参数
预设场景
步态类型
本工具展示内容
大量游走粒子从原点出发，每一步都独立地向随机方向移动。可同时观察云团般扩散的轨迹、⟨r²⟩ ∝ N 的直线，以及终点分布收敛至高斯分布的过程（中心极限定理）。
随机游走
游走轨迹
原点
中心白色十字＝起点（原点）。
平均平方位移
实测 ⟨r²⟩
理论值 a²·N（线性扩散定律）
⟨r²⟩ ∝ N（扩散）：直线斜率＝a²。
理论·主要公式
终点x直方图
高斯拟合
终点分布→高斯分布（大量独立步长之和）。
理论与主要公式
若每一步相互独立、均值为0且方差恒定，则二维均方位移与步数成正比增加：
$$\langle r^2(N)\rangle = N\,a^2 = 4Dt$$
其中 $a$ 为步长，$D$ 为扩散系数，且 $D=a^2/(4\,\Delta t)$。在双对数图中呈斜率为1的直线，这是正常扩散的特征。各分量的方差为 $\langle x^2\rangle = N a^2/2$，由于终点分布是大量独立步长之和，因此根据中心极限定理会收敛到高斯分布。在二维情况下返回原点的概率为1（Pólya 定理）。
验证示例：a=4、N=200 → ⟨r²⟩≈Na²=3200。斜率 ⟨r²⟩/N 收敛到约 a²=16。
2D随机游走简介
🙋
随机游走就是醉汉漫无目的地走路的模型吧？这有什么实际用处呢？
🎓
简单来说，它是理解不规则运动的"标尺"。例如，细胞内的营养分子如何扩散、股票价格的变动、昆虫寻找食物的行为——都有广泛的应用。在这个模拟器中，尝试将"行走类型"从"晶格"改为"连续"，你会看到运动的平滑度差异很大。
🙋
我明白了。但是图表中的"平均平方位移(MSD)"是什么意思？
🎓
MSD量化了粒子平均扩散到多远。在实验中，通常用它从粒子的观测运动中计算扩散速度(扩散系数)。看看模拟器右边的对数-对数图。对于通常的扩散(晶格·连续)，MSD直线的斜率大约是1。但如果你切换到"莱维飞行"并设置"幂指数α"较小(比如1.5)，你会看到斜率大于1——这就是"超扩散"。
🙋
超扩散很有趣！但这样大幅度跳跃的运动真的存在吗？
🎓
确实存在。例如，海洋中的鲨鱼和信天翁在寻找食物时，会进行小范围的移动，然后偶尔进行长距离迁移。这正是莱维飞行的近似。在模拟器中，增加"游走者数"，选择"莱维飞行"运行。你会看到大多数粒子在较小范围内，但偶尔有粒子飞到很远的地方——这在视觉上很清晰。
常见问题
增加游走者数量会减少MSD的统计波动，使其更接近理论曲线。增加步数可以观察更长时间的扩散行为，并使噪声平滑化，但会增加计算负荷。请根据目标调整。
晶格以固定长度仅沿正交方向移动，显示通常扩散。高斯以连续随机方向和距离模拟布朗运动。莱维飞行包含偶发的长距离跳跃，再现超扩散(MSD与时间的二次方或更高阶成正比)。
在初期瞬态阶段，游走者位置集中在原点附近，导致MSD偏离理论直线。此外，对于莱维飞行，如果长距离跳跃频率较低，统计上会不稳定，曲线可能出现锯齿状。
可用于生体内分子扩散、生态系统中动物的觅食行为、金融市场的价格变化等随机运动模式的分析。特别是莱维飞行被视为高效搜索策略的模型，也应用于机器人路径规划。
实际应用
生物物理学·生态学：细胞内蛋白质和mRNA的扩散、微生物和动物觅食行为的分析。莱维飞行作为高效搜索策略备受关注。
材料科学：多孔材料内气体或液体的渗透·扩散过程建模。用随机游走预测不规则结构内的粒子运动。
金融工程：作为股票和汇率变化建模的基础。特别是包含大价格变动(跳跃)的模型参考莱维飞行。
高分子科学：将聚合物链的结构和动力学特性理解为组成单体的随机游走集合体的统计方法。
常见误解和注意事项
首先，"扩散系数D仅由粒子种类决定为常数"是个误解。例如，同一分子在水中和油中的扩散速度完全不同。在模拟器中，将"行走类型"改为"连续"，保持"步长"不变，试着调动"扩散系数"滑块。粒子运动的"活跃度"会改变吧？这意味着扩散系数强烈依赖"环境(粘度等)"和"温度"。实际工作中，正确地从实验值或文献值设置模拟中的D值是第一步。
其次，不要根据一次运行来判断MSD图。特别是当游走者数较少时，MSD图的波动相当大。尝试用游走者数1的"晶格"行走运行，MSD应该不会形成平滑的直线。这是统计波动。要获得可靠的结果，需要用足够多的游走者(例如100以上)运行模拟，并取平均值。
最后，莱维飞行参数的设置需要谨慎。如果幂指数α设置为接近2.0的值(例如2.1)，外观上与通常的随机游走几乎没有区别。要清晰地看到超扩散的特征，请在α为1.5至2.0之间设置。但如果α设置过小(例如1.1)，会发生极端长距离的跳跃，粒子会立即飞出模拟区域。在应用于真实现象时，从观测数据谨慎推断α的过程是必不可少的。