La cinética química clásica, en su formulación más elemental, supone que las moléculas de un reactor están perfectamente mezcladas en todo momento. Bajo esta aproximación, conocida como modelo de mezcla perfecta o *well-mixed*, la velocidad de una reacción bimolecular elemental $A + B \to \emptyset$ viene dada por una ecuación diferencial ordinaria:

$$\frac{dA}{dt} = -k \, A(t) \, B(t)$$

donde $k$ es la constante de velocidad y $A(t)$ y $B(t)$ son las concentraciones de las especies reactivas en el instante $t$. Esta ecuación predice una decadencia que sigue leyes de potencia determinadas exclusivamente por las condiciones iniciales. Sin embargo, cuando las partículas no se mezclan instantáneamente —como ocurre en medios viscosos, en zeolitas, en geles porosos, en el citoplasma celular o simplemente en cualquier sistema donde la difusión sea el mecanismo dominante de transporte—, esta aproximación resulta insuficiente. La razón fundamental es que ignora las **correlaciones espaciales** que surgen inevitablemente en sistemas con difusión limitada.

Los **autómatas celulares (AC)** se han consolidado como una de las herramientas más poderosas para la simulación de estos sistemas, precisamente porque capturan de manera natural los efectos espaciales que la cinética clásica no puede describir (Toffoli y Margolus, 1987). Un autómata celular modela el espacio como una retícula o cuadrícula de celdas, donde cada sitio puede encontrarse en diferentes estados: ocupado por una partícula de tipo $A$, una partícula de tipo $B$, un obstáculo fijo, o simplemente vacío. La evolución del sistema se rige por reglas locales simples que dependen exclusivamente del estado de los sitios vecinos, lo que permite que, a pesar de la simplicidad de las reglas individuales, surja un comportamiento global de gran complejidad e impredecibilidad (Wolfram, 2002).

Vecindades y reglas de interacción

En el contexto de las reacciones de contacto $A + B \to \emptyset$, las partículas se desplazan de un sitio a otro siguiendo reglas locales de difusión y reaccionan únicamente cuando una partícula $A$ y una partícula $B$ se encuentran en sitios vecinos. La frecuencia de estos encuentros, y por tanto la velocidad de la reacción, depende directamente del número de vecinos que se considere en la retícula. Para retículas cuadradas bidimensionales, se emplean principalmente dos tipos de vecindad.

La **vecindad de von Neumann** incluye los 4 sitios que comparten un lado con el sitio central, mientras que la **vecindad de Moore** abarca los 8 sitios circundantes, incluyendo las diagonales. La elección entre una y otra no es trivial. En la vecindad de von Neumann, cada partícula tiene 4 posibles vecinos reactivos, lo que constituye la elección más común y la que ofrece un equilibrio entre realismo físico y eficiencia computacional (Chopard y Droz, 1998). La vecindad de Moore, al duplicar el número de vecinos, incrementa la probabilidad de encuentro por paso temporal en un factor que depende de la densidad local, pero también introduce interacciones diagonales cuyo significado físico en términos de difusión isotrópica debe ser evaluado cuidadosamente.

Cuando se trabaja con la vecindad de von Neumann, el número medio de encuentros por partícula y por unidad de tiempo sigue una relación que depende de la concentración local:

$$R_{\text{encuentro}} \propto \frac{D}{\ell^2} \cdot A(t) \cdot B(t) \cdot z$$

donde $D$ es el coeficiente de difusión efectivo en la retícula, $\ell$ es la distancia entre sitios adyacentes, y $z$ es el número de coordinación de la vecindad (4 para von Neumann, 8 para Moore). Este parámetro $z$ actúa como un factor multiplicativo que acelera efectivamente la cinética, pero que no altera los exponentes de escala asintóticos del sistema, al menos en el límite de densidades bajas (Toussaint y Wilczek, 1983).

El umbral de la percolación: cuando el espacio se fragmenta

La incorporación de **obstáculos fijos** en la retícula añade una capa adicional de complejidad al modelo. Cuando se introduce una fracción $\phi$ de obstáculos, estos sitios no pueden ser ocupados por las partículas reactivas, lo que reduce el espacio disponible y obliga a las partículas a recorrer caminos más largos para encontrarse. Este fenómeno está íntimamente ligado a la **teoría de percolación** (Stauffer y Aharony, 1994).

