はじめに
この記事では、なぜ拡散係数は「距離×速度」なのか？について簡単に紹介します。
特に、宇宙線や粒子加速で登場する、Bohm 拡散係数について、ランダムウォーク・速度相関・等方性の観点から解説してみます。
0. 拡散とは何か？
まずは"拡散"という言葉の意味を確認しましょう。
0.1 「拡散」は曖昧な言葉である
物理学で「拡散（diffusion）」という言葉は非常に広く使われているが、
実はその意味は日常語としても、物理用語としても直感的ではない。
例えば、
- インクが水に広がる
- 粒子がランダムに動いて散らばる
- 宇宙線が磁場中で「行ったり来たり」しながら遠くへ運ばれる
これらはすべて「拡散」と呼ばれるが、
共通しているのは「単に広がること」ではなく、
平均二乗変位が時間に比例するという統計的法則に従うこと。
実際、後で見るように、拡散とは
「運動はランダムであるにもかかわらず、統計的には非常に単純な法則に従う現象」
であり、運動の詳細ではなく「統計的振る舞いの型」 を指す言葉である。
0.2 拡散を定義する本質：平均二乗変位
拡散を最も厳密に定義する方法は、「粒子がどれだけ広がったか」を
平均二乗変位（Mean Squared Displacement; MSD） で見ることである。
粒子の位置を $x(t)$ とすると、
\langle \Delta x^2(t) \rangle
\equiv
\left\langle \bigl(x(t)-x(0)\bigr)^2 \right\rangle
を考える。
この量が、十分長い時間スケールで
\boxed{
\langle \Delta x^2(t) \rangle \propto t
}
と時間に比例して増加するとき、その運動を 拡散的（diffusive） と呼ぶ。
比例係数を用いて
\langle \Delta x^2(t) \rangle = 2~\kappa~ t
と書いたときの $\kappa$ が 拡散係数である。
重要なのは、「拡散」とは
“粒子がランダムに動くこと”ではなく、
“平均二乗変位が時間に比例すること”
を意味する、という点である。
0.3 拡散でない運動との対比
この定義を知ると、「拡散」が特別な運動様式であることがはっきりする。
● 直進運動（ballistic motion）
速度 $v$ が一定なら
x(t)-x(0) = v t
\quad\Rightarrow\quad
\langle \Delta x^2\rangle \propto t^2
これは 拡散ではない。
● 拘束された運動（振動・閉じ込め）
粒子がある有限領域に閉じ込められていれば
\langle \Delta x^2\rangle \to \text{一定}
これも 拡散ではない。
● 拡散（diffusion）
\boxed{
\langle \Delta x^2\rangle \propto t
}
この「線形時間依存性」こそが、拡散の本質である。
0.4 なぜ「ランダム」なのに単純な法則になるのか？
拡散が直感的に難しい最大の理由はここにある。
- 粒子の運動は 無秩序でランダム
- にもかかわらず、長時間・多数粒子の平均では
極めて単純な法則が現れる
これは確率論でいう 中心極限定理の物理版であり、
細部のランダム性が失われ、
2次モーメント（分散）だけが支配的になる
という現象である。
その結果、
- 散乱の詳細
- 個々の軌道の複雑さ
- 磁場中での螺旋運動
といった情報は捨て去られ、
「どれくらいの速さで広がるか」だけが $\kappa$ に集約される。
0.5 拡散係数は「運動の要約量」である
拡散係数 $\kappa$ は、
- 力ではない
- 速度でもない
- 単なる経験的定数でもない
にもかかわらず、
ランダムな運動を、
巨視的・統計的に“輸送”として記述するための
最小限の情報
を担っている。このため拡散係数は、
- 熱伝導
- 粒子輸送
- 宇宙線伝播
- プラズマ輸送
など、分野を超えて共通の概念として現れる。
次節では、
なぜ拡散係数の次元が
$[{\rm length}]^2/[{\rm time}]$ になるのか
なぜそれが「距離 × 速度」という形で実現するのか
を、ランダムウォークと散乱の物理から丁寧に導いていく。
その上で、最終的に
\kappa_B = \frac{1}{3} r_g v
という Bohm 拡散係数が、どこから来ているのかを明らかにする。
1. 拡散係数とは何か：定義から次元が決まる
拡散（diffusion）を最も基本的に定義するのは、**平均二乗変位（MSD: mean squared displacement）**です。
1次元で、粒子位置を $x(t)$ とすると、
