Next seminar : Séminaire du LPTMS : Matthieu Mangeat (Saarland University)

Tuesday, January 26 2021 at 11:00:00

Flocking and reorientation transition in the q-state active Potts model

Matthieu Mangeat (Saarland University)

Online seminar --- Zoom Meeting ID: 947 5714 7410 -- Passcode: Ask L. Mazza or D. Petrov -- We study the q-state active Potts model (APM) on a two-dimensional lattice in which active particles have q internal states corresponding to the q directions of motion. A local alignment rule inspired by the ferromagnetic q-state Potts model and self-propulsion via biased diffusion according to the internal particle states leads to a collective motion at high densities and low noise. We formulate a coarse-grained hydrodynamic theory with which we compute the phase diagram of the APM and explore the flocking dynamics in the region, in which the high-density (polar liquid) phase coexists with the low-density (gas) phase and forms a fluctuating band of coherently moving particles. As a function of the particle self-propulsion velocity, a novel reorientation transition of the phase-separated profiles from transversal to longitudinal band motion is found, which is absent in the Vicsek model [1] and the active Ising model [2]. The origin of this reorientation transition is revealed by a stability analysis : for large velocities the transverse diffusion constant approaches zero and then stabilizes longitudinal band motion. Computer simulations corroborate the analytical predictions of the flocking and reorientation transitions and validate the phase diagrams of the APM [3]. [1] T. Vicsek, A. Czirok, E. Ben-Jacob, I. Cohen, and O. Shochet, Phys. Rev. Lett. 75, 1226 (1995). [2] A. P. Solon and J. Tailleur, Phys. Rev. Lett. 111, 078101 (2013) ; Phys. Rev. E 92, 042119 (2015). [3] S. Chatterjee, M. Mangeat, R. Paul, and H. Rieger, EPL 130, 66001 (2020) ; M. Mangeat, S. Chatterjee, R. Paul, and H. Rieger, Phys. Rev. E 102, 042601 (2020).

Last Highlight : Quand les mégadonnées aident à prédire la performance sportive

Les smartphones et les montres connectées ne sont pas de simples accessoires pour les sportifs. Thorsten Emig a développé un modèle mathématique simple pour étudier les performances des sportifs d’endurance. Puis, une collaboration récente avec un scientifique de la société Polar Electro Oy (Finlande) a permis de l’appliquer à des données obtenues auprès d'environ 14 000 coureurs s’entrainant en conditions réelles. Selon cette étude, le modèle mathématique permet d’estimer des paramètres physiologiques clés comme la vitesse maximale aérobie et l'endurance, connus pour être liés aux conditions de santé et aux performances. La collecte non-invasive de ces données offre des possibilités en matière de soins et de surveillance. De plus, ce modèle pourrait être utilisé pour prédire les performances futures des athlètes, comme les temps de course du marathon, ce qui aiderait leur recrutement pour les équipes et les compétitions. Ce travail ouvre de nouvelles perspectives pour quantifier la santé et les performances sportives des athlètes en conditions réelles, et pourrait ouvrir des pistes pour la lutte antidopage.

http://www.cnrs.fr/fr/predire-les-performances-sportives-avec-les-big-data


See all LPTMS highlights.


Next Conference :