En una retícula cuadrada con ocupación aleatoria de sitios, existe un umbral crítico $\phi_c$ que separa dos regímenes cualitativamente distintos. Para la percolación de sitios en una red cuadrada, el umbral crítico se encuentra en $p_c \approx 0.5927$ para la fracción de sitios **accesibles**; esto equivale a una fracción crítica de obstáculos $\phi_c = 1 – p_c \approx 0.4073$ (Stauffer y Aharony, 1994). Mientras la fracción de obstáculos se mantenga por debajo de este valor crítico ($\phi < \phi_c$), el espacio libre permanece **continuo** y existe un conglomerado (cluster) que atraviesa toda la retícula, permitiendo que las partículas puedan recorrerla sin restricciones de conectividad global, aunque con mayor dificultad debido a la tortuosidad de los caminos. Por encima de este umbral ($\phi > \phi_c$), el espacio se **fragmenta** en conglomerados aislados finitos, y las partículas quedan atrapadas en regiones inconexas, imposibilitando la reacción a larga distancia.

El efecto neto de los obstáculos es reducir la frecuencia de encuentros entre $A$ y $B$, modificando los parámetros cinéticos que describen la velocidad de la reacción de manera no trivial. Ben-Avraham y Havlin (2000) demostraron que la constante de velocidad efectiva $k_{\text{ef}}$ en un medio poroso con obstáculos sigue una relación de escala:

$$k_{\text{ef}} \sim k_0 \, (\phi_c – \phi)^\mu \quad \text{para} \quad \phi < \phi_c$$ donde $\mu$ es un exponente crítico que depende de la dimensionalidad del sistema y del tipo de transporte. En dos dimensiones, $\mu \approx 1.3$ para difusión en redes de percolación, lo que indica una ralentización severa incluso antes de alcanzar el umbral crítico.

Segregación espacial: el legado de Ovchinnikov y Zeldovich

Uno de los descubrimientos más contraintuitivos en la cinética de reacciones de contacto es el fenómeno de **segregación espontánea**. En 1978, Ovchinnikov y Zeldovich demostraron que en sistemas $A + B \to \emptyset$ con difusión, incluso partiendo de una mezcla inicial perfectamente homogénea, las fluctuaciones estadísticas generan espontáneamente regiones enriquecidas en $A$ y regiones enriquecidas en $B$ (Ovchinnikov y Zeldovich, 1978). Este fenómeno ocurre porque cuando una partícula $A$ y una partícula $B$ se aniquilan, desaparecen juntas, dejando un vacío local que tiende a ser rellenado por partículas del mismo tipo que las que rodean la región. Este mecanismo de retroalimentación positiva conduce a una segregación que crece con el tiempo como $t^{1/2}$ en una dimensión y como $\log t$ en dos dimensiones. Este hallazgo tiene consecuencias profundas para la cinética. En lugar de la ley de potencias $A(t) \sim t^{-1}$ que predice la cinética clásica bien mezclada, en sistemas unidimensionales la concentración decae como $A(t) \sim t^{-1/4}$, y en dos dimensiones como $A(t) \sim t^{-1/2}$, asumiendo densidades iniciales iguales $A(0) = B(0)$ (Toussaint y Wilczek, 1983). La presencia de obstáculos exacerba estos efectos, ya que la geometría tortuosa del medio ralentiza aún más la difusión y, con ella, la capacidad de las partículas para encontrar parejas de la especie opuesta (ben-Avraham y Havlin, 2000).

Monitorización doble: pares y concentraciones

Una de las herramientas de análisis más reveladoras en estos modelos es el seguimiento simultáneo del número de **pares A-B en contacto**, denotado como $N_{AB}(t)$, junto con la concentración de partículas $A(t)$. Esta doble monitorización permite distinguir si la reacción se ralentiza porque quedan pocas partículas o porque, aunque todavía existan reactivos, las partículas $A$ y $B$ han dejado de estar en contacto físico debido a la geometría del medio. Definamos el **factor de correlación espacial** $g(t)$ como: $$g(t) = \frac{N_{AB}(t)}{z \cdot A(t) \cdot B(t) \cdot N_{\text{sitios}}}$$ donde $N_{\text{sitios}}$ es el número total de sitios de la retícula. En un sistema perfectamente mezclado, $g(t) = 1$ en todo momento. En un sistema con segregación espacial, $g(t) < 1$ y decrece con el tiempo, indicando que las partículas $A$ y $B$ están menos expuestas entre sí de lo que cabría esperar por sus concentraciones medias. Cuando $g(t) \to 0$, la reacción se detiene efectivamente aunque aún queden partículas en el sistema. Esta distinción resulta especialmente crítica cuando las cantidades iniciales de reactivos son distintas, es decir, cuando $A(0) \neq B(0)$, y cuando hay obstáculos presentes en la retícula, ya que ambos efectos —la escasez de partículas y la falta de contacto espacial— pueden ocurrir simultáneamente y es necesario desacoplarlos para comprender verdaderamente la dinámica del sistema (Redner, 2001).

