Sphere-based representation of image-resolved porous media

Materiales como la espuma dentro de una taza de café, la roca esponjosa bajo nuestros pies o los filtros cerámicos en un motor de coche comparten una complejidad oculta: están llenos de agujeros. Los científicos llaman a estos medios porosos, y comprender cómo se mueven los fluidos a través de ellos, cómo viaja el calor o cómo reaccionan los productos químicos dentro de sus diminelos túneles es crucial para todo, desde la limpieza de derrames de petróleo hasta el diseño de mejores baterías. Para estudiar estos procesos, los investigadores suelen recurrir a potentes imágenes 3D tomadas por escáneres médicos o microscopios especializados, que revelan el intrincado laberinto de paredes sólidas y espacios vacíos dentro de un material. Sin embargo, estas imágenes son archivos digitales masivos compuestos por miles de millones de pequeños bloques, e intentar ejecutar simulaciones físicas directamente sobre una cuadrícula tan masiva suele ser demasiado lento y computacionalmente costoso. Durante décadas, los científicos han intentado simplificar estas imágenes en modelos más pequeños y fáciles de usar, pero muchas de estas simplificaciones pierden la forma real del material, convirtiendo un sistema de túneles complejo y sinuoso en una simple lista de puntos y líneas desconectados.

Un equipo de investigadores de la Friedrich-Alexander-Universität Erlangen-Nürnberg ha encontrado una forma de cerrar esta brecha, creando un nuevo método que mantiene la verdadera forma del material mientras lo hace lo suficientemente simple como para que las computadoras lo manejen rápidamente. En lugar de descomponer la imagen en una red de conexiones abstractas, utilizaron un algoritmo para llenar los espacios vacíos con una colección de esferas superpuestas. Imagine tomar un sistema de cuevas complejo e irregular y llenarlo con miles de bolas de goma suaves que presionan unas contra otras; las bolas no necesitan encajar perfectamente en cada rincón, pero juntas trazan el contorno de la cueva con una precisión sorprendente. Este enfoque, que los investigadores llaman el algoritmo Multi-Sphere Shape, les permite representar toda la estructura interna de un material utilizando un número manejable de estas esferas superpuestas. El resultado es un modelo lo suficientemente ligero como para ejecutarse en simulaciones, pero lo suficientemente detallado como para decirle a los científicos exactamente qué tan grandes son los agujeros, qué tan anchos son los pasajes estrechos entre ellos y cuántos caminos conectan un área con otra.

Los investigadores probaron este método en un trozo de espuma cerámica, un material utilizado frecuentemente en filtros de alta temperatura y catalizadores. Comenzaron con una imagen 3D de la espuma tomada con un escáner de tomografía computarizada, que capturó un pequeño cubo del material que medía 3.14 milímetros por cada lado. Esta imagen original era increíblemente detallada, contenía 64 millones de elementos de imagen diminutos, o vóxeles, que definían cada pared sólida y espacio vacío. Alimentando este enorme conjunto de datos con su nuevo algoritmo, el equipo generó una representación del espacio poroso interno de la espuma utilizando solo 22,468 esferas superpuestas. A pesar de usar menos de 23,000 esferas para describir una estructura hecha de 64 millones de bloques, el nuevo modelo capturó el 95 por ciento del volumen vacío real. Esto significa que, para casi cada parte de los túneles internos de la espuma original, había una esfera correspondiente en el nuevo modelo, preservando la forma general y las conexiones principales que permiten el flujo de aire o líquido.

Lo que hace que este descubrimiento sea particularmente útil es que el modelo hace más que solo parecerse al material original; proporciona respuestas inmediatas a preguntas que usualmente requieren cálculos complejos. Debido a que las esferas se superponen, los puntos donde se tocan o se intersectan revelan el tamaño de los pasajes más estrechos, conocidos como cuellos, y el tamaño de las áreas abiertas más grandes, o poros. Al contar cuántas esferas tocan a una sola esfera, los investigadores pudieron determinar el "número de coordinación", que les dice cuántos caminos diferentes se ramifican desde cualquier punto en la espuma. En materiales donde la estructura está dominada por estas formas redondas y similares a burbujas, estas mediciones se traducen directamente en propiedades físicas: el tamaño de una esfera se convierte en el tamaño de un poro, y el área donde dos esferas se superponen se convierte en el tamaño de la abertura que las conecta. Esto permite a los científicos ver instantáneamente la distribución de los tamaños de los agujeros y las anchuras de las conexiones sin tener que trazar manualmente toda la imagen 3D.

Los investigadores demostraron que esta representación basada en esferas no es solo una imagen estática, sino una herramienta funcional para futuras simulaciones. Debido a que el modelo está construido a partir de esferas, puede usarse directamente en simulaciones basadas en partículas, que son una forma común de estudiar cómo se mueven los fluidos o las partículas a través de entornos complejos. A diferencia de los métodos anteriores, que reducían el material a un mapa simplificado de nodos y enlaces, perdiendo la geometría espacial real, este nuevo enfoque retiene los límites físicos del material. Esto significa que los investigadores pueden simular cómo un fluido fluye alrededor de las formas reales de los poros en lugar de simplemente moverse entre puntos abstractos. Además, los datos extraídos de estas esferas —como los tamaños de los poros y el número de conexiones— pueden usarse para generar nuevos modelos parametrizados de materiales porosos. Esto crea un ciclo poderoso donde una imagen del mundo real se convierte en un modelo simple y rico en datos, el cual puede usarse para diseñar nuevos materiales con propiedades específicas, manteniendo intacta la conexión con la estructura original del mundo real.