🔬 physics

Network modelling of yield-stress fluid flow in randomly disordered porous media

यह शोध पत्र विस्कस (disordered) सरंध्र माध्यमों में यील्ड-स्ट्रेस तरल प्रवाह के लिए एक भौतिकी-आधारित पोर-नेटवर्क मॉडल प्रस्तुत करता है जो पोर-स्केल यांत्रिकी से दबाव-प्रवाह संबंधों को व्युत्पन्न करके गैररेखीय परिवहन और चैनलकरण को सटीक रूप से कैप्चर करता है, जिससे यह प्रकट होता है कि यील्ड-निकट दबाव हानि बाधा-पैमाने की लंबाई के बजाय संकुचन सांख्यिकी द्वारा नियंत्रित होती है।

मूल लेखक: Cláudio P. Fonte, Elliott Sutton, Kohei Ohie, Eleanor Doman, Yuji Tasaka, Anne Juel

प्रकाशित 2026-03-11

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Cláudio P. Fonte, Elliott Sutton, Kohei Ohie, Eleanor Doman, Yuji Tasaka, Anne Juel

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप संगमरमर के बिखरे हुए मोतियों से बने स्पंज के माध्यम से टूथपेस्ट के एक विशाल, मोटे ढेर को धकेलने की कोशिश कर रहे हैं। मूल रूप से यह पेपर इसी के बारे में है, लेकिन एक वैज्ञानिक मोड़ के साथ: वे अध्ययन कर रहे हैं कि कैसे यील्ड-स्ट्रेस फ्लूइड्स (जैसे टूथपेस्ट, केचप, या कुछ ड्रिलिंग मड) पोरस मीडिया (जैसे मिट्टी, चट्टान, या फिल्टर) के माध्यम से चलते हैं।

यहाँ उनकी खोज की कहानी है, जिसे सरल अवधारणाओं और रोजमर्रा के उदाहरणों में विभाजित किया गया है।

1. समस्या: "अटका हुआ" टूथपेस्ट

अधिकांश तरल पदार्थ, जैसे पानी, जैसे ही आप उन्हें धक्का देते हैं, आसानी से बहने लगते हैं। लेकिन यील्ड-स्ट्रेस फ्लूइड्स जिद्दी होते हैं। वे तब तक एक ठोस की तरह व्यवहार करते हैं जब तक कि आप उनकी आंतरिक संरचना को तोड़ने के लिए पर्याप्त जोर से धक्का नहीं देते। एक बार जब आप पर्याप्त जोर लगा देते हैं, तो वे अचानक तरल बन जाते हैं और बहने लगते हैं।

जब ये तरल पदार्थ चट्टानों के एक अस्त-व्यस्त, यादृच्छिक भूलभुलैया (maze) के माध्यम से निकलने की कोशिश करते हैं, तो चीजें जटिल हो जाती हैं:

द बॉटलनेक (Bottleneck): तरल पदार्थ हर जगह एक साथ नहीं बहता है। यह केवल उन "आसान" रास्तों से बहता है जहाँ चट्टानें एक-दूसरे से दूर होती हैं।
द ट्रैफिक जाम (Traffic Jam): जैसे-जैसे तरल पदार्थ अधिक चिपचिपा (उच्च यील्ड स्ट्रेस) होता जाता है, यह अधिकांश स्थानों पर बहना बंद कर देता है और इसे केवल कुछ संकीर्ण, उच्च गति वाले राजमार्गों में धकेला जाता है। इसे चैनलइजेशन (channelisation) कहा जाता है।
द स्लिपरी फैक्टर (Slippery Factor): कभी-कभी, तरल पदार्थ चट्टानों की दीवारों से चिपकता नहीं है; यह उनके साथ फिसलता है (जैसे गीला साबुन)। यह "वॉल स्लिप" (wall slip) सब कुछ बदल देता है, जिससे तरल को धकेलना आसान हो जाता है।

