摘 要：布朗運(yùn)動(dòng)為物質(zhì)微觀模型的建立提供了重要依據(jù)，是分子運(yùn)動(dòng)論和統(tǒng)計(jì)力學(xué)發(fā)展的基礎(chǔ).本文基于python語言模擬了布朗運(yùn)動(dòng)方差均值與時(shí)間之間的關(guān)系以及每一條隨機(jī)運(yùn)動(dòng)軌跡上的所有相應(yīng)點(diǎn)的x方向上位移做平均后的分布，得出的結(jié)論與理論導(dǎo)出的一致，直觀地說明了布朗運(yùn)動(dòng)的實(shí)質(zhì).此外，本文還基于細(xì)胞世界中的某些蛋白的實(shí)驗(yàn)數(shù)據(jù)得出了玻爾茲曼常數(shù).

關(guān)鍵詞：布朗運(yùn)動(dòng)；python語言；玻爾茲曼常數(shù)

中圖分類號：O552.1" 文獻(xiàn)標(biāo)識碼：A" 文章編號：1673-9329（2024）03-0018-05

19世紀(jì)20年代，生物學(xué)家布朗（Brown）用顯微鏡觀察懸浮在水中的花粉中小顆粒、玻璃粒子和小石塊碾成的細(xì)粉末時(shí)，均發(fā)現(xiàn)這些微小顆粒在永不停息地做無規(guī)則運(yùn)動(dòng)[1].1905年，愛因斯坦在物理年報(bào)發(fā)表了《熱的分子運(yùn)動(dòng)論所要求的靜液體中懸浮粒子的運(yùn)動(dòng)》[2].該文基于物質(zhì)的原子假設(shè)，應(yīng)用統(tǒng)計(jì)力學(xué)的方法得出了粒子運(yùn)動(dòng)位移的方差均值（即相對于原點(diǎn)位移的平方均值）〈x2〉與時(shí)間t呈線性關(guān)系，這樣將原子的物理性質(zhì)與宏觀上可以測量的物理量聯(lián)系了起來.在1908—1911年期間，物理學(xué)家佩蘭（Perrin）和他的學(xué)生用一系列的實(shí)驗(yàn)驗(yàn)證了愛因斯坦的理論，并成功測得了阿伏伽德羅常數(shù)，從而使分子動(dòng)理論的物理圖像被人們廣泛接受[3].特別是自愛因斯坦推導(dǎo)了布朗粒子擴(kuò)散方程以來的100多年里，許多科學(xué)家對布朗運(yùn)動(dòng)進(jìn)行了理論與實(shí)驗(yàn)上的研究，得到了很多具有重要意義的結(jié)論.布朗運(yùn)動(dòng)理論不僅被廣泛應(yīng)用到熱噪聲進(jìn)而是量子噪聲、軟物質(zhì)等物理領(lǐng)域中[4-7]，還被廣泛應(yīng)用到數(shù)學(xué)、化學(xué)、生物學(xué)、氣候?qū)W和金融等其他學(xué)科中[8-14]，也是當(dāng)今仍被廣泛研究的前沿課題.

布朗運(yùn)動(dòng)反映了液體分子在做永不停息的無規(guī)則運(yùn)動(dòng)，為物質(zhì)微觀模型的建立提供了重要依據(jù)，也是分子運(yùn)動(dòng)論和統(tǒng)計(jì)力學(xué)發(fā)展的基礎(chǔ).因此，如何使人們直觀地掌握布朗運(yùn)動(dòng)的性質(zhì)以及應(yīng)用到相關(guān)科學(xué)前沿中去是一個(gè)很值得探索的主題.本文首先基于郎之萬方程導(dǎo)出布朗粒子運(yùn)動(dòng)位移的方差均值與時(shí)間的關(guān)系，并做簡單分析.這個(gè)推導(dǎo)過程雖然簡單但比較抽象，因此，應(yīng)用python語言中的隨機(jī)函數(shù)模擬并擬合了二維隨機(jī)運(yùn)動(dòng)過程的平方均值與時(shí)間的關(guān)系.然后，基于佩蘭當(dāng)年的實(shí)驗(yàn)數(shù)據(jù)得到了玻爾茲曼常數(shù).最后，運(yùn)用愛因斯坦關(guān)系、斯托克斯公式以及生物學(xué)中的實(shí)驗(yàn)數(shù)據(jù)來說明布朗運(yùn)動(dòng)理論的合理性并求出玻爾茲曼常數(shù).

