 x, y가 그 다음에는 피키언따나믹 스위치는 msd가 피키언됩니다. 가우시안의 모습을 볼 수 있습니다. 조금 길은 시간입니다. 가우시안과 피키안의 모습을 볼 수 있습니다. 그래서 이 브라우니안을 불러요. 그리고 액티브. 그래서 액티브 브라우니안의 의미입니다. 그리고 여기 또한 제가 좀 더 오디션을 드릴 수 있습니다. 그래서 이 액티브 콜라이의 컨센트도 제작되어 있습니다. 그리고 이게 제작되어 있습니다. 그래서 위대한 면으로 가우시안에 그리고 이 정보방식 정보방식 정보방식 그리고 그리고 이게 이 액티브 콜라이의 효과가 그이라는 글을 설명했죠. 그리고 이 효과가 확실하게 이 액티브 콜라이의 효과가 그리고, S, G는 전통의 기능이 있습니다. 그리고, delta E의 효과는 이 15에서 가장 큰 효과입니다. 그리고, MST에서 연결할 수 있습니다. 이 연결을 할 수 있습니다. 그리고, 그와 같은 연결을 할 수 있습니다. 그는 액티브라인의 특이한 효과를 보여주었습니다. 그리고, 어떻게 이 시스템을 모델도 할 수 있습니다. 제작을 했을 때, 이 기술을 모델할 수 있는 기술이 있습니다. 이 기술은 연결을 할 수 있습니다. 그런데 이 기술은 매우 어렵습니다. 이 기술의 많은 사람들이 이 기술을 사용하고 싶습니다. 액티브오유파티클, 액티브오유스테인 월넘빅 파티클이 있습니다. 이 기술은 오유파티클, 아이오유피. 이 기술의 중요성은 이렇게 되었습니다. 이 액티브 파티클의 다이내믹을 전달합니다. 이 액티브 파티클의 액티브는 2개의 소리가 있습니다. 먼저는 수소의 수소의 수소입니다. 그리고 이 사이의 수소는 수소의 수소의 수소입니다. 그리고 또 다른 소리가 있습니다. 수소의 수소는 이렇게 됩니다. 그래서 이 수소의 수소는 액티브의 수소의 수소입니다. 그리고 each way is that we actually model As we saw in the previous slide, it is Gaussian and also exponentially correlated so that you can think about oil process, which looks like the same property, so that you can model this eta like an active noise modeled by oil process. So that it has exponential correlation. So when you inputting these two, 그리고 이 기술의 MST를 확인시켜서 이제 이의 전체의 방법을 보이죠 그리고 그의 길거리는 T는 T의 크기의 크기의 크기 그의 MST는 전체의 크기의 크기 하지만 그의 효과가 그의 어느 부분과 그의 오디션의 부분에 대한 기술을 보이죠 그래서 제가 이의 같은 팩컬리의 기술을 사용하여 그의 기술을 보여주실 수 있습니다 이 형태로 인해 지적이 있습니다. 그리고 이 형태로 인해 지적이 있습니다. 그리고 여기 이 모델의 시뮬레이션이 있습니다. 그리고 이 시뮬레이션이 있습니다. 그래서 이 형태로 인해 지적이 있습니다. 그리고 이 형태로 인해 지적이 있습니다. 자제 див어� стало 끝이 된 지적이 있습니다. 그리고 이 형태로 인해 지적이 있습니다. 이런 분 architecture, 이 시점에서 가장 간단한 것입니다. 이 시점에서 가장 중요한 것입니다. 사실은 액티넷, 마크로툴볼을 제거하는 것입니다. 위치의 비스코 라스틱에서 위치의 비스코 라스틱이 있습니다. 그래서 액티브 스테이크로도 위치의 비스코 라스틱에 대한 정보를 보여주겠습니다. 이 시점에서 위치의 비스코 라스틱을 제거할 수 있습니다. 예를 들면, 이 아이디어의 예를 들면, 예를 들면, 바테리아의 모션, 무스크의 바디엘, 혹은 바디커먼스의 예를 들면, 인트라셔르라의 파티클은 이 카테고리에서 성장할 수 있습니다. 그리고 액티브콜로이드에 대해 생각할 수 있습니다. 이 폴리머 매특, 이 예를 들면, 이 예를 들면, 다른 예를 들면, 예를 들면, 이 디테일을 드릴 수 없지만, 여기 많은 네트웍이 있습니다. 그리고 여기에 이 예를 들면, 이 모션의 단담으로 공개합니다. 그리고 이 모션은 이 부분에 이 마이크로 튜브를 모션으로써 제기하는 모션입니다. 그래서 이 모션은 높이 안의 기능이 있습니다. 그리고 이 모션이 높이 안의 기능이 있습니다. 그래서 저는 이 설명을 안하고 싶지 않습니다. 그리고 또 하나의 중요한 것입니다. 예를 들어 크로메슨 다이나믹스입니다. ATP가 많은 파티클이 있습니다. 그리고 다이나믹스의 폴리멀입니다. 사실은 안정적인 다이나믹스입니다. 이 액티브 비스코 라스틱 시스템에 대해 이해하실 수 있습니다. 오케이. 그럼 어떤 아이디어를 드릴까요? 이렇게 폴리멀 시스템에 대해 생각해 볼까요? 액티브 비스코 라스틱 시스템입니다. 하나의 액티브 비스코 라스틱이 있습니다. 그리고 이 하모닉스 프린을 연구하고 있습니다. 그래서 이 하모닉스 프린을 연구하고 있습니다. 그리고 이 오딘히 화이트가우샤 노이즈입니다. 그리고 액티브 비스코 라스틱 시스템입니다. 이렇게 액티브 비스코 라스틱 시스템입니다. quietly. okay. i believe. 1파티클을, 이 파티클의 모션을 보셔요. 그 모션은 파티클의 여전히 효과가 있습니다. 그리고 다이아몬스의 여전히 여기 모션을 다시 올려주기 위해서는 파티클 모션은 마코비아인의 여전히 메샴한지에 그 모션을 말하여 이 모션은 1파티클의 여전히 효과가 있습니다. 랑재밤 equation이 보이네요. 그래서 여기 이 코너 k가 파월로우가 1.5라운드입니다. 그리고 왜냐하면 이 시스템은 이 시스템을 통해서 이 시스템을 통해서 이 시스템의 동일한 에너지의 정리로 이 relation에 적용될 것입니다. 그래서 K는 파워로코리엘이 저처럼 액티브라니아 파티클은 포리머시스템에 연결되었죠. 그리고 그 점은 무엇을 해야할까요? 사실 첫 질문은 이 단어로 이 간단한 란즈반리케이션이 가능합니다. 첫 질문입니다. 그렇다면, 두 번째 질문은 이 레벨에 대한 액티브라니아와 액티브라니아를 어떻게 해야할까요? 왜냐하면 이 레벨에 대한 액티브라니아를 통해 그리고 다른 것은 K의 기억이 무엇일까요? 물론, 이 공간에서 다른 분석에 전달한 것만으로 뭐든 설명을 해주는 것입니다. 제 점은 이 기술을 systematically 이 기술을 systematically 제작한 것에 대한 이 아이디어를 먼저 공간을学정할 수 있습니다. 이 AOP 파티클 파티클이 지금 이athy 아파리 мы 이렇게 그래서 그리고 아 u 아 2 4 1 2 1 2 아 5 5 5 6 1 3 4 4 5 5 5 5 3 4 5 3 2 3 3 아주 불편한 조각을 만들 수 있도록 아주 간단한 모델을 만들 수 있도록 아주 플렉스러운 폴리머와 이 액티로서의 폴리머입니다. 