Una gota de tinta en un vaso de agua se dispersa uniformemente, pero en una taza con trozos de gelatina de frutas la tinta seguirá caminos sinuosos: en algunos lugares se atascará, en otros pasará de largo. Así también las moléculas en células vivas o en materiales porosos no se mueven sobre un campo liso, sino a través de un medio con desorden: en unas zonas más denso, en otras más fluido.
Los modelos habituales suavizan este desorden promediando todos los obstáculos en una "viscosidad media". Pero entonces se pierde un detalle importante: una partícula puede quedarse atascada durante mucho tiempo en una zona densa y luego acelerar bruscamente. El nuevo método de modelado estocástico con un mapa de propiedades locales separa dos efectos: los retrasos aleatorios debidos a las inhomogeneidades y la "memoria" del medio sobre los movimientos pasados de la partícula. Es como si, para predecir atascos, se tuvieran en cuenta no solo la velocidad media en la ciudad, sino también la ubicación de semáforos y baches.
Los autores probaron el método con experimentos numéricos: a partir de trayectorias cortas de partículas lograron predecir cómo se vería el movimiento tras un tiempo prolongado y reconstruir la dispersión de las propiedades del medio. Este enfoque puede ser útil para estudiar la difusión de fármacos en tejidos o de iones en baterías, donde el medio es claramente no homogéneo.
La difusión en células vivas suele ser anómala: las moléculas pueden moverse más lento o más rápido de lo que predice la fórmula clásica de Einstein, debido al crowded environment — la "multitud" de proteínas y orgánulos.