Koopman Mode Decomposition of Thermodynamic Dissipation in Nonlinear Langevin Dynamics

यहाँ सेकिज़ावा, इतो और ओइज़ुमी के शोध पत्र "Koopman Mode Decomposition of Thermodynamic Dissipation in Nonlinear Langevin Dynamics" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

गैर-रेखीय दोलन (Nonlinear oscillations) जटिल प्रणालियों में सर्वव्यापी हैं जो संतुलन से दूर होती हैं (जैसे जैविक लय, न्यूरोनल फायरिंग)। तापीय शोर (thermal noise) के विरुद्ध इन दोलनों को बनाए रखने के लिए निरंतर ऊष्मप्रवैगिकी अपव्यय (thermodynamic dissipation/entropy production) की आवश्यकता होती है। जबकि रैखिक प्रणालियों में दोलन और अपव्यय के बीच के संबंध को समझा जा सकता है, गैर-रेखीय प्रणालियों में यह एक महत्वपूर्ण चुनौती बनी हुई है।

मुख्य कठिनाई इस तथ्य में निहित है कि एंट्रॉपी उत्पादन एक अदिश (scalar) मात्रा है। जब पैरामीटर बदलते हैं (जैसे शोर की तीव्रता या द्विभाजन पैरामीटर), तो कुल एंट्रॉपी उत्पादन दर बदल जाती है, लेकिन यह पहचानना असंभव हो जाता है कि विशिष्ट दोलन संबंधी विशेषताएँ—जैसे कि आवृत्ति (frequency), आयाम (amplitude), या तत्वों के बीच सामंजस्य (coherence)—इस परिवर्तन में कैसे योगदान देती हैं। मौजूदा विधियाँ अक्सर लिमिट साइकल, द्विभाजन (bifurcations) और सुसंगत अनुनाद (coherent resonance) जैसी सामान्य गैर-रेखीय घटनाओं के अपव्यय को व्याख्या योग्य, मोड-दर-मोड घटकों में विभाजित करने में विफल रहती हैं।

2. कार्यप्रणाली (Methodology)

लेखक एक रूपरेखा प्रस्तावित करते हैं जो गैर-रेखीय गतिकी को रैखिकीकृत (linearize) और विघटित करने के लिए स्टोकेस्टिक थर्मोडायनामिक्स को कूपमैन मोड डिकम्पोजिशन (KMD) के साथ जोड़ती है।

A. सैद्धांतिक ढांचा (Theoretical Framework)

1. एंट्रॉपी उत्पादन का ज्यामितीय विघटन:
   कुल एंट्रॉपी उत्पादन दर ($\sigma_t$) को एक अतिरिक्त भाग (स्थिर अवस्था की ओर विश्रांति के कारण) और एक हाउसकीपिंग भाग ($\sigma^{hk}_t$) में विभाजित किया गया है। हाउसकीपिंग भाग गैर-संरक्षी बलों (non-conservative forces) के विरुद्ध स्थिर अवस्था को बनाए रखने के लिए आवश्यक अपव्यय का प्रतिनिधित्व करता है। एक स्थिर अवस्था में, $\sigma_t = \sigma^{hk}_t$ होता है।
   $$\sigma^{hk}_t = \langle (\nu^{hk}_t)^\top D_t^{-1} \nu^{hk}_t \rangle_t$$
   जहाँ $\nu^{hk}_t$ स्थानीय औसत वेग का "हाउसकीपिंग" घटक है, और $D_t$ शोर प्रसार मैट्रिक्स (noise diffusion matrix) है।

2. आभासी नियतात्मक गतिकी (Virtual Deterministic Dynamics):
   KMD लागू करने के लिए, लेखक केवल हाउसकीपिंग स्थानीय औसत वेग क्षेत्र द्वारा संचालित एक आभासी नियतात्मक गतिक प्रणाली पेश करते हैं:
   $$dx_s = \nu^{hk}_t(x_s) ds$$
   महत्वपूर्ण रूप से, $\nu^{hk}_t$ में नियतात्मक ड्रिफ्ट (deterministic drift) और विसरण-प्रेरित बल ($-D_t \nabla \ln p_t(x)$) दोनों शामिल हैं। यह सुनिश्चित करता है कि आभासी गतिकी शोर की उपस्थिति में भी उन प्रभावी स्टोकेस्टिक प्रवाहों को कैप्चर करती है जो दोलनों को बनाए रखते हैं।