1郎之萬方程

對于一維布朗運(yùn)動(dòng)（考慮x方向），其運(yùn)動(dòng)方程可用郎之萬方程表示[15].

md2xdt2=-αdxdt+X（1）

（1）式右邊的第一項(xiàng)是布朗粒子運(yùn)動(dòng)時(shí)所受的阻力，第二項(xiàng)是引起布朗粒子做隨機(jī)運(yùn)動(dòng)的力.注意到

dxdt=12xdx2dt，d2xdt2=12xddtdx2dt-1xdxdt2

可得

m2ddtdx2dt-mdxdt2=xX-α2dx2dt（2）

對（2）式的兩邊求平均后得

m2d2dt2〈x2〉-m〈dxdt2〉=〈xX〉-α2d〈x2〉dt（3）

由于位移x與隨機(jī)力X是獨(dú)立的，且X可正可負(fù)，則平均效果為零，因而〈xX〉=0.根據(jù)能量均分定理

〈12mdxdt2〉=12kT（4）

則（3）式可化簡為

d2〈x2〉dt2+αmd〈x2〉dt-2kTm=0（5）

這是一個(gè)二階常系數(shù)微分方程，其通解為

〈x2〉=2kTαt+C1e-dt/m+C2（6）

其中C1、C2是積分常數(shù).

假定在黏度為η 的流體中的粒子呈球形，且半徑為R（大于1 nm），則根據(jù)斯托克斯公式得到黏性摩擦系數(shù)

α=6πηR（7）

布朗粒子的半徑一般為0.1～10 μm，而水在常溫下的黏性系數(shù)約為10-3Pa·s，因此

α/m=9η/（2ρR2）

其數(shù)量級為104～108.我們觀測的時(shí)間遠(yuǎn)大于10-3 s，故（6）式中的第二項(xiàng)可以略去.設(shè)t=0時(shí)的位置為起點(diǎn)，則〈x2〉t=0=C2=0，因此（6）式簡化為

〈x2〉=2kTαt=2Dt（8）

其中D=kT/α為擴(kuò)散系數(shù).

因此，擴(kuò)散系數(shù)與流體黏性系數(shù)的關(guān)系可表示為

αD=kT（9）

這個(gè)關(guān)系被稱為愛因斯坦關(guān)系[13]，揭示了布朗粒子的漲落與其所受到的耗散之間存在的重要聯(lián)系，是漲落-耗散定理的一種表示形式.更為重要的是，愛因斯坦關(guān)系表明在相同的溫度下即使是不同種類的顆粒或者溶液總能得到相同的值，這是一個(gè)普適的關(guān)系.反過來，也能利用小顆粒的擴(kuò)散系數(shù)與溶液的黏性系數(shù)來給出玻爾茲曼常數(shù).也就是說，愛因斯坦關(guān)系給出了測量物理基本常數(shù)——玻爾茲曼常數(shù)的一種方法.

2布朗運(yùn)動(dòng)的Python模擬

基于郎之萬方程導(dǎo)出的位移方差均值與時(shí)間的簡單關(guān)系，雖然數(shù)學(xué)過程并不復(fù)雜，但對人們理解這個(gè)公式還是比較抽象的.為此，筆者利用python語言中的隨機(jī)函數(shù)對布朗運(yùn)動(dòng)進(jìn)行了模擬，使其以直觀的方式呈現(xiàn)出運(yùn)動(dòng)規(guī)律，以便人們更容易理解布朗運(yùn)動(dòng)的規(guī)律.

