Solid-angle based nearest-neighbor algorithm adapted for systems with low coordination number

परमाणुओं और अणुओं की अदृश्य दुनिया में, कण खुद को कैसे व्यवस्थित करते हैं, यह पदार्थ के चरित्र को निर्धारित करता है। कोई पदार्थ कठोर हीरा है, एक चिकना स्नेहक (लुब्रिकेंट) है, या एक बहता हुआ तरल है, यह पूरी तरह से उसके घटक हिस्सों के स्थानीय परिवेश पर निर्भर करता है। इन सामग्रियों को समझने के लिए, वैज्ञानिकों को पहले एक deceptively सरल प्रश्न का उत्तर देना होगा: पड़ोसी कौन है? कणों की एक घनी भीड़ में, यह हमेशा स्पष्ट नहीं होता कि कौन से कण छू रहे हैं और कौन से केवल पास से गुजर रहे हैं। यह अंतर महत्वपूर्ण है क्योंकि एक कण के पास कितने तत्काल पड़ोसी हैं, जिसे उसका समन्वय संख्या (कोऑर्डिनेशन नंबर) कहा जाता है, वह पूरे सिस्टम की संरचना को निर्धारित करता है। दशकों से, शोधकर्ता इन अदृश्य सीमाओं को खींचने के लिए गणितीय उपकरणों पर भरोसा करते आए हैं, लेकिन ये उपकरण तब संघर्ष करते हैं जब भीड़ विरल होती है या व्यवस्था असामान्य होती है, और अक्सर दूर के कणों को करीबी दोस्त के रूप में गलत पहचान देते हैं।

यूट्रेक्ट यूनिवर्सिटी और यूनिवर्सिटे पेरिस-सैक्ले के शोधकर्ताओं की एक टीम ने इस विशिष्ट समस्या को हल करने के लिए एक परिष्कृत विधि विकसित की है। उन्होंने एक मौजूदा तकनीक पर ध्यान केंद्रित किया जिसे 'सॉलिड-एंगल-बेस्ड नियरस्ट-नेबर एल्गोरिदम' कहा जाता है, जो यह जांचकर पड़ोसियों का निर्धारण करता है कि एक कण के आसपास का कितना दृश्य उसके साथियों द्वारा अवरुद्ध है। जबकि यह विधि घने, अराजक सिस्टम में अच्छी तरह काम करती है, यह खुले, संरचित जालीदार (लैटिस) ढांचों में, जहाँ कण कम और दूर-दूर होते हैं, एक व्यवस्थित त्रुटि करती है। इन कम-घनत्व वाले वातावरणों में, मूल एल्गोरिदम अक्सर बहुत आगे तक पहुँच जाता है, और पड़ोसियों के अगले स्तर के कणों को पहले घेरे के हिस्से के रूप में गिन लेता है। शोधकर्ताओं ने गणना में किसी भी नए समायोज्य सेटिंग को जोड़े बिना इस ओवरकाउंटिंग को ठीक करने के लिए एक ज्यामितीय सुधार पेश किया। उनका संशोधित दृष्टिकोण, जिसे वे mSANN कहते हैं, हनीकॉम्ब पैटर्न से लेकर डायमंड क्रिस्टल तक की जटिल संरचनाओं में सही पड़ोसियों की संख्या को सफलतापूर्वक पहचानता है, जो सूक्ष्म दुनिया का एक अधिक सटीक मानचित्र प्रदान करता है।

पड़ोसियों की पहचान करने में मुख्य चुनौती "स्पर्श" को परिभाषित करने वाली एक एकल, सार्वभौमिक परिभाषा की कमी है। एक पूर्ण क्रिस्टल में, उत्तर स्पष्ट है, लेकिन वास्तविक सामग्रियों में, तापीय ऊर्जा कणों को हिलने-डुलने (जिगल) के लिए प्रेरित करती है, जिससे परतों के बीच की रेखाएं धुंधली हो जाती हैं। पारंपरिक विधियाँ अक्सर एक निश्चित दूरी कट-ऑफ (डिस्टेंस कट-ऑफ) पर निर्भर करती हैं, जो एक कण के चारों ओर एक घेरा बनाती हैं और उसके भीतर मौजूद सभी को गिनती हैं। हालाँकि, यह तब विफल हो जाता है जब सामग्री में घनत्व बदलता है। एक अन्य लोकप्रिय विधि स्थान का ज्यामितीय विभाजन (जियोमेट्रिक पार्टिशनिंग) का उपयोग करती है, जो प्रत्येक कण के आसपास के क्षेत्र को एक अद्वितीय सेल में विभाजित करती है। हालांकि यह मनमाने ढंग से दूरी की सीमाओं से बचता है, लेकिन यह सूक्ष्म कंपन के प्रति संवेदनशील है और कम-समन्वय वाली संरचनाओं में, जैसे कि हनीकॉम्ब लैटिस जहाँ प्रत्येक कण के केवल तीन पड़ोसी होते हैं, दूर के कणों को गलत तरीके से शामिल कर सकता है। सॉलिड-एंगल विधि को एक मजबूत विकल्प के रूप में डिज़ाइन किया गया था जिसमें कोई निश्चित दूरी सेटिंग की आवश्यकता नहीं होती। यह एक केंद्रीय कण के चारों ओर एक गोले की कल्पना करके काम करता है और गणना करता है कि प्रत्येक संभावित पड़ोसी द्वारा घेरा गया कोणीय स्थान कितना है। एल्गोरिदम सीमा को तब तक बढ़ाता है जब जब तक कि पड़ोसी सामूहिक रूप से पूरे गोले को भर नहीं देते। यह घने सिस्टम में खूबसूरती से काम करता है, लेकिन खुले लैटिस में, स्थिति की ज्यामिति एल्गोरिदम को धोखा दे देती है।