아주 쉽게 이 모양을 만들 수 있도록 이 시스템을 시작하는 이유는 이 시스템을 보았습니다. 이 시스템을 사용한 글자의 전용 글자 이 글자의 전용 글자 콜라우드 기술을 제공하는 기술자의 네트워크를 제공합니다. 그리고 네트워크 시스템을 많이 다른 기술을 제공합니다. 그리고 네트워크에서 파틱한 모션을 제공합니다. 그리고 콜라우드가 아주 스틱이 있습니다. 그래서 폴리머 네트워크에서 스틱이 있습니다. 이 네트워크의 independents, 이 mst와 alpha의 0.5입니다. 이 네트워크가 1위는 50%의 파티컬입니다. 이 트레젝트리에 대해 알아보도록 하겠습니다. 이 파티컬의 MSD를 보여주겠습니다. 그리고 브라우니언 파티컬을 볼까요? 블랙 파티컬, 블록 파티컬입니다. 브라우니언 파티컬을 보여줍니다. 이 트레젝트리에 대해 알아보도록 하겠습니다. 어노말라의 디퓨전은 0.5%의 파티컬 1.5%의 파티컬을 보여줍니다. 이 트레젝트리에 대해 알아보도록 하겠습니다. 이 타임 스케일은 0.5%의 파티컬을 보여줍니다. 그리고 이벤트로 바운드리 컨디션을 담아냈습니다. 그리고 이 액티브티에 대해 알아보도록 하겠습니다. 이렇게. 이 루트티는 소문의 모션을 보여줍니다. 이 모션은 1.5%의 파티컬을 보여줍니다. 그리고 이 로그티는 에퓨 파티컬의 모션을 보여줍니다. 그리고 이 로그티는 이 파티컬의 모션을 보여줍니다. 이 파티컬의 모션을 보여줍니다. 이ег는 단체 doctors의 시계에서 그리고 이 액티브의 모션을 보여줍니다. 이 로그티는 이 파티컬의 모션을 보여줍니다. 왜냐하면 아몬드가 이 파티컬의 모션을 보여줍니다. 이 타임을 보여준다면 그리고 이것을 보셨나요? actually the sum of the exponent output is actually this some empirical fitting of these two terms. And then you see the b. Factor B는 1인버트의 부케의 사업, 패클리 Numbers' 사업입니다. 패클리 Numbers의 사업이 더 높은 점이 적용되면, 로비티의 단어로도 적용됩니다. 그리고 벨렐리스트의 코들리션도 2파우더의 코들리를 보여줍니다. 2가 더 높은 점입니다. 하나는 2½, 그는 숨을 제거하고, 그리고 다른 액티브, 액티브의 숨에 이 부분과 이 대화의 대화의 숨을 제거하고, 그리고 이 제거에 의해, 그렇게 말할 수 있을 것입니다. 이렇게 생각할 수 있습니다. normally, 그는 월급의 전체은 이렇게 적용해야 할 것입니다. k 오는 grandchildren ought to be the saying of this inverse one of half. And then we have a two term like the thermal and active. And the thermal part is as I said, should satisfy the FDT. So it satisfies this. And then in this active noise is exponentially correlated noise. And it is not related to fDT. So you see that this correlation does not explain the K. 이 부분을 어떻게 생각하시나요? 사실 이 부분을 그리고 이게 롯티입니다. 롯티는 롯티입니다. 그리고 루트티입니다. 그 후에, 그 동일한 problem입니다. 그 동일한 polymine와는 동일한 섬의플렉스러움이 있습니다. 그리고 그 동일한 섬의플렉스러움이 이렇게 하는 것입니다. 그리고 그 동일한 MSD입니다. 그래서 이제 아주 재미있는 다른 behavior가 있습니다. 첫 번째는 지금 콜라이도 파티클, 팩클리넘버 0, 이 세마이플렉스러운 네트워크에 닫힙니다. 이제 3.25만 원입니다. 이 3.25만 원은 놀랍지 않습니다. 이 세마이플렉스러운 네트워크에 닫힙니다. 이 세마이플렉스러운 네트워크는 놀랍지 않습니다. 이제 팩클리넘버에 닫힙니다. 슬러브, 슬러브, 슬러브, 슬러브, 슬러브, 슬러브, 그런데 더 재미있다는 점은 그래도 팩클리넘버가 높은데 슬러브는 1.5만 원을 시작합니다. 이 1만 원의 보존입니다. 이 1만 원의 보존은 이제 3만 원의 2만 원을 제외합니다. 이 1만 원의 보존은 이 3만 원의 보존을 제외합니다. 이 1만 원의 보존은 이왕 죠 1만 원의 보존을 제외합니다. 이�フ度이 아니기 때문에 세이�春 공장의 이왕 Jia1차icky는 그 DPBO는 그ilet pronto 그 scaffold planned 1만 원을 제외합니다. 또한 여전히 이 단어로 설명할 수 있습니다. 또한 이 단어로 말할 수 있습니다. 그러면 우리의 main question is What should be the K? In the previous problem, we exactly solved the problem and we found the K, but now we don't have it. So we have to know what should be the K, and then we actually deduce what should be K from so-called tension propagation theory. So imagine that if we're having this active particle here, it perturbed in the system, and then this perturbing tension propagate along the chain like that. And this tension propagation actually explained by this equation. So here this term actually come from the semi-flexible polymer. So from this equation we can actually know that the time that this tension propagate just one segment distance. So we call this tau naught. And then the other timescale that this fluctuation can affect to the last one is tau r. So we have a two propagation time, and then once we perturbing the system, then because they're connected, so this, as I said, this tension is propagating. So they are more