\langle \Delta x^2(t)\rangle \equiv \left\langle \bigl(x(t)-x(0)\bigr)^2 \right\rangle
拡散過程では（十分長時間で）しばしば
\langle \Delta x^2(t)\rangle = 2~\kappa~ t
と書けます。ここで $\kappa$ が拡散係数です。
この式から即座に
[\kappa] = \frac{[x]^2}{[t]} \quad \Rightarrow \quad {\rm length}^2/{\rm time}
となり、これが拡散係数の「あるべき次元」です。
つまり 拡散係数が距離×速度（= $L\times L/T=L^2/T)$という次元を持つのは、定義（MSDが時間に比例する）から決まっています。
2. なぜ「距離×速度」になるのか：ランダムウォークで見える
2.1 もっとも単純なモデル：飛程の等方散乱
宇宙線の「散乱」を最も単純化して、
- 粒子は速度 $v$ で動く
- 一定の平均自由行程（散乱平均距離） $\lambda$ ごとに進行方向がランダムに変わる（等方化される）
とします。
1回の「ステップ」にかかる平均時間は
\tau \sim \frac{\lambda}{v}
です。
時間 $t$ の間に起こるステップ数は
N \sim \frac{t}{\tau} \sim \frac{v~t}{\lambda}
1次元でのステップ変位を $\Delta x_i$ とすると、等方ランダムなら平均は0、
\langle \Delta x_i\rangle = 0
で、二乗平均は「ステップ長の1次元成分」に対応します。ここが (1/3) の源です（後で丁寧に出します）。
まずは雑に「オーダー」だけ見ると、1回でだいたい $\sim\lambda$ 動くので
\langle (\Delta x_i)^2\rangle \sim \lambda^2
すると独立ステップの和で
\langle \Delta x^2\rangle
= \left\langle \left(\sum_{i=1}^N \Delta x_i\right)^2\right\rangle
= \sum_{i=1}^N \langle (\Delta x_i)^2\rangle
\sim N \lambda^2
\sim \frac{v t}{\lambda}~\lambda^2
= \lambda v~ t
よって
\langle \Delta x^2\rangle \propto (\lambda v)~ t
となり、定義 $\langle \Delta x^2\rangle = 2\kappa t$ に合わせると
\kappa \sim \frac{1}{2}\lambda v
という「距離×速度」が自然に出ます。
この段階では係数が (1/2) になっていますが、これは1次元の雑な見積もりです。3次元等方散乱をきちんと扱うと (1/3) が出ます。
3. 「1/3」はどこから来るのか：等方性（3次元）を丁寧に
宇宙線輸送で使う Bohm の式
\kappa = \frac{1}{3}\lambda v
の (1/3) は、乱雑化が3次元で等方的であること（またはピッチ角分布の等方性）から来ます。
3.1 幾何学的な説明（最短ルート）
粒子速度ベクトル $\vec v$ のある1軸（たとえば $x$）成分は
v_x = v\cos\theta
等方分布なら $\cos\theta$ は $[-1,1]$ に対して対称で、重要なのは平均二乗：
\langle v_x^2\rangle = v^2 \langle \cos^2\theta\rangle
等方分布では
\langle \cos^2\theta\rangle = \frac{1}{3}
なので
\langle v_x^2\rangle = \frac{v^2}{3}
となります。
「拡散」は速度方向が散乱でランダム化される運動の長時間極限なので、結果として 各軸の有効な“運び”が全速度の1/3ずつになる、という直感がそのまま係数に反映されます。
3.2 もう一歩：相関時間（散乱時間）から導く
拡散係数は「速度自己相関」で書けます（Green–Kubo型）：
\kappa_{xx} = \int_0^\infty \langle v_x(0)~v_x(t)\rangle~dt
散乱により速度方向の相関が時間スケール $\tau$（散乱時間）で失われるとして、
\langle v_x(0)v_x(t)\rangle \approx \langle v_x^2\rangle e^{-t/\tau}
と置く。
(注: 相関が必ず指数関数とは限らない。乱流によっては power-law tail もありうる)