शोधकर्ताओं ने पाया कि खुले स्ट्रक्चर में, मूल विधि प्रभावी रूप से एक ऐसा घेरा खींचती है जो बहुत बड़ा होता है। कल्पना कीजिए कि एक कण अपने तीन निकटतम पड़ोसियों द्वारा बनाए गए त्रिकोण के केंद्र में बैठा है। केंद्र वाले कण के चारों ओर के स्थान को भरने के लिए, एल्गोरिदम एक ऐसी त्रिज्या (रेडियस) की गणना करता है जो उस त्रिकोण के कोनों तक पहुँचती है। ऐसा करने में, यह अनजाने में उन कणों को शामिल कर लेता है जो उस त्रिकोण के ठीक बाहर, संरचना की अगली परत में स्थित हैं। ऐसा इसलिए होता है क्योंकि एल्गोरिदम स्थान को इस तरह मानता है जैसे इसे एक ऐसे वृत्त द्वारा भरा जाना चाहिए जो पड़ोसियों से होकर गुजरता है, न कि एक ऐसे वृत्त द्वारा जो केवल उन्हें समाहित करता है। यह ज्यामितीय चूक समन्वय संख्या का लगातार अति-आकलन (ओवरएस्टिमेशन) करती है, जिससे पड़ोसियों की पहली परत को दूसरी परत के साथ भ्रमित कर दिया जाता है।

इसे ठीक करने के लिए, लेखकों ने पड़ोसियों से गुजरने वाले वृत्त और उनके द्वारा बनाई गई आकृति के भीतर फिट होने वाले वृत्त के बीच संबंध पर आधारित एक सरल ज्यामितीय समायोजन का प्रस्ताव दिया। उन्होंने महसूस किया कि जबकि मूल विधि बाहरी वृत्त का उपयोग करती है, इन विरल संरचनाओं के लिए अधिक सटीक दृष्टिकोण वह होगा जो इनर और आउटर सीमाओं के बीच कहीं स्थित त्रिज्या का उपयोग करे। उन्होंने एक संशोधन पेश किया जो गणना की गई त्रिज्या को नीचे की ओर स्केल करता है, प्रभावी रूप से सीमा को इतना सिकोड़ देता है कि दूर के कणों को बाहर रखा जा सके, जबकि परमाणुओं की प्राकृतिक हलचल की अनुमति भी बनी रहे। यह समायोजन पूरी तरह से ज्यामितीय है और इसमें कोई नए पैरामीटर या ट्यूनिंग की आवश्यकता नहीं है, जो मूल विधि की सरलता को बनाए रखता है। यह एक फिल्टर के रूप में कार्य करता है जो खुले लैटिस में एल्गोरिदम को बहुत आगे बढ़ने से रोकता है, जबकि वास्तविक सामग्रियों में मौजूद थर्मल शोर को संभालने के लिए पर्याप्त लचीला बना रहता है।

टीम ने अपने नए तरीके, mSANN का परीक्षण मूल एल्गोरिदम और पारंपरिक ज्यामितीय विभाजन पद्धति के विरुद्ध विभिन्न प्रकार के सिम्युलेटेड सिस्टम में किया। हनीकॉम्ब और स्क्वायर लैटिस के द्वि-आयामी (2D) सिमुलेशन में, मूल विधियाँ अक्सर पड़ोसियों की संख्या को गलत पहचानती थीं, जो अक्सर सही तीन या चार के बजाय छह या पांच गिनती थीं। हालाँकि, संशोधित विधि ने लगातार प्रत्येक कण के लिए सटीक समन्वय संख्या की पहचान की, जिससे एक स्पष्ट वितरण प्राप्त हुआ जो सैद्धांतिक संरचना से मेल खाता था। डायमंड और ग्रेफाइट संरचनाओं से जुड़े त्रि-आयामी (3D) परीक्षणों में, जिनमें कम समन्वय संख्या होती है, मूल विधियों को फिर से पहली और दूसरी परत के बीच अंतर करने में संघर्ष करना पड़ा। mSANN सुधार ने इसे सफलतापूर्वक हल किया, और सभी परीक्षण किए गए क्रिस्टल प्रकारों, जिनमें साधारण क्यूबिक और बॉडी-सेंटर्ड क्यूबिक लैटिस शामिल हैं, में पड़ोसियों की सही संख्या की पहचान की।