and more particle is now moved together. So we can thinking about this frictional coefficient of this single particle is now nothing, and it is increasing. So this is the idea of the tension propagation theory. So from this idea, we can actually derive that gamma should be this exponent. So it should be K like that. So from that we can actually explain that the K is given by the basic timescale and exponent and also gamma is the frictional coefficient of the filament and F is the number of arms. And then the thermal part should also satisfy this equity. So it is connected by that. And then this active noise is given by this exponential noise like a real noise. So we know this equation. Then the mathematics is the same. So we can solve this and then we can arranging, simplifying the term then in the case of MST is given by two term as I said thermal part and active part. And the thermal part is you see the given by the exponent alpha, right? So that's the, this one. So alpha is three-quarter like that. And then in the case of active part when we solve this and we found that they have a two different scaling depending on the tau A. If the time is smaller than tau A then slope is two A here. And then larger than the tau A then it should be two A minus one. So the alpha is three-quarter. So if you plug in then we observe two-third and three over two and one-half that what we observed in the simulation. And actually this theory not only explain the scaling also we actually explain the amplitude. So if you look at this term then there are the same part is also appear here. So we can divide it by the same factor then we can actually having the scaling function like this. So all this curve should be collapsed once we rescale well X and Y. So we did and then you see that if we changing the peckling number and persistent length and also number of arm that they all collapse in the same. So very nicely they explain the behavior. How much time do I have? Okay, so I think this part 마이스티와 양준희 is having the poster. So you can actually see this. So I just explain up to the time. So the second part as I said we are now studying the active particle now embedded in the polymer network. So here we constructed like a cubic lattice like that. So polymer network is given by this geometry and then now we have active tracer or particle with a different peckling number and also size of the particle can also vary so that we can actually want to know that we change the size of the particle and also we change the peckling number then by changing these two variable then we want to know that how the active diffusion will be. Okay, so we did the full simulation and then I will skip the small size tracer. 양준희 will explain you. So that, okay. Then when the particle is very small then very easily diffusion through the network so there's some story but 양준희 will explain. And then if the particle is larger then the particle is now stuck in the confine, right? And then this is a typical trajectory. So you see that essentially the motion is like trapped and then hoping and trapped and hoping like this kind of diffusion come and then peckling number zero case you see that mostly the particle is confined and then they escape from the neighbor side and they