2. पुराना तरीका बनाम नया तरीका

वैज्ञानिकों ने इसे दो तरीकों से सिम्युलेट करने की कोशिश की है:

"सुपरकंप्यूटर" विधि: आप हर एक चट्टान के चारों ओर तरल की हर एक बूंद की गति की गणना करने की कोशिश कर सकते हैं। यह अविश्वसनीय रूप से सटीक है लेकिन इसमें इतनी अधिक कंप्यूटिंग शक्ति लगती है कि यह समुद्र में ज्वार की भविष्यवाणी करने के लिए समुद्र तट पर रेत के हर कण को गिनने जैसा है। यह वास्तविक दुनिया के उपयोग के लिए बहुत धीमा है।
"मैप" विधि (नेटवर्क मॉडलिंग): प्रत्येक बूंद को ट्रैक करने के बजाय, आप एक सरलीकृत मानचित्र बनाते हैं। आप चट्टानों के बीच के अंतराल को "थ्रोट्स" (संकीर्ण सुरंगें) और खुले स्थानों को "पोर्स" (कमरे) के रूप में देखते हैं। फिर आप नियम लिखते हैं कि एक कमरे से दूसरे कमरे में तरल कैसे चलता है।

पुराने मैप्स की समस्या: पिछले मानचित्र बहुत सरल थे। वे "फिटेड पैरामीटर्स" का उपयोग करते थे, जो कार की वास्तविक भौतिकी के बजाय केवल एक अनुमान के आधार पर सड़क की गति सीमा का अनुमान लगाने जैसा है। वे अक्सर ठीक उसी क्षण विफल हो जाते थे जब तरल चलना शुरू करता है ("यील्डिंग" बिंदु)।

3. नया समाधान: एक भौतिकी-आधारित मानचित्र

लेखकों ने एक स्मार्टर मैप बनाया।

कोई अनुमान नहीं: नियमों का अनुमान लगाने के बजाय, उन्होंने उन्हें सीधे इस भौतिकी से निकाला है कि कैसे तरल दो चट्टानों के बीच संकीर्ण अंतराल से गुजरता है।
"कन्वर्जिंग-डाइवर्जिंग" टनल: उन्होंने महसूस किया कि दो चट्टानों के बीच का स्थान एक सीधी पाइप नहीं है; यह एक सुरंग है जो संकरी होती है और फिर चौड़ी हो जाती है। उन्होंने विशेष रूप से इस आकार के लिए एक गणितीय मॉडल बनाया।
द स्लिपरी स्लाइड (Slippery Slide): उन्होंने वॉल स्लिप का नियम भी जोड़ा। कल्पना कीजिए कि तरल बर्फ पर स्केट करने वाले की तरह चट्टान की दीवारों के साथ फिसल रहा है। यह घर्षण को कम करता है और तरल को उन नए रास्तों को खोजने में सक्षम बनाता है जो पहले अवरुद्ध थे।

4. बड़ी खोज: यह "गर्दन" के बारे में है, "शरीर" के बारे में नहीं

शोधकर्ताओं ने अपने नए मैप का "सुपरकंप्यूटर" विधि के विरुद्ध परीक्षण किया और पाया कि यह आश्चर्यजनक रूप से सटीक है, भले ही यह बहुत सरल है।

लेकिन सबसे बड़ा आश्चर्य तब आया जब उन्होंने यह समझने की कोशिश की कि तरल को धकेलने के लिए आवश्यक प्रेशर (दबाव) को क्या नियंत्रित करता है।

पुरानी थ्योरी: वैज्ञानिकों का मानना था कि चट्टानों का आकार (बाधाएं) यह निर्धारित करता है कि तरल को धकेलना कितना कठिन है।
नई वास्तविकता: उन्होंने पाया कि चट्टान का आकार उतना महत्वपूर्ण नहीं था जितना कि दो चट्टानों के बीच का सबसे संकीर्ण अंतराल (जिसे "गर्दन" या "neck" कहा जाता है) का आकार।

