro motility assays, and shaken granular media are commonly described as self-propelled rods. Large ensembles of those entities display a large variety of self-organized, collective phenomena, including the formation of moving polar clusters, polar and nematic dynamic bands, mobility-induced phase separation, topological defects, and mesoscale turbulence, among others. Here, we give a brief survey of experimental observations and review the theoretical description of self-propelled rods. Our focus is on the emergent pattern formation of ensembles of dry self-propelled rods governed by short-ranged, contact mediated interactions and their wet counterparts that are also subject to long-ranged hydrodynamic flows. Altogether, self-propelled rods provide an overarching theme covering many aspects of active matter containing well-explored limiting cases. Their collective behavior not only bridges the well-studied regimes of polar selfpropelled particles and active nematics, and includes active phase separation, but also reveals a rich variety of new patterns. KW - collective motion KW - statistical physics KW - biological physics KW - nonequilibrium physics KW - stochastic processes Y1 - 2019 U6 - https://doi.org/10.1146/annurev-conmatphys-031119-050611 SN - 1947-5454 SN - 1947-5462 VL - 11 SP - 441 EP - 466 PB - Annual Reviews CY - Palo Alto ER - TY - THES A1 - Thapa, Samudrajit T1 - Deciphering anomalous diffusion in complex systems using Bayesian inference and large deviation theory N2 - The development of methods such as super-resolution microscopy (Nobel prize in Chemistry, 2014) and multi-scale computer modelling (Nobel prize in Chemistry, 2013) have provided scientists with powerful tools to study microscopic systems. Sub-micron particles or even fluorescently labelled single molecules can now be tracked for long times in a variety of systems such as living cells, biological membranes, colloidal solutions etc. at spatial and temporal resolutions previously inaccessible. Parallel to such single-particle tracking experiments, super-computing techniques enable simulations of large atomistic or coarse-grained systems such as biologically relevant membranes or proteins from picoseconds to seconds, generating large volume of data. These have led to an unprecedented rise in the number of reported cases of anomalous diffusion wherein the characteristic features of Brownian motion—namely linear growth of the mean squared displacement with time and the Gaussian form of the probability density function (PDF) to find a particle at a given position at some fixed time—are routinely violated. This presents a big challenge in identifying the underlying stochastic process and also estimating the corresponding parameters of the process to completely describe the observed behaviour. Finding the correct physical mechanism which leads to the observed dynamics is of paramount importance, for example, to understand the first-arrival time of transcription factors which govern gene regulation, or the survival probability of a pathogen in a biological cell post drug administration. Statistical Physics provides useful methods that can be applied to extract such vital information. This cumulative dissertation, based on five publications, focuses on the development, implementation and application of such tools with special emphasis on Bayesian inference and large deviation theory. Together with the implementation of Bayesian model comparison and parameter estimation methods for models of diffusion, complementary tools are developed based on different observables and large deviation theory to classify stochastic processes and gather pivotal information. Bayesian analysis of the data of micron-sized particles traced in mucin hydrogels at different pH conditions unveiled several interesting features and we gained insights into, for example, how in going from basic to acidic pH, the hydrogel becomes more heterogeneous and phase separation can set in, leading to observed non-ergodicity (non-equivalence of time and ensemble averages) and non-Gaussian PDF. With large deviation theory based analysis we could detect, for instance, non-Gaussianity in seeming Brownian diffusion