Entropy Scaling for Diffusion Coefficients in Fluid Mixtures

यहाँ श्मिट, हासे और स्टीफन के शोध पत्र "Entropy scaling for diffusion coefficients in fluid mixtures" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

द्रव मिश्रणों में विसरण गुणांक (diffusion coefficients) तरल पृथक्करण प्रक्रियाओं, रिएक्टरों और दहन प्रणालियों के डिजाइन के लिए अत्यंत महत्वपूर्ण हैं। हालाँकि, मिश्रणों में विसरण के लिए प्रयोगात्मक डेटा दुर्लभ है, विशेष रूप से गैर-आदर्श (non-ideal) प्रणालियों और चरम अवस्थाओं (सुपरक्रिटिकल, मेटास्टेबल) के लिए।

• अंतराल (The Gap): जबकि एंट्रॉपी स्केलिंग (परिवर्ती एंट्रॉपी से परिवहन गुणों को जोड़ना) शुद्ध घटकों और मिश्रण की श्यानता (viscosity)/ऊष्मीय चालकता (thermal conductivity) के लिए अच्छी तरह से स्थापित है, इसे मिश्रण विसरण गुणांकों पर सफलतापूर्वक लागू नहीं किया जा सका है।
• चुनौती (The Challenge): मौजूदा अनुभवजन्य मॉडल (जैसे विग्नेस, डार्कन) अक्सर अत्यधिक गैर-आदर्श मिश्रणों के लिए विफल हो जाते हैं और पूरे द्रव क्षेत्र (गैस, तरल, सुपरक्रिटिकल और मेटास्टेबल) में स्व-विसरण ($D_i$), मैक्सवेल-स्टिफैन विसरण ($\mathcal{D}_{ij}$), और फिकियन विसरण ($D_{ij}$) के बीच संबंध का सुसंगत वर्णन नहीं कर सकते हैं। इसके अलावा, कोई भी सामान्य रूप से लागू होने वाला संबंध स्व-विसरण और पारस्परिक विसरण गुणांकों को नहीं जोड़ता है।

2. कार्यप्रणाली (Methodology)

लेखक एक ऊष्मागतिक रूप से सुसंगत एंट्रॉपी स्केलिंग फ्रेमवर्क प्रस्तावित करते हैं जो बिना किसी समायोज्य मिश्रण मापदंडों (adjustable mixture parameters) के द्विआधारी मिश्रणों में सभी विसरण गुणांकों की भविष्यवाणी करता है। यह दृष्टिकोण तीन मुख्य अवधारणाओं पर निर्भर करता है:

A. छद्म-शुद्ध घटक उपचार (Pseudo-Pure Component Treatment)

यह फ्रेमवर्क अनंत-तनुता विसरण गुणांकों ($D^\infty_i$) को "छद्म-शुद्ध" घटकों के रूप में मानता है।

• यह पाया गया कि $D^\infty_i$, शुद्ध घटक स्व-विसरण के समान, अपचयित विन्यास एंट्रॉपी ($\tilde{s}_{conf}$) के संबंध में एक एकचर स्केलिंग व्यवहार (monovariate scaling behavior) प्रदर्शित करता है।
• यह $D^\infty_i$ को शुद्ध द्रवों के लिए विकसित किए गए समान एंट्रॉपी स्केलिंग सहसंबंधों का उपयोग करके मॉडल करने की अनुमति देता है, जिसमें केवल कुछ संदर्भ डेटा बिंदुओं (या यदि वैश्विक पैरामीटर उपयोग किए जाते हैं तो शून्य) की आवश्यकता होती है।

B. एंट्रॉपी स्केलिंग सूत्रीकरण (Entropy Scaling Formulation)

मॉडल कम-घनत्व सीमा के लिए चैपमैन-एनस्कोग (CE) सिद्धांत के साथ संयुक्त एक संशोधित रोसेनफेल्ड स्केलिंग दृष्टिकोण का उपयोग करता है।