उपमा (Analogy): कल्पना कीजिए कि लोगों की एक भीड़ स्टेडियम से बाहर निकलने की कोशिश कर रही है।

पुरानी थ्योरी कहती है कि कठिनाई इस बात पर निर्भर करती है कि स्टेडियम कितना बड़ा है।
नई थ्योरी कहती है कि कठिनाई पूरी तरह से निकास द्वार (exit door) की चौड़ाई पर निर्भर करती है। भले ही स्टेडियम बहुत बड़ा हो, यदि दरवाजा छोटा है, तो भीड़ फंस जाएगी। यदि दरवाजा चौड़ा है, तो भीड़ आसानी से निकल जाएगी।

उन्होंने खोजा कि यदि आप पूरे भूलभुलैया में सबसे संकीर्ण अंतरालों की औसत चौड़ाई को मापते हैं, तो आप सटीक रूप से भविष्यवाणी कर सकते हैं कि तरल कैसा व्यवहार करेगा, चाहे भूलभुलैया कितनी भी अव्यवस्थित क्यों न दिखे। यह "गैप विड्थ" (अंतराल की चौड़ाई) ही इन तरल पदार्थों के लिए वास्तविक पैमाना है।

5. यह क्यों मायने रखता है

यह नया मॉडल एक गेम-चेंजर है क्योंकि:

यह तेज़ है: यह एक लैपटॉप पर सेकंडों में चलता है, जबकि सुपरकंप्यूटर विधि में कई दिन लग जाते हैं।
यह सटीक है: यह सटीक भविष्यवाणी करता है कि तरल कब चलना शुरू करेगा और यह कैसे चैनललाइज होगा।
यह व्यावहारिक है: यह इंजीनियरों को बेहतर तेल रिकवरी सिस्टम (चट्टान से तेल निकालना), मिट्टी की सफाई (प्रदूषकों को हटाना) में सुधार करने और बेहतर फिल्टर बनाने में मदद करता है।

संक्षेप में: लेखकों ने एक स्मार्ट, भौतिकी-आधारित मानचित्र बनाया है जो तरल को एक भूलभुलैया से भागने की कोशिश कर रही एक जिद्दी भीड़ की तरह मानता है। उन्होंने खोजा कि भीड़ की गति भूलभ्लैया के आकार द्वारा नहीं, बल्कि सबसे संकीर्ण दरवाजों के आकार द्वारा नियंत्रित होती है। और यदि दीवारें फिसलन भरी हैं, तो भीड़ बहुत तेज़ी से निकल जाती है!

यहाँ "Network modelling of yield-stress fluid flow in randomly disordered porous media" नामक शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यादृच्छिक विस्कस माध्यमों (जैसे कि रैंडमली डिसऑर्डर्ड पोरस मीडिया) के माध्यम से यील्ड-स्ट्रेस फ्लूइड (जैसे कि हर्शल-बल्कले फ्लूइड्स) का प्रवाह, उन्नत तेल रिकवरी (enhanced oil recovery), फिल्ट्रेशन और मृदा सुधार (soil remediation) जैसे अनुप्रयोगों के लिए अत्यंत महत्वपूर्ण है। न्यूटोनियन फ्लूइड्स के विपरीत, ये प्रणालियाँ नॉन-डार्सी व्यवहार (non-Darcy behavior) प्रदर्शित करती हैं:

प्रवाह केवल एक परिमित दबाव सीमा (finite pressure threshold) के ऊपर ही शुरू होता है।
प्रवाह दर (flow rate) और दबाव गिरावट (pressure drop) के बीच का संबंध गैर-रैखिक (nonlinear) होता है।
यील्ड बिंदु के निकट, परिवहन अत्यधिक विषम (heterogeneous) हो जाता है, जो चैनलों (channelization) द्वारा चिह्नित होता है जहाँ केवल एक विशिष्ट उपसमुच्चय (subset) पोर स्पेस गतिशील होता है।
वॉल स्लिप (Wall slip) (जो सॉफ्ट ग्लासी और पार्टिकुलेट सामग्रियों में सामान्य है) घर्षण को कम करके और यील्ड थ्रेशोल्ड को बदलकर भौतिकी को और अधिक जटिल बना देता है।

