Modelo de Turing

De Física Computacional
Revisão de 14h19min de 22 de novembro de 2020 por Pedhmendes (discussão | contribs) (→Implementação)
Ir para navegação Ir para pesquisar

EM CONSTRUÇÃO

Equação de Turing

Simulações computacionais que envolvem equações diferenciais parciais (EDP's) são usualmente modeladas através da discretização das variáveis espaciais e temporais. Algumas dessas equações descrevem comportamentos difusivos no sistema, sendo chamadas de equações de difusão. Tais equações envolvem variáveis de estado que apresentam variações temporal e espacial e coeficientes de difusão no sistema, além de outros parâmetros que influenciam na evolução dos estados. Dentro desse ramo de equações, encontra-se o Modelo de Turing, desenvolvido por Alan Turing, que utiliza como base a concentração de espécies em um sistema, avaliando sua reação, difusão e variação espacial e temporal. São muitas as aplicações do modelo, principalmente em ramos como biologia e química, envolvendo problemas com formação de padrões[1]. A seguir, descrevemos sua formulação matemática.

Sejam u e v as concentrações das espécies que serão analisadas. Sejam a,b,c e d parâmetros e h e k constantes. Os coeficientes de difusão são Du e Dv, cada um associado a uma das concentrações[2]. O Modelo de Turing é dado pelas EDP's


∂u∂t=a(u−h)+b(v−k)+Du∇2u

∂v∂t=c(u−h)+d(v−k)+Dv∇2v


Note que certa parte de cada equação depende apenas dos parâmetros e das concentrações. Podemos, portanto, utilizar funções de variáveis u e v para descrever o sistema[3], de modo que


ut=Du∇2u+f(u,v)

vt=Dv∇2v+g(u,v)

Estabilidade e instabilidade no modelo de Turing

Já vimos que o modelo de Turing depende de parâmetros a,b,c,d, de constantes h e k e dos coeficientes de difusão.

Afirmação: Se Du=Dv=0, temos (veq,ueq)=(h,k) como o único ponto de equilíbrio.

Demonstração: Mostraremos que (h,k) é ponto de equilíbrio. De fato, ao aplicarmos esse ponto na equação do modelo de Turing, temos


ut|u=k=0=vt|v=h


para mostrar que é único, suponha que existem dois pontos de equilíbrio, a saber, (v1,u1) e (v2,u2). Vemos que, como as equações diferenciais em cada ponto fixo são iguais a zero, temos


a(u1−u2)+b(v1−v2)=0


c(u1−u2)+d(v1−v2)=0


Consequentemente, devemos ter


(b−adc)(v1−v2)=0⟹v1=v2.


Do mesmo modo, u1=u2. Portanto, o ponto de equilíbrio é único nessas circunstâncias.

Implementação

Discretização - Método FTCS

Para resolver numericamente as equações de Turing iremos utilizar o método FTCS (Forward Time Central Space). O método FTCS é o mais simples e consiste em discretizar a derivada em t de forma não simetrizada. Obtemos as seguintes discretizações para uma função genérica f(r,t)


∂f∂t=f(r,t+dt)−f(r,t)dt


∂2f∂r2=f(r+dr,t)−2f(r,t)+f(r−dr,t)dr2


Onde r→ é o vetor posição, que neste trabalho utilizamos apenas duas dimensões, r→=(x,y).

Podemos discretizar as equações de Turing diretamente com o método FTCS. Talvez o único problema seja o laplaciano, porém basta escrever da forma


∇2f(r,t)=∂2f∂x2+∂2f∂y2


Assim podemos utilizar a discretização simetrizada e obter


∇2f(r,t)=f(x+dx,t)−2f(r,t)+f(x−dx,t)dx2+f(y+dy,t)−2f(r,t)+f(y−dy,t)dy2


Ao tomarmos dx=dy, que faremos aqui, podemos simplificar a discretização do laplaciano para


∇2f(r,t)=f(x+dx,t)+f(x−dx,t)+f(y+dy,t)+f(y−dy,t)−4f(r,t)dx2

Então obtemos que as equações de Turing discretizadas pelo método FTCS, em notação discreta, são dadas por


ui+1,j+1=ui,j+[a(ui,j−h)+b(vi,j−k)+Duui+1,j+ui−1,j+ui,j+1+ui,j−1−4ui,jdx2]dt

vi+1,j+1=vi,j+[c(ui,j−h)+d(vi,j−k)+Dvvi+1,j+vi−1,j+vi,j+1+vi,j−1−4vi,jdx2]dt

Aplicação Computacional

Utilizamos uma rede quadrada de tamanho L×L com condições de contorno periódicas. O sistema inicia próximo do equilibrio (u,k)=(h,k) e então é aplicado um pequeno ruído para começar a difusão. Tomamos dx=dx=1/L

Resultados

Programas Utilizados

Referências

  1. ↑ https://en.wikipedia.org/wiki/Turing_pattern
  2. ↑ H. Sayama, "Introduction to the Modeling and Analysis of Complex Systems", p. 260. Open SUNY Textbooks, Geneseo, NY, 2015.
  3. ↑ J. Jost, "Partial Differential Equations", 3ed, p.140. Springer Science+Business Media, New York, 2013.