• स्केलिंग चर (Scaling Variable): अपचयित विन्यास एंट्रॉपी $\tilde{s}_{conf} = -s_{conf}/(R m)$, जहाँ $s_{conf}$ एक आणविक-आधारित समीकरण अवस्था (EOS) से प्राप्त होता है।
• सीमित मामले (Limiting Cases): मॉडल चार सीमित मामलों के लिए स्केलिंग फंक्शन को परिभाषित करता है:
  1. शुद्ध घटक स्व-विसरण ($D^{pure}_i$)।
  2. अनंत-तनुता स्व-विसरण ($D^\infty_i$)।
  3. दूसरे घटक का शुद्ध घटक स्व-विसरण ($D^{pure}_j$)।
  4. दूसरे घटक का अनंत-तनुता स्व-विसरण ($D^\infty_j$)।
• कार्यात्मक रूप (Functional Form): स्केलिंग विसरण गुणांक $\hat{D}$ को $\tilde{s}_{conf}$ के एक निरंतर फलन के रूप में वर्णित किया जाता है, जिसमें सिस्टम-विशिष्ट पैरामीटर ($\alpha_2, \alpha_3$) शामिल हैं जिन्हें सीमित मामलों के आधार पर फिट किया गया है।

C. मिश्रण और संयोजन नियम (Mixing and Combination Rules)

मनमानी संरचनाओं ($x_i$) पर विसरण की भविष्यवाणी करने के लिए, फ्रेमवर्क सीमित मामलों के बीच इंटरपोलेशन करने के लिए रैखिक मिश्रण नियमों का उपयोग करता है:

• स्व-विसरण ($D_i, D_j$): मोल अंशों के आधार पर शुद्ध घटक और अनंत-तनुता स्केलिंग मापदंडों को मिलाकर गणना की जाती है।
• मैक्सवेल-स्टिफैन विसरण ($\mathcal{D}_{ij}$): दोनों घटकों के अनंत-तनुता मापदंडों को मिलाकर गणना की जाती है।
• फिकियन विसरण ($D_{ij}$): मैक्सवेल-स्टिफैन गुणांक और ऊष्मागतिक कारक ($\Gamma_{ij}$) से प्राप्त किया जाता है, जिसे सीधे EOS से गणना की जाती है ($\Gamma_{ij} = \frac{x_i x_j}{RT} \frac{\partial^2 G}{\partial x_i^2}$)।

मुख्य विशेषता: यह फ्रेमवर्क एंट्रॉपी स्केलिंग मॉडल को एक आणविक-आधारित EOS (जैसे वास्तविक द्रवों के लिए PC-SAFT, लेनार्ड-जोन्स के लिए कोलाफा-नेज़वेडा) के साथ जोड़ता है। यह ऊष्मागतिक निरंतरता सुनिश्चित करता है, जिससे मॉडल चरण साम्यावस्था (VLE, LLE) और मेटास्टेबल अवस्थाओं को स्वाभाविक रूप से संभाल सकता है।

3. प्रमुख योगदान (Key Contributions)

1. एकीकृत फ्रेमवर्क: सभी विसरण गुणांकों (स्व, मैक्सवेल-स्टिफैन और फिकियन) को सुसंगत रूप से भविष्यवाणी करने के लिए एंट्रॉपी स्केलिंग का पहला सफल अनुप्रयोग।
2. छद्म-शुद्ध अवधारणा: यह प्रदर्शित किया गया कि अनंत-तनुता विसरण गुणांक विन्यास एंट्रॉपी के साथ एक सार्वभौमिक एकचर स्केलिंग नियम का पालन करते हैं, उन्हें छद्म-शुद्ध घटकों के रूप में माना जाता है।
3. पैरामीटर-मुक्त भविष्यवाणी: एक बार जब सीमित मामलों को अभिलक्षणित कर लिया जाता है (न्यूनतम डेटा का उपयोग करके), तो मॉडल बिना किसी समायोज्य मिश्रण मापदंडों के पूरे संरचना रेंज और अवस्था स्थान में विसरण की भविष्यवाणी करता है।
4. व्यापक प्रयोज्यता: यह मॉडल गैसों, तरल पदार्थों, सुपरक्रिटिकल फ्लूइड्स और यहाँ तक कि मेटास्टेबल/अस्थिर अवस्थाओं (जैसे स्पिनोडल क्षेत्र) के लिए भी काम करता है, जिन्हें पिछले मॉडल नहीं संभाल सके।

4. परिणाम (Results)

लेखकों ने लेनार्ड-जोन्स (LJ) मिश्रणों के लिए आणविक गतिशीलता (MD) सिमुलेशन और वास्तविक पदार्थ प्रणालियों के लिए प्रयोगात्मक डेटा का उपयोग करके अपने मॉडल को मान्य किया।

