The influence of packing protocol, size ratio, and pore structure on fractal exponents in dense polydisperse packings

कल्पना कीजिए कि आप एक विशाल बक्से में हजारों कंचे भरने की कोशिश कर रहे हैं, लेकिन ये सामान्य कंचे नहीं हैं। कुछ मटर के आकार के हैं, कुछ अंगूर के आकार के, और इनके बीच के हर आकार के—यह सब एक बहुत ही विशिष्ट गणितीय विधि का पालन कर रहे हैं। आप उन्हें यथासंभव मजबूती से भरना चाहते हैं, जैसे कि मिश्रित मेवों का एक जार, लेकिन आप यह जानना चाहते हैं: क्या उन्हें भरने का तरीका पीछे छूटे खाली स्थानों के छिपे हुए "आकार" को बदल देता है?

यही वह चीज़ है जिसे समझने के लिए वैज्ञानिकों की एक टीम ने काम किया। उन्होंने "डेंस रैंडम पैकिंग" (dense random packings) का अध्ययन किया—मूल रूप से, यह कि आप एक वर्गाकार बक्से में अलग-अलग आकार के डिस्क (सपाट वृत्त) कितनी मजबूती से ठूंस सकते हैं। वे एक छिपे हुए पैटर्न की तलाश कर रहे थे जिसे फ्रैक्टल एक्सपोनेंट (fractal exponent) कहा जाता है। सोचिए कि फ्रैक्टल एक्सपोनेंट एक "जटिलता स्कोर" (complexity score) की तरह है जो यह बताता है कि जैसे-जैसे आप अलग-अलग दूरियों से देखते हैं, पैकिंग का द्रव्यमान (mass) कैसे बढ़ता है।

बक्से को भरने के तीन तरीके

शोधकर्ताओं ने अपने बक्से को भरने के लिए तीन अलग-अलग तरीकों का परीक्षण किया, और उनके परिणाम तीन बहुत ही अलग धावकों की दौड़ की तरह थे:

1. "डेलाउने ट्राइएंगुलेशन" (DT) धावक: यह तरीका एक सुपर-स्मार्ट रोबोट की तरह है जो अगले कंचे के लिए एकदम सही खाली जगह खोजने के लिए लगातार मानचित्र की जांच करता रहता है। यह बहुत व्यवस्थित और कुशल है।
2. "कांस्टेंट प्रेशर" (CP) धावक: यह तरीका एक हाइड्रोलिक प्रेस में बक्से को रखने जैसा है। यह कंचों का एक ढीला ढेर लेकर शुरू होता है और उन्हें मजबूती से जाम करने के लिए निरंतर दबाव के साथ धीरे-धीरे दबाता है।
3. "जनरलाइज्ड एपोलोनियन" (GAP) धावक: यह कोई रैंडम पैकिंग विधि नहीं है; यह एक सटीक, गणितीय विधि है जो चरण-दर-चरण पैकिंग बनाती है, जैसे कि एक फ्रैक्टल कलाकृति। शोधकर्ताओं ने इसका उपयोग मुख्य रूप से दूसरों को मापने के लिए एक पैमाने के रूप में किया।

बड़ी खोज: "साइज रेशियो" (Size Ratio) सबसे अधिक मायने रखता है

टीम ने खोजा कि सबसे महत्वपूर्ण बात यह नहीं थी कि आपने बक्से को कैसे भरा, बल्कि यह थी कि सबसे बड़े और सबसे छोटे कंचों के बीच का अंतर कितना बड़ा था। वे इसे "साサイズ रेशियो" (size ratio) कहते हैं।

• यदि अनुपात छोटा है (सबसे बड़ा कंचा सबसे छोटे से केवल कुछ गुना बड़ा है), तो पैकिंग अव्यवस्थित दिखती है। उनके "जटिलता स्कोर" (exponents) आपस में मेल नहीं खाते।
• यदि अनुपात बहुत बड़ा है (सबसे बड़ा कंचा सबसे छोटे से लगभग 1,600 गुना बड़ा है), तो तस्वीर साफ हो जाती है। स्कोर पूरी तरह से एक समान होने लगते हैं, चाहे आपने कौन सी भी विधि उपयोग की हो।

यह एक शोर भरे कमरे में फुसफुसाहट सुनने की कोशिश करने जैसा है। यदि कमरा छोटा है (छोटा साइज रेशियो), तो शोर (finite-size effects) संकेत को दबा देता है। लेकिन यदि आप कमरे को विशाल बना देते हैं (बड़ा साइज रेशियो), तो फुसफुसाहट स्पष्ट हो जाती है, और हर कोई एक ही चीज़ सुनता है।

"कैविटी" (Cavity) की समस्या: क्यों प्रेस विधि लड़खड़ाती है

यहीं पर कहानी दिलचस्प हो जाती है। जब उन्होंने DT विधि (स्मार्ट रोबोट) का उपयोग किया, तो सब कुछ बहुत खूबसूरती से काम कर गया। जैसे ही बक्सा पर्याप्त रूप से भर गया (95% से अधिक), सभी जटिलता स्कोर पूरी तरह से मेल खा गए।

लेकिन जब उन्होंने CP विधि (हाइड्रोलिक प्रेस) का उपयोग किया, तो चीजें अजीब हो गईं। भले ही बक्सा कसकर भरा गया था, फिर भी स्कोर मेल नहीं खा रहे थे। क्यों?

