← Últimos artículos
🔬 physics

Hygrothermoelastic responses in a fractal media by extending vector calculus to non-integer dimensions

Este artículo generaliza el cálculo vectorial a dimensiones fractales no enteras para desarrollar un nuevo modelo higrotermoelástico que incorpora la teoría de Moore-Gibson-Thompson y derivadas de múltiples núcleos, el cual se resuelve analíticamente para demostrar que las dimensiones fractales, los periodos de retardo y las funciones de núcleo no lineales influyen significativamente en el transporte de calor y humedad en los materiales.

Autores originales: Apeksha Balwir, Nagesh Dhore, Vinod Varghese

Publicado 2026-08-19
📖 4 min de lectura☕ Lectura para el café

Autores originales: Apeksha Balwir, Nagesh Dhore, Vinod Varghese

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina un mundo donde las reglas de la geometría que aprendemos en la escuela no encajan del todo con los materiales que nos rodean. En la geometría estándar, una línea tiene una dimensión, una superficie plana tiene dos y un bloque sólido tiene tres. Pero la naturaleza es a menudo más intrincada que estas formas simples. Piensa en una costa, una nube o la ramificación de un árbol; estos objetos son patrones complejos y autorrepetitivos que se ven similares tanto si se amplían como si se alejan. Los científicos llaman a estas formas fractales. Debido a que son tan enredadas y detalladas, no se comportan como bloques lisos y sólidos. Para entender cómo el calor y la humedad se mueven a través de estas estructuras naturales tan desordenadas, los investigadores han comenzado a tratarlas no como objetos tridimensionales ordinarios, sino como espacios con dimensiones que no son números enteros. Este enfoque permite describir la complejidad oculta de materiales como rocas porosas, tejidos biológicos o compuestos avanzados con mucha mayor precisión.

Partiendo de esta idea, un equipo de investigadores ha desarrollado una nueva forma de predecir cómo reaccionan estos materiales fractales cuando se les calienta y se les humedece al mismo tiempo. En el mundo real, los materiales rara vez enfrentan solo calor o solo humedad; a menudo enfrentan ambos, como una pieza de un motor a reacción expuesta a aire caliente y húmedo o un material de construcción absorbiendo la lluvia mientras se calienta con el sol. Cuando esto sucede, el material se expande, se contrae y desarrolla tensiones internas que pueden conducir a fallos. Los investigadores crearon un modelo matemático para simular estas condiciones dentro de un cilindro hueco hecho de un compuesto reforzado con fibras, un material utilizado frecuentemente en la ingeniería de alto rendimiento. Trataron el material como una sustancia continua que existe en un espacio con una dimensión no entera, dándole efectivamente a las matemáticas una forma "fractal" para que coincida con la estructura interna del material.

El estudio introdujo una forma sofisticada de observar el tiempo y la memoria dentro del material. En lugar de asumir que el calor y la humedad se mueven instantáneamente o siguen un camino simple y recto, el modelo tiene en cuenta el hecho de que el estado actual del material depende de su historia reciente. Los investigadores utilizaron un concepto llamado "derivada dependiente de la memoria", lo que significa que la reacción del material a un cambio de temperatura o humedad está influenciada por lo que sucedió en los momentos justo antes. Probaron diferentes funciones matemáticas, conocidas como núcleos, para describir cómo funciona esta memoria. Algunas funciones asumían una relación lineal simple, mientras que otras utilizaban curvas no lineales más complejas. Al ejecutar simulaciones computacionales detalladas, descubrieron que las funciones no lineales, que permiten efectos de memoria más complejos, proporcionaban una mejor descripción del comportamiento del material que las más simples y lineales.

Los resultados de estas simulaciones revelaron varios comportamientos clave. Cuando el material fue sometido a una fuente de calor cambiante, la temperatura y la humedad no se propagaron de manera uniforme. En su lugar, se movieron en ondas que estaban fuertemente influenciadas por la naturaleza fractal del material y los retrasos temporales inherentes al sistema. Los investigadores observaron que los patrones de tensión interna del material eran significativamente diferentes de lo que sería predicho por los modelos tradicionales. En el modelo fractal, las tensiones eran generalmente menores en magnitud, pero la distribución era más compleja, con áreas específicas que mostraban concentraciones de fuerza únicas que los modelos estándar pasarían por alto. También descubrieron que el retraso en la forma en que el material respondía al calor y la humedad desempeñaba un papel crucial; cambiar la duración de este retraso alteraba todo el patrón de temperatura y tensión a través del material.

Quizás lo más importante es que el estudio destacó que la forma en que un material "recuerda" sus condiciones pasadas importa profundamente. Las simulaciones mostraron que el uso de una función de memoria no lineal, que captura un historial más realista y complejo del estado del material, condujo a predicciones más precisas de cómo el material se deformaría y dónde podría estar en riesgo de romperse. Esto sugiere que, para los ingenieros que diseñan componentes para aplicaciones aeroespaciales, automotrices o incluso biomédicas, ignorar la naturaleza fractal de los materiales y su compleja memoria podría conducir a diseños defectuosos. Al incorporar estas herramientas matemáticas avanzadas, los investigadores han proporcionado una imagen más clara de cómo el calor y la humedad viajan a través del mundo intrincado y no liso de los materiales fractales, ofreciendo una guía más fiable para construir estructuras más seguras y eficientes.

¿Ahogado en artículos de tu campo?

Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.

Probar Digest →