• लेनार्ड-जोन्स मिश्रण:

  • मॉडल ने पूरे संरचना रेंज में स्व-विसरण और मैक्सवेल-स्टिफैन गुणांकों की सटीक भविष्यवाणी की, जिसमें मजबूत गैर-आदर्शता, चरम बिंदु और तरल-तरल साम्यावस्था (LLE) अंतराल वाले सिस्टम भी शामिल हैं।
  • इसने उस व्यवहार को सही ढंग से पकड़ा जहाँ क्रिटिकल पॉइंट पर फिकियन विसरण गुणांक शून्य के करीब पहुँच जाता है।
  • यह अनुभवजन्य मॉडलों (विग्नेस और डार्कन) से बेहतर प्रदर्शन करता है, जो गैर-आदर्श प्रणालियों और LLE में रुझानों को पकड़ने में विफल रहे।

• वास्तविक पदार्थ प्रणालियाँ:

  • इसका परीक्षण n-hexane + n-dodecane, acetone + chloroform, और toluene + n-hexane जैसे मिश्रणों पर किया गया।
  • सटीकता: औसत सापेक्ष विचलन आम तौर पर कम था (जैसे, गैर-ध्रुवीय मिश्रणों में स्व-विसरण के लिए ~1–5%)।
  • गैर-आदर्शता: मॉडल ने बड़े मोलर द्रव्यमान अंतर या मजबूत अंतःक्रियाओं के कारण होने वाले गैर-रेखीय व्यवहार को सफलतापूर्वक पकड़ा।
  • सीमाएँ: एसोसिएटिंग प्रणालियों (जैसे 2-प्रोपेनॉल + n-हेप्टेन) और फिकियन विसरण के चरम बिंदुओं के पास मामूली विचलन देखे गए, जो संभवतः वर्तमान EOS द्वारा पूरी तरह से न पकड़े गए जटिल स्थानीय संरचनाओं के कारण हैं।

• मेटास्टेबल अवस्थाएँ:

  • फ्रेमवर्क ने मेटास्टेबल और अस्थिर क्षेत्रों (जैसे स्पिनोडल के भीतर) में विसरण गुणांकों की सफलतापूर्वक भविष्यवाणी की, जो वर्तमान प्रयोगात्मक या अनुभवजन्य मॉडलिंग सीमाओं से कहीं आगे की क्षमता प्रदर्शित करता है।

5. महत्व (Significance)

• भविष्यवाणी शक्ति: यह विधि उन क्षेत्रों में विसरण गुणांकों की भविष्यवाणी करने में सक्षम बनाती है जहाँ प्रयोगात्मक डेटा मौजूद नहीं है (जैसे उच्च दबाव, सुपरक्रिटिकल, मेटास्टेबल), जो चरम स्थितियों में प्रक्रिया डिजाइन के लिए महत्वपूर्ण है।
• ऊष्मागतिक निरंतरता: एक EOS के साथ जुड़कर, मॉडल यह गारंटी देता है कि विसरण भविष्यवाणियाँ चरण साम्यावस्था और ऊष्मागतिक स्थिरता के साथ सुसंगत हैं, जो अनुभवजन्य सहसंबंधों में कमी वाला गुण है।
• दक्षता: यह प्रत्येक नए मिश्रण स्थिति के लिए व्यापक प्रयोगात्मक डेटा या जटिल आणविक सिमुलेशन की आवश्यकता को कम करता है; पूर्ण मिश्रण प्रोफाइल उत्पन्न करने के लिए केवल सीमित मामले के डेटा (शुद्ध और अनंत तनुता) की आवश्यकता होती है।
• भविष्य के कार्य के लिए आधार: यह कार्यरूप बहु-घटक प्रणालियों और अधिक जटिल एसोसिएटिंग द्रवों के लिए एंट्रॉपी स्केलिंग को विस्तारित करने के लिए एक मजबूत भौतिक आधार प्रदान करता है।

संक्षेप में, यह कार्य शुद्ध घटक सिद्धांत और जटिल मिश्रण व्यवहार के बीच के अंतर को पाटते हुए, एंट्रॉपी स्केलिंग पर आधारित एक सार्वभौमिक, ऊष्मागतिक रूप से सुसंगत फ्रेमवर्क स्थापित करके परिवहन घटनाओं (transport phenomena) की एक दीर्घकालिक चुनौती को हल करता है।