go to nearest neighbor like that. But in the case of active tracer now you see they can very easily move in through so now you see that they are three dimensional trajectory looks like that, right? So more active than they have more like hoping is now appear so that we measure this waiting time of trapped, this time and then we found that it is nicely explained by this exponential distribution and then we found that this exponential distribution is very robust. So even though we changed the harmonic spring or like EV excludable interaction or change typically is whatever actually this exponential law is valid. So it is very different from some other literatures that people study like active tracer in the post-media then they found like a parallel distribution but in this system it's like a simple exponential law is maintained and then we also measure the flight length distribution how when we have a hoping then what should be the hoping distance and you see that very peak and that means that in the case of some of Browner particle is just a waste of jump waste of jump but in the case of active particle it's a multiple mesh jump is now possible like multiple jump and then if you measure the PDF then they have oscillating and the decay like that so very interesting like that. Then, okay so this is a MST so when the particle is a Brownian particle they are confined and then some would be perceived here then eventually they show the Brownian motion because of this fluid system is moving now the peckling number is a high then the interesting thing is that now you see that the confinement effect is disappear so that eventually now you see that in the long time always even though the particle is in the polymer system they show the active fichian dynamics linearities recovered and at this peckling number that is almost linear which means that they don't feel any confinement effect in the polymer and then more high peckling number then you see that they are super TPC but eventually after power A the memory time then they show the T active Brownian fichian dynamics observed then so we try to explain this behavior from this idea but I will skip because of this time then the interesting point is that what actually now we realize whole this system can be understood in terms of this active radio crossing so we have a very periodic potential in the system and then now we active particle is confined in one wall and then now it actually escape from the nearest neighbor or the multiple jump so that's what actually we observe so this is I think a very interesting problem which can be applied to many other systems so actually we did so we found very similar behavior but there are some difference and this is the last slide and so we now show you the diffusion constant long time diffusion constant is a function of peckling number and as I said depending on the trace of size they have a very different behavior so that in the small trace so I think Yongjin will answer so today I just explained the mesh size mesh size particle diffusivity can be explained by this idea so that means that it's like average distance scale divided by time and the time is trapping time and then flight time plus something so here when the peckling is very small