शोधकर्ताओं ने पाया कि प्रेस विधि पैकिंग के अंदर विशाल, अकेले गुफाएं (caves) बना देती है। कल्पना कीजिए कि तीन बड़े पत्थर एक-दूसरे को छू रहे हैं; वे बीच में एक बड़ा, खाली त्रिकोणीय स्थान छोड़ देते हैं। क्योंकि छोटे कंचे उस विशिष्ट आकार में फिट नहीं हो पाते, वह स्थान खाली रह जाता है। ये "गुफाएं" स्पंज के छेदों की तरह हैं।

पेपर तर्क देता है कि ये गुफाएं पैकिंग को कम "रैंडम" (यादृच्छिक) बनाती हैं। यह ऐसा है जैसे कंचे स्वाभाविक रूप से आपस में जुड़ने के बजाय एक गुप्त, कठोर नियम (इन बड़ी गुफाओं को बनाना) का पालन कर रहे हैं। यह यादृच्छिकता की कमी संरचना के स्ट्रक्चर फैक्टर (structure factor - एक तरीका जिससे प्रकाश या तरंगें पैकिंग से बिखरती हैं) के जटिलता स्कोर को कम कर देती है।

उन्होंने क्या खारिज किया

शोधकर्ता बहुत सावधानी से कुछ विचारों को खारिज करने में सफल रहे:

• यह "जैमिंग" (Jamming) नहीं है: उन्होंने पहले स्मार्ट रोबोट के साथ बक्से को भरने के बाद उसे दबाकर इसका परीक्षण किया। "जैमिंग" (वह बिंदु जहाँ कंचे हिल नहीं सकते) ने अजीब स्कोर पैदा नहीं किए। अजीब स्कोर केवल तभी आए जब प्रेस विधि के दौरान विशिष्ट "गुफाएं" बनीं।
• यह केवल छोटा सैंपल साइज नहीं है: उन्होंने दिखाया कि यदि आपके पास सबसे बड़े और सबसे छोटे कंचों के बीच पर्याप्त अंतर नहीं है, तो आपको गलत उत्तर मिलेगा। पिछले अध्ययन जिन्होंने भ्रमित करने वाले परिणाम दिए थे, वे संभवतः बहुत छोटा साइज रेशियो (लगभग 292) उपयोग कर रहे थे, जिससे वे वास्तविक पैटर्न नहीं देख सके।

अंतिम निर्णय

पेपर निष्कर्ष निकालता है कि एक घनी पैकिंग का "जटिलता स्कोर" कोई निश्चित नियम नहीं है जो इस आधार पर बदलता है कि आपने रोबोट का उपयोग किया या प्रेस का। इसके बजाय, यह इस पर निर्भर करता है कि पैकिंग वास्तव में कितनी "रैंडम" है।

• DT विधि रैंडम और सुसंगत रहती है, विशेष रूप से जब साइज रेशियो बड़ा हो।
• CP विधि संघर्ष करती है क्योंकि यह अनजाने में बड़ी गुफाएं बना देती है, जो यादृच्छिकता को कम कर देती है।

हालाँकि, उम्मीद की एक किरण है। शोधकर्ता सुझाव देते हैं कि यदि वे साइज रेशियो को बढ़ाते रहते हैं (सबसे बड़े केंचे को सबसे छोटे के मुकाबले और भी बड़ा बनाते हैं), तो CP विधि अंततः उन विशाल गुफाओं को बनाना बंद कर सकती है और स्कोर आखिरकार मेल खा सकते हैं। लेकिन अभी, उनके सिमुलेशन में, CP विधि अपेक्षित स्कोर और वास्तविक स्कोर के बीच एक अंतर दिखाती है।

संक्षेप में: एक पूरी तरह से अनुमानित, फ्रैक्टल पैकिंग प्राप्त करने के लिए, आपको आकारों की एक विशाल श्रृंखला और एक ऐसी विधि की आवश्यकता है जो विशाल, खाली गुफाएं बनाने से बचे। यदि आप ऐसा करते हैं, तो गणित पूरी तरह से काम करता है, और पैकिंग का "आकार" स्पष्ट हो जाता है।