筆者設(shè)計(jì)了如下方案來模擬二維布朗運(yùn)動(dòng).考慮一個(gè)運(yùn)動(dòng)500步的布朗粒子從當(dāng)前到下一步隨機(jī)行走的規(guī)則設(shè)為：在x方向上可正可負(fù)，步長為0、1、2、3、4、5中的任何一個(gè)數(shù)，y方向同理.如果x方向與y方向均為零，那么不記錄本次數(shù)據(jù)，直接生成下一個(gè)隨機(jī)數(shù)據(jù).這樣隨機(jī)生成500對x與y數(shù)據(jù)點(diǎn)之后就形成了布朗粒子的一條運(yùn)動(dòng)軌跡.然后，對這條軌跡上的每一個(gè)點(diǎn)計(jì)算方差.接下去，考慮5 000條這樣的隨機(jī)路徑，對這些路徑上的每一點(diǎn)分別做方差均值（即系綜平均）.最后，利用python將每個(gè)點(diǎn)的方差均值畫出來，并用直線擬合.圖1是用上面的隨機(jī)運(yùn)動(dòng)規(guī)則模擬出來的圖像，可以看出方差均值跟步數(shù)呈很好的線性關(guān)系，擬合優(yōu)度為0.999 260（擬合優(yōu)度為1說明這些點(diǎn)完全是直線上的點(diǎn)），直觀地呈現(xiàn)了（8）式的性質(zhì).圖2是在以上隨機(jī)行走規(guī)則下，對于每一條軌跡（共500個(gè)點(diǎn)，隨機(jī)生成5 000次）上的所有相應(yīng)點(diǎn)的x方向上位移做平均后①這里的相應(yīng)點(diǎn)做平均是指：第i個(gè)點(diǎn)（i=1，2，3，4...500）做5 000次（5 000條隨機(jī)生成的軌跡）相加后做平均.

的分布圖，總體呈現(xiàn)正態(tài)分布，與預(yù)期一致.

以上的模擬很好地說明了愛因斯坦關(guān)系的正確性，也證實(shí)了分子的確在永不停息地做無規(guī)則運(yùn)動(dòng).其實(shí)，當(dāng)年佩蘭在常溫下每隔30 s觀測半徑為0.37 μm的杜仲膠膠體顆粒在二維平面上的隨機(jī)運(yùn)動(dòng)，收集了508個(gè)凈位移并計(jì)算出方均根位移為〈r2〉=7.84 μm[13，16].根據(jù)二維平面上方差均值與擴(kuò)散系數(shù)的關(guān)系

〈r2〉=4Dt（10）

再結(jié)合（7）式和（9）式，可得

6πηR〈r2〉=4tkT（11）

將水在溫度T=293K下的黏度系數(shù)η=1.0×10-3kg m-1s-1，方均根位移〈r2〉=7.84 μm，時(shí)間t=30 s及半徑R=0.37 μm代入（11）式，可得玻爾茲曼常數(shù)

k=1.22×10-23J/K（12）

準(zhǔn)確性（相比后來的標(biāo)準(zhǔn)值）與他之前的測量值相比有了很大的提高[3].這樣，布朗運(yùn)動(dòng)的模擬與真實(shí)觀測到的實(shí)驗(yàn)數(shù)據(jù)緊密地聯(lián)系了起來，有助于人們更好地理解布朗運(yùn)動(dòng)的本質(zhì).