शोधकर्ताओं ने अधिक जटिल, अव्यवस्थित (डिऑर्डर्ड) सिस्टम का भी परीक्षण किया, जैसे कि क्वासिक्रिस्टल्स, जिनमें विभिन्न आकृतियों और पड़ोसी गणनाओं का मिश्रण होता है। इन विषम वातावरणों में, मूल सॉलिड-एंगल्ड विधि कभी-कभी वर्गाकार अंतराल के विकर्णों (डायगोनल्स) के माध्यम से झूठे कनेक्शन बना देती थी, जिससे अलग-अलग क्षेत्र आपस में मिल जाते थे। संशोधित एल्गोरिदम ने इन अवांछित लिंक्स को टाल दिया, जिससे संरचना की वास्तविक टोपोलॉजी सुरक्षित रही। इसके अलावा, उन प्रणालियों में जहाँ विभिन्न चरण (फेज) सह-अस्तित्व में होते हैं, जैसे कि एक क्रिस्टल और एक अव्यवस्थित क्षेत्र के बीच की सीमा, नए तरीके ने इंटरफेस पर पड़ोसियों की सुसंगत पहचान प्रदान की, जबकि अन्य विधियों ने महत्वपूर्ण विसंगतियां दिखाईं। यह मजबूती बताती है कि संशोधन विशेष रूप से उन सामग्रियों के अध्ययन के लिए मूल्यवान है जो पूरी तरह से व्यवस्थित नहीं हैं, जहाँ स्थानीय परिवेश बिंदु-दर-बिंदु काफी भिन्न होता है।

सटीकता के अलावा, शोधकर्ता गणना की गति को लेकर भी चिंतित थे, क्योंकि पड़ोसी पहचान कई बड़े पैमाने के सिमुलेशन में एक मौलिक चरण है। उन्होंने अपने एल्गोरिदम को इस तरह से लागू किया है जो गणनाओं को कुशलतापूर्वक संभालने के लिए पैरेलल प्रोसेसिंग का लाभ उठाता है। उनके बेंचमार्क ने दिखाया कि एक हजार से कम कणों वाले छोटे सिस्टम के लिए, पारंपरिक ज्यामितीय विधि सबसे तेज़ विकल्प बनी रहती है। हालाँकि, जैसे-जैसे सिस्टम का आकार बढ़ता है, संशोधित एल्गोरिदम काफी तेज हो जाता है, जो लाखों कणों वाले बहुत बड़े सिस्टम के लिए पारंपरिक विधि की तुलना में लगभग दोगुने की गति से प्रदर्शन करता है। यह दक्षता, कम-घनत्व वाले वातावरण में बेहतर सटीकता के साथ मिलकर, इस नए तरीके को जटिल सामग्रियों के विश्लेषण के लिए एक शक्तिशाली उपकरण बनाती है।

यह कार्य प्रदर्शित करता है कि किसी समस्या की अंतर्निहित ज्यामिति पर एक सावधानीपूर्वक नज़र लगाने से हम भौतिक दुनिया को कैसे मॉडल करते हैं, इसमें महत्वपूर्ण सुधार हो सकता है। यह पहचानकर कि मूल विधि की पड़ोसी की परिभाषा खुले स्ट्रक्चर में बहुत उदार थी, शोधकर्ता एक ऐसा सुधार पेश करने में सक्षम हुए जो गणितीय रूप से सुरुचिपूर्ण और व्यावहारिक रूप से प्रभावी दोनों है। संशोधित एल्गोरिदम केवल एक विशिष्ट त्रुटि को ठीक नहीं करता है; यह पदार्थ की स्थानीय संरचना को मैप करने का एक अधिक विश्वसनीय तरीका प्रदान करता है, जो क्रिस्टल के कठोर लैटिस से लेकर बिखरे हुए चरणों की उतार-चढ़ाव वाली व्यवस्था तक फैला हुआ है। उन वैज्ञानिकों के लिए जो परमाणु स्तर पर सामग्रियों के व्यवहार का अध्ययन कर रहे हैं, एक ऐसा उपकरण होना जो उनके बीच के अंतराल से भ्रमित हुए बिना पड़ोसियों को सटीक रूप से गिन सके, उन गुणों को समझने की दिशा में एक महत्वपूर्ण कदम है जो हमारी दुनिया को बनाने वाली सामग्रियों के निर्माण करते हैं।