この指数関数の相関を「速度自己相関」に代入すると、
\kappa_{xx} \approx \int_0^\infty \langle v_x^2\rangle e^{-t/\tau}dt
= \langle v_x^2\rangle~\tau
ここに $\langle v_x^2\rangle=v^2/3$ を入れて
\kappa_{xx} \approx \frac{v^2}{3}\tau
さらに $\lambda = v\tau$（平均自由行程）より
\kappa_{xx} \approx \frac{v^2}{3}\frac{\lambda}{v}
= \frac{1}{3}\lambda v
が出ます。
これが「拡散係数が $\lambda v$ で、係数が (1/3)」の最も筋の良い導出です。
物理的には「速度相関が $\tau$ で切れる → MSDが線形に増える → 拡散」になっています。
4. では Bohm 拡散は何なのか
ここまでで一般に
\kappa = \frac{1}{3}\lambda v
が分かりました。Bohm拡散は、この $\lambda$ を
- 散乱が非常に強く、平均自由行程が最小級まで小さい
- その最小級が「磁場中の回転半径 $r_g$」にだいたい等しい
という仮定で置き換えたものです。
つまり
\lambda \sim r_g
\quad\Rightarrow\quad
\kappa_B = \frac{1}{3} r_g v
ここで
r_g=\frac{p_\perp}{qB}
（相対論的なら $p_\perp=\gamma m v_\perp)$です。
4.1 なぜ lambda の最小が r_g っぽいのか（直感）
磁場があると粒子はラーマー運動をしていて、“同じ磁力線の周り”を回っている間は、横方向に大きく離れにくい。進行方向（ピッチ角）を大きく変えるには、少なくとも一回転程度で“位相”を乱される必要があり、その空間スケールが $r_g$ に結びつきます。
より言うと、乱流の相関長が $r_g$ 付近にあり、$\delta B/B\sim 1$ くらいの強乱流だと 1ジャイロ周期程度で方向がランダム化される。
あるいは、少なくとも1ジャイロ周期程度の時間スケールで位相が乱されなければ、磁場による散乱が有効に働いているとは言えない。
5. 重要な注意：kappa_B は「定義」ではなく「強散乱の仮定」
教科書がさらっと
\kappa_B = \frac{1}{3} r_g v
から入るのは便利ですが、これは
- まず一般式 $\kappa=(1/3)\lambda v$
- ついで「Bohm極限として $\lambda \approx r_g$ と置く」
という 二段階の議論です。
現実の宇宙線輸送ではしばしば
\lambda = \eta~ r_g
\quad(\eta \ge 1)
とパラメータ化して
\kappa = \frac{1}{3}\eta~ r_g v
のように書き、$\eta=1$ を “Bohm limit” と呼ぶことが多いです（どれくらい「最強散乱」かの指標）。
6. まとめ（教科書の1行を分解するとこうなる）
- 拡散係数の定義：
\langle \Delta x^2\rangle = 2\kappa t \Rightarrow [\kappa]=L^2/T - ランダムウォーク：1回の飛程 $\lambda$、速度 $v$、散乱時間 $\tau=\lambda/v$
- 3次元等方性：$\langle v_x^2\rangle=v^2/3$
- 速度相関が $\tau$ で切れる → $\kappa=\langle v_x^2\rangle\tau=(1/3)\lambda v$
- Bohm仮定：$\lambda\sim r_g$ → $\kappa_B=(1/3)r_g v$
ここまでが一般論のまとめになります。以下では、
- Appendix A：拡散の現代的な意味
- Appendix B：異常拡散
について紹介します。特に、Appendix B：異常拡散 が現実的には重要で、
拡散現象は拡散係数を入れて数値計算すれば良いという話ではなく、
拡散をどう扱うべきか、から考えることが大切、ということを伝えておきたいです。
Appendix A：拡散の現代的な意味
— Diffusion model・確率微分方程式・ミクロ理解の位置づけ —
本編で扱った「物理における拡散」と、近年の機械学習で使われる Diffusion model（拡散モデル） との関係、ならびに 確率微分方程式（SDE） との対応を整理し、最後に 拡散係数はミクロから理解すべきか？ という問いに答えてみます。
A.1 物理の拡散と、機械学習の「Diffusion model」は同じか？
結論から言うと、