3. कूपमैन मोड डिकम्पोजिशन (KMD):
   इस गैर-रेखीय आभासी गतिकी को कूपमैन जनरेटर ($K$) के माध्यम से एक अनंत-आयामी फलन स्थान (function space) में रैखिक विकास के रूप में पुनर्गठित किया जाता है। पहचान फलन (identity function - अवस्था $x$) को $K$ के आइगेनफंक्शंस ($\phi_k$) और आइगेनवैल्यूज़ ($\lambda_k$) का उपयोग करके विस्तारित किया जाता है:
   $$x_s = \sum_k e^{\lambda_k s} \phi_k(x_0) v_k$$
   जहाँ $v_k$ कूपमैन मोड हैं। स्थिर-अवस्था हाउसकीपिंग गतिकी के लिए, आइगेनवैल्यू पूरी तरह से काल्पनिक ($\lambda_k = 2\pi i \chi_k$) होते हैं, जो आवृत्ति $\chi_k$ वाले दोलन मोड का प्रतिनिधित्व करते हैं।

B. मुख्य परिणाम: मोड-वार अपव्यय (Mode-wise Dissipation)

लेखक प्रत्येक दोलन मोड से सकारात्मक योगदान के योग के रूप में हाउसकीपिंग एंट्रॉपी उत्पादन दर को विघटित करने वाला एक मौलिक संबंध व्युत्पन्न करते हैं:
$$\sigma^{hk}_t = \sum_k \sigma^{hk,(k)}_t$$
$$\sigma^{hk,(k)}_t = (2\pi)^2 \chi_k^2 J_k$$
जहाँ:

• $\chi_k$: $k$-वें मोड की आवृत्ति है।
• $J_k$: $k$-वें मोड की तीव्रता (intensity) है, जिसे $D_t^{-1} p_t(x)$ मेट्रिक के तहत मोड के $L_2$ नॉर्म के रूप में परिभाषित किया गया है।

मुख्य अंतर्दृष्टि: एक विशिष्ट दोलन मोड की ऊष्मप्रवैगिकी लागत उसकी आवृत्ति के वर्ग और उसकी तीव्रता के समानुपाती होती है। उच्च-आवृत्ति वाले दोलन एंट्रॉपी उत्पादन के संदर्भ में काफी अधिक "महंगे" होते हैं।

C. संख्यात्मक कार्यान्वयन (Numerical Implementation)

लेखकों ने इस ढांचे को नॉइजी फिट्ज़हुगल-नागुमो (FHN) मॉडल (न्यूरोनल उत्तेज्यता का एक मानक मॉडल) पर लागू किया।

• डेटा-संचालित अनुमान: उन्होंने आभासी गतिकी के टाइम-सीरीज़ डेटा से कूपमैन आइगेनवैल्यू, आइगेनफंक्शन और मोड निकालने के लिए डायनेमिक मोड डिकम्पोजिशन (DMD), विशेष रूप से हैंकेल DMD और फिजिक्स-इन्फॉर्म्ड DMD (PiDMD) का उपयोग किया।
• सत्यापन: मोड योगदान के विभाजित योग को सीधे संख्यात्मक एकीकरण के माध्यम से गणना की गई वास्तविक हाउसकीपिंग एंट्रॉपी उत्पादन दर से मेल खाते हुए सत्यापित किया गया।

3. मुख्य परिणाम और अनुप्रयोग

A. आवृत्ति-विभेदित अपव्यय (Frequency-Resolved Dissipation)

विघटन ने सफलतापूर्वक खुलासा किया कि कुल एंट्रॉपी उत्पादन एक अखंड (monolithic) मात्रा नहीं है, बल्कि विभिन्न आवृत्तियों से होने वाले लागतों का एक सुपरपोजिशन है।

• आवृत्ति बनाम लागत: जैसे-जैसे FHN मॉडल में समय स्थिरांक $\tau$ को बदला गया, सिस्टम कम आवृत्तियों की ओर स्थानांतरित हो गया। कुल अपव्यय कम हो गया, और विघटन ने दिखाया कि यह आयाम में परिवर्तन के बजाय प्रमुख मोड के निम्न आवृत्तियों की ओर स्थानांतरण (चूंकि लागत $\propto \chi^2$) द्वारा संचालित था।

B. द्विभाजन का विश्लेषण (Analysis of Bifurcations)

इस ढांचे का उपयोग हॉप द्विभाजन (Hopf bifurcation) (इनपुट करंट $I$ द्वारा नियंत्रित) के पास सिस्टम का अध्ययन करने के लिए किया गया।

