TU Darmstadt / ULB / TUprints

Curve Shortening Flow for Spatial Random Permutations

Walter, Stefan :
Curve Shortening Flow for Spatial Random Permutations.
Technische Universität, Darmstadt
[Ph.D. Thesis], (2017)

[img]
Preview
Text
Dissertation-Veröffentlichungsversion.pdf
Available under CC-BY-NC-ND 4.0 International - Creative Commons Attribution Non-commercial No-derivatives 4.0.

Download (1MB) | Preview
Item Type: Ph.D. Thesis
Title: Curve Shortening Flow for Spatial Random Permutations
Language: English
Abstract:

Motivated by mean-curvature type droplet shrinking in the hydrodynamic scaling limit for the Ising model on a 2-dimensional lattice at zero temperature, we analyse a similar microscopic model based on spatial random permutations. This naturally leads to interacting particle systems and the derivation of their hydrodynamic equations. In the progress, we deal with non-gradient systems and non-product stationary measures.

Alternative Abstract:
Alternative AbstractLanguage
Im Rahmen des vorliegenden Werks wird eine Oberflächendynamik, welche sich mittels Glauber-Dynamik aus einem Modell zufälliger, räumlicher Permutationen ergibt, in Partikelsysteme übersetzt und anschließend (für Teile der Oberfläche) im hydrodynamischen Grenzwert untersucht. Wesentliche Arbeitsschritte sind hierbei die Herleitung des stationären Maßes, welches keine Produkt-Form aufweist, sowie der Umgang mit der Tatsache, dass das Partikelsystem nicht vom Gradienten-Typ ist. Als ein Hauptresultat ergibt sich die hydrodynamische Gleichung des Partikelsystems.German
Place of Publication: Darmstadt
Classification DDC: 500 Naturwissenschaften und Mathematik > 510 Mathematik
Divisions: 04 Department of Mathematics > Stochastik
Date Deposited: 27 Jun 2017 07:49
Last Modified: 27 Jun 2017 07:49
URN: urn:nbn:de:tuda-tuprints-65148
Referees: Betz, Prof. Dr. Volker Martin and Grosskinsky, Prof. Dr. Stefan
Refereed: 2 June 2017
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/6514
Export:
Actions (login required)
View Item View Item

Downloads

Downloads per month over past year