3生物學(xué)與布朗運(yùn)動(dòng)

在細(xì)胞的世界中，很多蛋白的尺度是納米量級，此時(shí)鄰近分子的隨機(jī)沖擊會在很大程度上影響蛋白的位置，這種現(xiàn)象可以用布朗運(yùn)動(dòng)來描述.實(shí)際上，布朗運(yùn)動(dòng)的規(guī)律同樣可以用來描述很多舒展型生物大分子的構(gòu)象，這有助于我們理解生物學(xué)中分子馬達(dá)的運(yùn)轉(zhuǎn)[13].此外，單個(gè)分子的純隨機(jī)布朗運(yùn)動(dòng)造成了整個(gè)分子集團(tuán)的擴(kuò)散，而擴(kuò)散是亞微米尺度下物質(zhì)輸運(yùn)的主要形式，也是理解細(xì)胞生物學(xué)中的雙層膜滲透率、跨膜電位等機(jī)制的基礎(chǔ).基于愛因斯坦關(guān)系與一些蛋白的實(shí)驗(yàn)數(shù)據(jù)，也能夠?qū)С霾柶澛?shù).

根據(jù)斯托克斯公式（7）以及愛因斯坦關(guān)系（9），得到

6πηRD=kT（13）

對表1中的數(shù)據(jù)進(jìn)行處理，我們可以發(fā)現(xiàn)這些半徑大于1nm的生物分子的擴(kuò)散系數(shù)與半徑倒數(shù)近似為線性關(guān)系（見圖3），計(jì)算表中的數(shù)據(jù)可得RD均值2.1×10-19m3·s-1.

取常溫為293K，這時(shí)水的黏性系數(shù)為η=1.0×10-3kg m-1s-1.將這些數(shù)據(jù)代入（13）式后可估算出玻爾茲曼常數(shù)

k=1.35×10-23J/K（14）

與現(xiàn)在的標(biāo)準(zhǔn)值k=1.38×10-23J/K[13]相比，誤差僅為2%，再次說明了愛因斯坦關(guān)系給出了測量玻爾茲曼常數(shù)的一種方法.反過來，我們也可以根據(jù)愛因斯坦關(guān)系去估算分子的半徑.

4結(jié)語

本文基于python語言模擬了布朗運(yùn)動(dòng)方差均值與時(shí)間之間的關(guān)系，得到了方差均值正比于時(shí)間的性質(zhì)，這與用郎之萬方程導(dǎo)出的關(guān)系一致.然后模擬了每一條隨機(jī)運(yùn)動(dòng)軌跡上的所有相應(yīng)點(diǎn)的x方向上位移做平均后的分布，總體呈正態(tài)分布，這與中心極限定理所預(yù)示的一致.這些結(jié)論更加直觀地說明了布朗運(yùn)動(dòng)的實(shí)質(zhì).接著用當(dāng)年佩蘭的實(shí)驗(yàn)數(shù)據(jù)得出了玻爾茲曼常數(shù)（很接近現(xiàn)在的標(biāo)準(zhǔn)值），證實(shí)了愛因斯坦關(guān)系的有效性.最后，基于愛因斯坦關(guān)系、斯托克斯公式以及生物學(xué)中的相關(guān)實(shí)驗(yàn)數(shù)據(jù)用Python擬合出了玻爾茲曼常數(shù).該值與現(xiàn)在的標(biāo)準(zhǔn)值相比，誤差僅為2%，這也表明布朗運(yùn)動(dòng)理論能很好地描述生物的細(xì)胞世界.

關(guān)于布朗運(yùn)動(dòng)的研究，已在很多看似不相干的領(lǐng)域取得了重要成果[12].例如，佩蘭與斯威德伯格（Svedberg）因?yàn)樽C實(shí)了原子的真實(shí)性分別獲得了1926年的諾貝爾物理學(xué)獎(jiǎng)與諾貝爾化學(xué)獎(jiǎng).金融學(xué)中基于布朗運(yùn)動(dòng)規(guī)律的期權(quán)定價(jià)理論獲得了1997年的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng).哈塞爾曼（Hasselmann）從布朗運(yùn)動(dòng)研究中得到啟發(fā)提出的隨機(jī)氣候?qū)W模型獲得了2021年的諾貝爾物理學(xué)獎(jiǎng).雖然關(guān)于布朗運(yùn)動(dòng)的研究已經(jīng)取得了許多重要成果，但目前仍然是非?；钴S的研究領(lǐng)域.

