The propagation of light in a scattering medium is described as the motion of a special kind of a Brownian particle on which the fluctuating forces act only perpendicular to its velocity. This enforces strictly and dynamically the constraint of constant speed of the photon in the medium. A Fokker-Planck equation is derived for the probability distribution in the phase space assuming the transverse fluctuating force to be a white noise. Analytic expressions for the moments of the displacement $<x^{n}>$ along with an approximate expression for the marginal probability distribution function $P(x,t)$ are obtained. Exact numerical solutions for the phase space probability distribution for various geometries are presented. The results show that the velocity distribution randomizes in a time of about eight times the mean free time ($8t^*$) only after which the diffusion approximation becomes valid. This factor of eight is a well known experimental fact. A persistence exponent of $0.435 \pm 0.005$ is calculated for this process in two dimensions by studying the survival probability of the particle in a semi-infinite medium. The case of a stochastic amplifying medium is also discussed.


翻译:在散射介质中,光在散射介质中的传播被描述为一种特殊的布朗粒子的动作, 其波动力只对它的速度产生直角。 这严格和动态地强制施加介质中光子的恒定速度的制约。 Fokker- Planck 方程式的产物是相位空间的概率分布, 假设反向波动力是白色噪音。 迁移时间的分析性表达式$<x ⁇ n ⁇ $, 以及边际概率分布函数的近似表达式 $P(x, t) 。 提供了各种地貌的相位空间概率分布的精确数字解决方案。 结果显示, 速度分布在平均自由时间大约八倍( 8美元 美元 ) 之后, 扩散近似有效 。 8 系数是一个众所周知的实验事实 。 通过在半精度介质介质中研究粒子的生存概率, 计算出这一过程的两个维度为 0. 435\ pm 0.005$。

0
下载
关闭预览

相关内容

Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
8+阅读 · 2018年11月27日
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
Learning to Importance Sample in Primary Sample Space
VIP会员
相关VIP内容
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员