then they are essentially trapped so essentially the center of the mass is moving so then the peckling number scaling is peckling number order second and then when a peckling number is in this range then trap and hopping is accurate then very sensitively increasing and eventually very high peckling number that they are just hopping so that we have another one so we can explain this behavior like that okay so that's all so today I show you two different polymer system in the behavior of active diffusion of this okay and then I show you the people who are working on this project so I especially think actually I didn't show you here but probably when you came here I really thank you for collaboration okay thank you yeah yes when you came here the first it's time for one quick question yes thank you for your talk in the middle of your talk for the AVP Cross Linker you introduced that as the peckling number increase the diffusion goes more anomalous but why does it intuitively why does it go self-diffusive, not super diffusive intuitively so it is actually a negative feedback so the polymer system give you the so if you push then actually this friction is not immediate and it is like a retarded time friction and it is accumulated in the end so eventually and also you can imagine it is connected to the polymer system so it can actually escape much from the original place so this feedback is highly negative so eventually it give you the negative correlation in the end so that's the idea of this self-diffusion thank you so does it tell something about rheology of the polymer chain like oh yeah yeah yeah thank you your system reminds me of this biological system active myosin working in the active filaments measurable active filaments but somehow I feel that we're treating this active particle just freely diffusing inside the mesh work is somewhat different from the myosin working I mean do you see it just it just remind your talk just reminds me such a system so do you see any difference from the biological system and your artificial system so actually I can give discussion about this point but I found that exactly same dynamics actually observed long time ago that this two slope in the case of myosin motor is just fluctuating the cell the polymer it also give the exactly the same equation and exactly the same dynamics is experiment observed so that I think there are very similar thing is actually happened in the system yes yeah to the filaments and working on the filaments right your active particle is just freely diffusing I mean diffusing in the just kind of bilistically moving several propellants so yeah so what you see that this network orientation is very random so it have been like homogenous isotropic properties also ocean and then when this myosin motor pushing the like a colloidal particle then it is like something like a random force and it also exponentially correlated the memory so then the full idea that what we show here is very similar to the real system the real system is that the system is the interactivity environment in the active dynamics in the system is very similar so that they are actually people in the Israel people they also invented actually the same same model and then very similar result for them