參考文獻(xiàn)：

[1]冉詩勇. 布朗運(yùn)動(dòng)相關(guān)科學(xué)史[J]. 現(xiàn)代物理知識，2013，25（3）：49-53.

[2]EINSTEINA. On the Motion - Required by the Molecular Kinetic Theory of Heat of Small Particles Suspended in a Stationary Liquid[J].Ann. Phys.，1905，17（8）：549-560.

[3]HNGGI P， MARCHESONI F. Introduction： 100 Years of Brownian Motion[J]. Chaos，2005，15（2）：026101.

[4]WANG M C，UHLENBECK G E. On the Theory of the Brownian Motion II[J]. Rev.Mod.Phys， 1945（17）：323-342.

[5]NELSON E.Dynamical Theories of Brownian Motion[M]. Princeton： Princeton University Press，1967.

[6]HNGGI P， INGOLD G L. Fundamental Aspects of Quantum Brownian Motion[J].Chaos，2005，15（2）：026105.

[7]QIU T，QUAN H T.Quantum Corrections to the Entropy in a Driven Quantum Brownian Motion Model[J]. Commun.Theor.Phys.，2021，73（9）：095602.

[8]DOOB J L.Stochastic Processes[M].NewYork：John Wiley amp; Sons，1953.

[9]HASSELMANN K.Stochastic Climate Models： Part I.Theory[J].Tellus，1976，28（6）：473-485.

[10]KIMURA M.The Neutral Theory of Molecular Evolution[M].Cambridge： Cambridge University Press， 1983.

[11]PAUL W，BASCHNAGEL J.Stochastic Processes from Physics to Finance[M].Berlin： Springer-Verlase， 1999.

[12]FREY E，KROY K. Brownian motion： Paradigm of soft matter and biological physics[J]. Ann. Phys.，2005（14）：1-3.

[13]菲利普·納爾遜.生物物理學(xué)：能量、信息、生命[M]，上海：上?？茖W(xué)技術(shù)出版社，2016.

[14]陳樂天，袁紅，孫昌璞.布朗運(yùn)動(dòng)理論及其在復(fù)雜氣候系統(tǒng)研究中的應(yīng)用[J].物理，2022，51（9）：588-601.

[15]蘇汝鏗.統(tǒng)計(jì)物理學(xué)[M].2版.北京：高等教育出版社，2016.

[16]PERRIN J.Les Atomes[M].3rd. Paris： Presses Universitaires de France，1948.

[17]李軍鋒，邢達(dá)，李紹新.電解質(zhì)溶液中牛血清白蛋白分子相互作用的動(dòng)態(tài)光散射研究[J].分析化學(xué)，2004，32（11）：1421-1425

[責(zé)任編輯：劉紅霞]

Simulation of Brownian Motion by the Python Programming Language and Its Application

TU Feiquan1，TAN Zhiyun1， WAN Meng1， YANG Youchang2

（1.Zunyi Normal University， Zunyi， Guizhou， 563006， China; 2. Guizhou University of Engineering Science， Bijie， Guizhou， 551700， China）

Abstract：

Brownian motion provides an important basis for the establishment of the microscopic model of matter， is the basis for the development of molecular motion theory and statistical mechanics. Based on the Python Programming language， this paper simulates the relationship between the mean variance of Brownian motion and time， as well as the distribution of the displacement in the x direction after the average of all corresponding points on each random motion trajectory. The conclusions drawn are consistent with those derived from the theory， and the essence of Brownian motion is intuitively explained. In addition， Boltzmann constants are derived based on experimental data for certain proteins in the cellular world.

Key words：

Brownian motion; python programming language；boltzmann constants