数学的構造はほぼ同じだが、意味論（何を表しているか）が全く違う
A.1.1 物理の拡散
物理では拡散とは
- 粒子やエネルギーが
- ランダムなミクロ運動を経て
- 平均二乗変位が時間に比例する
という実在する運動過程である。
拡散係数 $\kappa$ は
- 散乱
- 相関時間
- 平均自由行程
といった物理的実体を持つ量である。
A.1.2 機械学習の Diffusion model
一方、機械学習での Diffusion model では
- 「粒子」や「運動」は実在しない
- データ（画像・音声・潜在変数）に
- 人為的にノイズを加え
- それを逆に除去する過程を学習する
という 生成モデル である。ここでの「拡散」は
確率分布を徐々に単純化（Gaussian化）する操作
を指しており、空間を移動する粒子を意味していない。
A.1.3 共通点と違い
| 観点 | 物理の拡散 | Diffusion model |
|---|---|---|
| 拡散するもの | 粒子・エネルギー | 確率分布 |
| 時間 | 物理時間 | 仮想時間（step） |
| 拡散係数 | ミクロ物理量 | モデル設計パラメータ |
| 目的 | 輸送の理解 | データ生成 |
👉 「同じ数式を使っているが、何を表しているかは別物」
A.2 確率微分方程式（SDE）との関係
A.2.1 Langevin 方程式としての拡散
物理の拡散は、確率微分方程式として
dx(t) = \sqrt{2\kappa}\, dW(t)
と書ける（$W(t)$ は Wiener 過程）。
ここで
- $dW$：ランダムな微小キック
- $\kappa$：その強さ（拡散係数）
である。
この式は
「ミクロなランダム力の積み重ね」
を極限的に表したものであり、物理的ノイズを意味する。
A.2.2 Fokker–Planck 方程式との対応
上の SDE に対応する確率密度 $P(x,t)$ は
\frac{\partial P}{\partial t}
=
\kappa
\frac{\partial^2 P}{\partial x^2}
を満たす。これはまさに 拡散方程式である。
SDE ⇄ Fokker–Planck ⇄ MSD ∝ t はすべて同じ内容の別表現である。
A.2.3 Diffusion model での SDE
Diffusion model でも、実は
dx = f(x,t)\,dt + g(t)\,dW
という SDE が使われている。
しかしここでの $dW$ は
- 熱揺らぎではない
- 実験ノイズでもない
- 人工的に定義された確率操作
👉 数学的には同型だが、物理的実在性は持たない。
A.3 拡散係数は「ミクロから理解すべき」か？
この問いに対する答えは、分野によって異なる。
A.3.1 物理学の立場
物理では拡散係数 $\kappa$ は
- 散乱断面積
- 乱流スペクトル
- 相関時間
など、ミクロ物理の集約量である。
したがって
「なぜその値なのか？」を問うことが物理学の使命
である。Bohm 拡散係数も
- 定義ではなく
- 強散乱という仮定の帰結
であり、ミクロモデルが変われば変わる。
A.3.2 工学・機械学習の立場
一方で、
- 目的が予測・生成・制御であれば
- 拡散係数は「有効パラメータ」
として扱われる。この場合、
「なぜその値か」より「うまく動くか」
が重要になる。Diffusion model の拡散係数（ノイズスケジュール）はその典型である。
A.3.3 結論（立場の整理）
| 分野 | 拡散係数の意味 |
|---|---|
| 物理 | ミクロ過程の要約 |
| 天体・プラズマ | モデル仮定の強さ |
| 工学 | 有効輸送定数 |
| 機械学習 | アルゴリズム設計要素 |
👉 「拡散係数は何を代表している量か？」を意識すること。 これはどの分野でも大切。
Appendix B：異常拡散と Lévy flight
—「⟨Δx²⟩ ∝ t」が壊れるとき何が起きているのか —
本編および Appendix A では、拡散を
\langle \Delta x^2(t) \rangle \propto t
という 線形時間成長で定義した。
しかし現実の物理系では、この関係が破れる場合がある。
これが 異常拡散（anomalous diffusion） である。
本 Appendix B では、
- 異常拡散の定義
- Lévy flight / Lévy walk の物理的意味
- Bohm 拡散との関係（なぜ「限界」なのか）
- どこまでを拡散と呼ぶべきか
を簡潔に整理する。
B.1 異常拡散とは何か
拡散を最も一般的に定義すると、
\langle \Delta x^2(t) \rangle \propto t^\alpha
