Mixing induced by microswimmers as probed by mutual information

Resumen Técnico: Mezcla Inducida por Micro-nadadores Investigada mediante la Información Mutua

Planteamiento del Problema
La mezcla de fluidos a microescala es un proceso crítico tanto en sistemas biológicos (p. ej., captación de nutrientes, mezcla biogénica en los océanos) como en aplicaciones artificiales (p. ej., microrreactores, lab-on-a-chip). A diferencia de la mezcla macroscópica, los flujos a microescala están gobernados por números de Reynolds bajos, lo que los hace reversibles en el tiempo; por lo tanto, el simple agitación es insuficiente, y la mezcla depende de la interacción entre la advección y la difusión molecular. Mientras que existen métricas convencionales para la eficiencia de la mezcla (p. ej., normas $L_2$, exponentes de Lyapunov), estas a menudo dependen de patrones iniciales específicos o de estiramiento local. Los autores pretenden investigar la mezcla inducida por micro-nadadores utilizando la información mutua, una medida informacional previamente validada solo en sistemas modelos simplificados (como el flujo de Couette), para determinar su aplicabilidad a flujos de fluidos activos complejos generados por nadadores.

Metodología
El estudio emplea un modelo de squirmer (nadador de superficie deslizante) en 2D para describir partículas circulares no deformables y libres de fuerza que nadan en un flujo de Stokes.

• Modelo de Flujo: El campo de flujo se genera mediante una velocidad de deslizamiento tangencial en la superficie del nadador, caracterizada por los modos $B_n$. Los autores retienen los dos primeros modos: $B_1$ (dipolo de fuente, que determina la velocidad de traslación) y $B_2$ (dipolo de fuerza/stresslet, que determina el tipo de nadador: pusher, puller o stresslet). El parámetro del squirmer se define como $\beta = B_2/B_1$.
• Confinamiento: Las simulaciones se realizan en un dominio cuadrado 2D con condiciones de contorno de deslizamiento perfecto (libre de tensión). La función de Green confinada se construye mediante el método de imágenes y se calcula en el espacio de Fourier para asegurar la estabilidad numérica, incluyendo la regularización espectral para representar nadadores de tamaño finito.
• Cuantificación de la Mezcla: La eficiencia de la mezcla se cuantifica mediante la información mutua $I[x_0; x_t]$ entre la posición inicial de una partícula $x_0$ y su posición final $x_t$ en el tiempo $t$. Esto se calcula como la diferencia entre la entropía de Shannon de la distribución de la posición final y la entropía condicional dada la posición inicial.
• Dinámica de Transporte: La evolución de la función de densidad de probabilidad (PDF) de las partículas trazadoras se resuelve numéricamente mediante la ecuación de advección-difusión (Fokker-Planck). La PDF condicional se obtiene mediante un método pseudo-espectral.
• Parámetros: El estudio compara diferentes configuraciones de nadadores (posiciones/orientaciones ordenadas vs. desordenadas), tipos de nadadores (stresslets, pushers, pullers, dipolos de fuente) bajo una restricción de tasa de disipación de energía total fija, y sistemas con y sin interacciones hidrodinámicas (HIs).

Resultados Clave

1. Impacto de la Organización Espacial:

   • El Desorden Mejora la Mezcla: Las configuraciones altamente simétricas (p. ej., posiciones ordenadas con orientaciones idénticas) suprimen el transporte a gran escala al crear dominios de flujo separados por líneas de estancamiento. La introducción de desorden en las orientaciones y posiciones de los nadadores rompe estas simetrías, generando campos de velocidad más irregulares que mejoran el estiramiento y la dispersión de los trazadores.
   • La Agregación Suprime la Mezcla: Una fuerte agregación de nadadores en una región localizada concentra el flujo inducido, dejando las regiones exteriores prácticamente sin afectación. A medida que la distribución espacial de los nadadores se amplía, la eficiencia de la mezcla aumenta.

2. Tipo de Nadador Óptimo y Disipación:

   • Dependencia No Monotónica: A una tasa de disipación de energía fija, la eficiencia de la mezcla depende de forma no monotónica del parámetro del squirmer $|\beta|$.
   • Compromiso (Trade-off): Existe un compromiso entre generar flujos de cizalla fuertes y de largo alcance (dominados por el componente de stresslet, $|\beta| \to \infty$) y lograr la dispersión espacial mediante la traslación del nadador (dominado por el componente de dipolo de fuente, $\beta=0$).
   • Valor Finito Óptimo: La eficiencia de mezcla óptima ocurre en un valor finito de $|\beta|$, equilibrando el flujo de largo alcance de los stresslets con el movimiento de traslación del nadador. Los stresslets puros ($\beta \to \infty$) son no motiles en ausencia de HIs y, por lo tanto, menos efectivos para la mezcla global que los nadadores con un $|\beta|$ finito.

3. Interacciones Hidrodinámicas (HIs):

   • Cuando se incluyen las HIs, los pushers ($\beta < 0$) superan a los pullers ($\beta > 0$). Esto se atribuye a la tendencia de los pullers a formar agregados o exhibir alineación polar, lo que reduce la eficiencia de la mezcla.
   • La inclusión de las HIs suaviza la dependencia de la eficiencia respecto a $|\beta|$ y desplaza el tipo de nadador óptimo hacia valores más grandes de $|\beta|$.

4. Regímenes de Mezcla y Tamaño del Sistema:

   • El decaimiento de la información mutua ocurre en tres etapas distintas:
     1. Dominada por Difusión: Etapa inicial donde la mezcla sigue la escala de difusión pura.
     2. Potenciada por Advección: Etapa intermedia donde la advección acelera la mezcla; la tasa de decaimiento es mayormente independiente del tamaño del sistema para una densidad de nadadores fija.
     3. Etapa de Relajación: Etapa final controlada por el tamaño del sistema, donde los trazadores interactúan con los límites.
   • Los sistemas más grandes retienen más información mutua durante períodos más largos, y el tiempo de relajación escala con el tamaño del sistema, aunque la dependencia es más débil que la escala $L^2$ esperada para la difusión efectiva pura debido al rango extendido de los flujos advectivos.

Significancia y Reivindicaciones
Este artículo demuestra que la información mutua es una medida robusta, universal y libre de supuestos para cuantificar la eficiencia de la mezcla en flujos activos complejos, extendiendo su validez más allá de los flujos de cizalla simplificados. El estudio revela que la mezcla inducida por micro-nadadores está gobernada por un compromiso fundamental: maximizar la mezcla requiere equilibrar la generación de flujos de cizalla fuertes (mediante componentes dipolares) con la dispersión espacial proporcionada por la traslación del nadador. Además, los resultados resaltan que el desorden en la organización de los nadadores y las interacciones hidrodinámicas colectivas (que favorecen a los pushers sobre los pullers) son factores críticos para determinar la eficiencia de la mezcla biogénica. El marco proporciona una base cuantitativa para comprender los fenómenos de transporte en fluidos activos, con relevancia potencial para flujos ciliares, suspensiones microbianas y transporte intracelular.