 Más allá de la mezcla perfecta: q-cinética y formalismos avanzados

Cuando las condiciones iniciales son asimétricas, el comportamiento del sistema cambia drásticamente. Supongamos, sin pérdida de generalidad, que $A(0) > B(0)$. En la cinética clásica bien mezclada, la especie minoritaria se agota primero y la reacción se detiene cuando $B(t) \to 0$, quedando un excedente de $A$. La ecuación diferencial predice entonces:

$$A(t \to \infty) = A(0) – B(0)$$

Sin embargo, en sistemas con difusión limitada y segregación espacial, este límite asintótico puede ser mayor, ya que el aislamiento de partículas $B$ en regiones rodeadas de partículas $A$ puede impedir que todas las $B$ encuentren pareja antes de agotarse la difusión local (ben-Avraham, 1988).

Para sistemas con densidades iniciales iguales pero con obstáculos, la cinética se desvía de las leyes de potencia clásicas y requiere formalismos más avanzados como la **$q$-cinética** (Schnörer et al., 1994). En este enfoque, se introduce un parámetro $q$ que cuantifica la desviación del comportamiento ideal:

$$\frac{dA}{dt} = -k_{\text{ef}} \, A(t)^q \, B(t)^{2-q}$$

donde $q = 1$ corresponde al caso bien mezclado y $q \neq 1$ captura los efectos de las correlaciones espaciales. Para sistemas con obstáculos cerca del umbral de percolación, se ha observado que $q$ puede tomar valores tan bajos como $0.6$ en dos dimensiones, indicando una cinética fuertemente anómala (Lindenberg et al., 1990).

Ignorar la geometría del medio y las correlaciones que emergen de la dinámica difusiva lleva a predicciones cuantitativa y cualitativamente erróneas. Los autómatas celulares, con su capacidad para capturar la naturaleza discreta y local de las interacciones, ofrecen un puente entre la simplicidad de las leyes fundamentales y la compleidad de los comportamientos emergentes.

Los autómatas celulares  nos ayudan  a comprender de catálisis heterogénea, donde los sitios activos están dispersos en una matriz porosa; en la dinámica de poblaciones ecológicas donde depredador y presa se mueven en un territorio fragmentado; en la cinética de reacciones bioquímicas dentro del citoplasma celular, donde las macromoléculas se mueven en un medio abarrotado de obstáculos; y en la física de materiales, donde la difusión de impurezas reactivas en aleaciones desordenadas sigue exactamente estas leyes.

 Referencias

1. Ben-Avraham, D. (1988). Computer simulation of A+B→0 reactions. *Journal of Chemical Physics*, 88(2), 1088-1096.

2. Ben-Avraham, D., & Havlin, S. (2000). *Diffusion and Reactions in Fractals and Disordered Systems*. Cambridge University Press.

3. Chopard, B., & Droz, M. (1998). *Cellular Automata Modeling of Physical Systems*. Cambridge University Press.

4. Lindenberg, K., West, B. J., & Kopelman, R. (1990). The role of spatial fluctuations in chemical kinetics. *Physical Review A*, 42(4), 2611-2614.

5. Ovchinnikov, A. A., & Zeldovich, Y. B. (1978). Role of density fluctuations in bimolecular reaction kinetics. *Chemical Physics*, 28(1-2), 215-221.

6. Redner, S. (2001). *A Guide to First-Passage Processes*. Cambridge University Press.

7. Schnörer, H., et al. (1994). q-Kinetics of diffusion-limited reactions. *Physica A*, 205(1-3), 113-127.

8. Stauffer, D., & Aharony, A. (1994). *Introduction to Percolation Theory* (2.ª ed.). Taylor & Francis.

9. Toffoli, T., & Margolus, N. (1987). *Cellular Automata Machines: A New Environment for Modeling*. MIT Press.

10. Toussaint, D., & Wilczek, F. (1983). Particle-antiparticle annihilation in diffusive motion. *Journal of Chemical Physics*, 78(3), 2642-2647.

11. Wolfram, S. (2002). *A New Kind of Science*. Wolfram Media.