• द्विभाजन-पूर्व (Pre-bifurcation): कम $I$ पर, सिस्टम बड़े लिमिट साइकल प्रदर्शित करता है। एंट्रॉपी उत्पादन आवृत्तियों के एक विस्तृत स्पेक्ट्रम द्वारा समर्थित होता है।
• द्विभाजन-पश्चात (Post-bifurcation): जैसे ही $I$ द्विभाजन बिंदु से आगे बढ़ता है, सिस्टम एक स्थिर फिक्स्ड पॉइंट (stable fixed point) में परिवर्तित हो जाता है जिसमें छोटे शोर-प्रेरित लूप होते हैं। विघटन ने विशिष्ट आवृत्ति बैंडों के अंतरालीय ड्रॉपआउट (intermittent dropouts) को प्रकट किया।
• प्रभुत्व (Dominance): स्थिर फिक्स्ड पॉइंट ($I \approx 2.4$) के पास, अपव्यय एक एकल आवृत्ति मोड द्वारा हावी हो गया, जो स्थानीय औसत वेग क्षेत्र के रैखिक स्थिरता विश्लेषण के अनुरूप था। इसने मात्रात्मक रूप से दिखाया कि जैसे ही सिस्टम अपना दोलन चरित्र खो देता है, अपव्यय की "संरचना" कैसे ढह जाती है।

C. सुसंगत अनुनाद (Coherent Resonance)

लेखकों ने सुसंगत अनुनाद की जांच की, जहाँ मध्यम शोर तीव्रता दोलनों की सामयिक सुसंगतता (temporal coherence) को अधिकतम करती है।

• इष्टतम शोर (Optimal Noise): उस शोर तीव्रता पर जहाँ सुसंगतता अधिकतम होती है, एंट्रॉली उत्पादन दर चरम पर होती है।
• स्पेक्ट्रल ब्रोडनिंग (Spectral Broadening): विघटन ने दिखाया कि यह शिखर एक व्यापक आवृत्ति स्पेक्ट्रम द्वारा समर्थित है, जो कुल अपव्यय में महत्वपूर्ण योगदान देता है।
• गैर-इष्टतम शोर: कम या उच्च शोर स्तरों पर, अपव्यय विशिष्ट, संकीर्ण आवृत्ति मोड द्वारा हावी होता है। यह सुझाव देता है कि सुसंगत अनुनाद की "दक्षता" कई विविध दोलन मोडों के सामूहिक योगदान पर निर्भर करती है।

4. महत्व और निहितार्थ

• व्याख्यात्मकता (Interpretability): यह कार्य गैर-रेखीय प्रणालियों में ऊष्मप्रवैगिकी अपव्यय का पहला मोड-दर-मोड चित्र प्रदान करता है। यह केवल अदिश एंट्रॉपी दरों से आगे बढ़कर यह समझाता है कि कौन सी दोलन संबंधी विशेषताएँ लागत को संचालित करती हैं।
• ऊष्मप्रवैगिकी बाधाएं (Thermodynamic Constraints): व्युत्पन्न असमानता $J_k \leq \sigma_t / (2\pi \chi_k)^2$ एक मौलिक ट्रेड-ऑफ स्थापित करती: उच्च तीव्रता के साथ उच्च-आवृत्ति वाले दोलनों को बनाए रखने के लिए अत्यधिक ऊष्मप्रवैगिकी लागत (एंट्रॉपी उत्पादन) की आवश्यकता होती है। यह एक संभावित स्पष्टीकरण प्रदान करता है कि क्यों जैविक दोलक (जैसे न्यूरल रिदम) विशिष्ट आवृत्तियों पर कार्य करते हैं।
• सामान्यीकरण (Generalizability): हालांकि इसे FHN मॉडल पर प्रदर्शित किया गया है, यह ढांचा ओवरडैम्प्ड (overdamped) गैर-रेखीय लैंगविन प्रणालियों के लिए सामान्य है। यह गैर-रेखीय गतिकी (कूपमैन सिद्धांत) और गैर-संतुलन ऊष्मप्रवैगिकी के बीच के अंतर को पाटता है।
• भविष्य की दिशाएं: लेखक नोट करते हैं कि हालांकि यह विधि सीमित संख्या में मोड (विकर्णता/diagonalizability) मानती है, इसे उन्नत DMD तकनीकों का उपयोग करके निरंतर स्पेक्ट्रा (जैसे अराजकता/chaos) वाले सिस्टम के लिए विस्तारित किया जा सकता है। वे वास्तविक जैविक प्रणालियों में ऊष्मप्रवैगिकी बाधाओं का अनुमान लगाने के लिए प्रयोगात्मक डेटा पर इस पद्धति को लागू करने की क्षमता को भी रेखांकित करते हैं।

संक्षेप में, यह शोध पत्र गैर-रेखीय दोलनों के स्पेक्ट्रल गुणों और उनकी ऊष्मप्रवैगिकी लागत के बीच एक कठोर गणितीय संबंध स्थापित करता है, जो जटिल, शोर युक्त, गैर-संतुलन प्रणालियों में ऊर्जा दक्षता का विश्लेषण करने के लिए एक शक्तिशाली नया उपकरण प्रदान करता है।