と書ける。
この指数 $\alpha$ によって運動の型が分類される。
| $\alpha$ | 振る舞い | 名称 |
|---|---|---|
| $\alpha=1$ | 線形 | 正常拡散 |
| $\alpha<1$ | 遅い | サブ拡散 |
| $\alpha>1$ | 速い | スーパー拡散 |
| $\alpha=2$ | 弾道的 | ballistic |
👉 異常拡散とは $\alpha\neq1$ の総称である。
重要なのは、
異常拡散は「拡散が壊れた」のではなく拡散の背後にあった仮定が破れた結果
B.2 正常拡散を支えていた仮定
本編で導いた
\kappa = \frac{1}{3}\lambda v
は、実は以下の仮定に依存していた。
- ステップ長（飛程）が有限の分散を持つ
- ステップ同士が独立（または短時間で相関が切れる）
- 待ち時間の平均が有限
- 等方性が成り立つ
これらは確率論的には
中心極限定理が成り立つ条件
に対応している。
異常拡散とは、このどれかが破れた状態である。
B.3 Lévy flight：無限分散ステップ長
B.3.1 Lévy flight の定義
Lévy flight では、ステップ長 $\ell$ の分布が
P(\ell) \propto |\ell|^{-1-\mu}
\quad (0<\mu<2)
のような 重い裾（power-law tail） を持つ。
このとき
- 分散 $\langle \ell^2\rangle$ が発散
- 「典型的なステップ長」が定義できない
👉 平均自由行程 $\lambda$ という概念が働かない
B.3.2 MSD の振る舞い
この結果、
\langle \Delta x^2(t)\rangle
\propto t^{2/\mu}
\quad (> t)
となり、スーパー拡散が生じる。
重要なのは、
粒子は「ほとんど動かない時間」と「たまに起こる非常に長いジャンプ」
を繰り返している、という描像である。
B.3.3 物理的な直感
Lévy flight は
- 強い空間的不均一性
- スケールフリーな乱流
- フィールドラインの断裂・再結合
などがあるときに現れやすい。
👉 「たまにとんでもなく遠くに行く」。これが Lévy flight の本質である。
B.4 Lévy walk：物理的に許された異常拡散
Lévy flight は数学的には美しいが、
- 瞬間的に無限距離を移動できてしまう
という 物理的に不自然な点がある。
そこで導入されるのが Lévy walk である。
B.4.1 Lévy walk の特徴
- ステップ長と所要時間が結びついている
- 速度は有限（相対論とも両立）
結果として
1 < \alpha < 2
のスーパー拡散が得られる。
👉 宇宙線輸送やプラズマ乱流ではLévy walk の方が現実的と考えられる場合が多い。
B.5 Bohm 拡散との関係：なぜ「限界」なのか
ここで本編の Bohm 拡散に戻る。
\kappa_B = \frac{1}{3} r_g v
これは
- 平均自由行程が最小（$\lambda\sim r_g$）
- それでもなお 中心極限定理が成り立つ
という ギリギリの条件に対応している。
B.5.1 Bohm 拡散が成り立つ範囲
- 散乱は非常に強い
- しかしジャンプ分布は有限分散
- 相関時間は有限
👉 正常拡散の最下限
B.5.2 異常拡散が現れると何が起きるか
もし
- フィールドラインに長距離相関がある
- 大ジャンプが支配的
- 散乱時間分布が power-law
であれば、
「Bohm より速い拡散」が起こりうる
ただしこの場合、
そもそも $\kappa$ という1定数で記述できない。
B.6 拡散係数という概念の限界
異常拡散では、
\langle \Delta x^2\rangle \neq 2\kappa t
となるため、
- 拡散係数 $\kappa$ は定義できない
- あるいは時間依存 $\kappa(t)$ になる
👉 「輸送＝拡散係数1個」という記述自体が破綻する
これは物理的に重要な注意点である。
B.7 まとめ：拡散は普遍だが、"拡散近似"は万能ではない
- 正常拡散：
中心極限定理が支配 → $\langle \Delta x^2\rangle \propto t$ - Bohm 拡散：
正常拡散の中で最強散乱 - 異常拡散：
仮定が破れた結果として現れる - Lévy flight / walk：
スケールフリーな輸送の自然な帰結
拡散係数で自然を描けるかは、物理系が「穏やか」かどうかの指標
付記
「拡散」は当たり前の現象ではない。特に宇宙のような希薄な世界では。
当たり前に見えるときほど、背後の仮定を疑いましょう。
関連記事