of beads in aqueous solution, anisotropic motion of the beads in mucin at neutral pH conditions, and short-time correlations in climate data. Thus through the application of the developed methods to biological and meteorological datasets crucial information is garnered about the underlying stochastic processes and significant insights are obtained in understanding the physical nature of these systems. N2 - Die Entwicklung von Methoden wie der superauflösenden Mikroskopie (Nobelpreis für Chemie, 2014) und der Multiskalen-Computermodellierung (Nobelpreis für Chemie, 2013) hat Wis- senschaftlern mächtige Werkzeuge zur Untersuchung mikroskopischer Systeme zur Verfügung gestellt. Submikrometer Partikel und sogar einzelne fluoreszent markierte Moleküle können heute über lange Beobachtungszeiten in einer Vielzahl von Systemen, wie z.B. lebenden Zellen, biologischen Membranen und kolloidalen Suspensionen, mit bisher unerreichter räumlicher und zeitlicher Auflösung verfolgt werden. Neben solchen Einzelpartikelverfolgungsexperi- menten ermöglichen Supercomputer die Simulation großer atomistischer oder coarse-grained Systeme, wie z..B. biologisch relevante Membranen oder Proteine, über wenige Picosekunden bis hin zu einigen Sekunden, wobei große Datenmengen produziert werden. Diese haben zu einem beispiellosen Anstieg in der Zahl berichteter Fälle von anomaler Diffusion geführt, bei welcher die charakteristischen Eigenschaften der Brownschen Diffusion—nämlich das lineare Wachstum der mittleren quadratischen Verschiebung mit der Zeit und die Gaußsche Form der Wahrscheinlichkeitsdichtefunktion ein Partikel an einem gegebenen Ort und zu gegebener Zeit zu finden—verletzt sind. Dies stellt eine große Herausforderung bei der Identifizierung des zugrundeliegenden stochastischen Prozesses und der Schätzung der zugehörigen Prozess- parameter dar, was zur vollständigen Beschreibung des beobachteten Verhaltens nötig ist. Das Auffinden des korrekten physikalischen Mechanismus, welcher zum beobachteten Verhal- ten führt, ist von überragender Bedeutung, z.B. beim Verständnis der, die Genregulation steuernden, first-arrival time von Transkriptionsfaktoren oder der Überlebensfunktion eines Pathogens in einer biologischen Zelle nach Medikamentengabe. Die statistische Physik stellt nützliche Methoden bereit, die angewendet werden können, um solch wichtige Informationen zu erhalten. Der Schwerpunkt der vorliegenden, auf fünf Publikationen basierenden, kumulativen Dissertation liegt auf der Entwicklung, Implementierung und Anwendung solcher Methoden, mit einem besonderen Schwerpunkt auf der Bayesschen Inferenz und der Theorie der großen Abweichungen. Zusammen mit der Implementierung eines Bayesschen Modellvergleichs und Methoden zur Parameterschätzung für Diffusionsmodelle werden ergänzende Methoden en- twickelt, welche auf unterschiedliche Observablen und der Theorie der großen Abweichungen basieren, um stochastische Prozesse zu klassifizieren und wichtige Informationen zu erhalten. Die Bayessche Analyse der Bewegungsdaten von Mikrometerpartikeln, welche in Mucin- hydrogelen mit verschiedenen pH-Werten verfolgt wurden, enthüllte mehrere interessante Eigenschaften und wir haben z.B. Einsichten darüber gewonnen, wie der Übergang von basischen zu sauren pH-Werten die Heterogenität des Hydrogels erhöht und Phasentrennung einsetzen kann, was zur beobachteten Nicht-Ergodizität (Inäquivalenz von Zeit- und En- semblemittelwert) und nicht-Gaußscher Wahrscheinlichkeitsdichte führt. Mit einer auf der Theorie der großen Abweichungen basierenden Analyse konnten wir, z.B., nicht-Gaußsches Verhalten bei der scheinbaren Brownschen Diffusion von Partikeln in wässriger Lösung, anisotrope Bewegung von Partikeln in Mucin bei neutralem pH-Wert und Kurzzeitkorrela- tionen in Klimadaten detektieren. Folglich werden durch die Anwendung der entwickelten Methoden auf biologische und meteorologische Daten entscheidende Informationen über die zugrundeliegenden stochastischen Prozesse gesammelt und bedeutende Erkenntnisse für das Verständnis der Eigenschaften dieser Systeme erhalten. KW - anomalous diffusion KW - Bayesian inference KW - large deviation theory KW - statistical physics Y1 - 2020 ER -