वर्तमान सीमाएँ:

डायरेक्ट न्यूमेरिकल सिमुलेशन (DNS): हालांकि सटीक है, लेकिन DNS गणनात्मक रूप से महंगा है और बड़े या अत्यधिक विस्कस डोमेन पर लागू करना कठिन है।
मौजूदा पोर-नेटवर्क मॉडल (PNM): वर्तमान मॉडल अक्सर फिट किए गए रेजिस्टेंस मापदंडों पर निर्भर करते हैं या यील्डिंग के पास के संक्रमण को सटीक रूप से पकड़ने में विफल रहते हैं। इनमें अक्सर एक भौतिक-आधारित क्लोजर (physics-based closure) की कमी होती है जो अनुभवजन्य अंशांकन (empirical calibration) के बिना वॉल स्लिप और यील्ड-स्ट्रेस रियोलॉजी दोनों को शामिल कर सके।

2. कार्यप्रणाली (Methodology)

लेखकों ने 2D रैंडमली डिसऑर्डर्ड पोरस मीडिया में हर्शल-बल्कले प्रवाह के लिए एक भौतिक-आधारित पोर-नेटवर्क मॉडल (physics-based pore-network model) विकसित किया है।

ज्यामिति निर्माण (Geometry Construction):
- पोरस मीडियम को एक 2D डोमेन ( $L \times L$ ) के रूप में मॉडल किया गया है जिसमें त्रिज्या $R$ के यादृच्छिक रूप से रखे गए, गैर-अतिव्यापी (non-overlapping) गोलाकार अवरोध (obstacles) हैं।
- अवरोधों के सेंट्रोइड्स का वोरोनोई टेसेलेशन (Voronoi tessellation) नेटवर्क को परिभाषित करता है: वर्टिक्स (vertices) छिद्रों (pores) का प्रतिनिधित्व करते हैं, और किनारे (edges) थ्रोट्स (throats) का प्रतिनिधित्व करते हैं।
- थ्रोट की ज्यामिति को पड़ोसी अवरोधों के बीच एक अभिसारी-अपसारी अंतराल (converging-diverging gap) के रूप में मॉडल किया गया है, जिसे न्यूनतम अर्ध-चौड़ाई $h_{min}$ द्वारा परिभाषित किया गया है।
थ्रोट-स्केल फिजिक्स (द क्लोजर):
- फिट किए गए मापदंडों के बजाय, मॉडल एक अभिसारी-अपसारी थ्रोट के द्रव यांत्रिकी (fluid mechanics) से सीधे दबाव-प्रवाह संबंध ( $P(Q)$ ) प्राप्त करता है।
- शासी समीकरण (Governing Equations):
  - रियोलॉजी: हर्शल-बल्कले नियम ( $\eta(\dot{\gamma}) = \tau_0/\dot{\gamma} + K\dot{\gamma}^{n-1}$ )।
  - स्लिप कंडीशन: दीवारों पर एक स्लिप वेलोसिटी $u_s$ लागू की जाती है, जो दीवार के शियर स्ट्रेस (wall shear stress) के स्लिप यील्ड स्ट्रेस $\tau_s$ से अधिक होने पर निर्भर करती है।
  - मोमेंटम बैलेंस: स्थानीय दबाव ग्रेडिएंट $G(x)$ को प्रवाह दर $Q$ से जोड़ने के लिए स्थिर, एकदिशीय प्रवाह (steady, unidirectional flow) के लिए हल किया जाता है।
- संख्यात्मक कार्यान्वयन (Numerical Implementation): दिए गए $Q$ के लिए $G(x)$ खोजने के लिए स्थानीय संबंध को संख्यात्मक रूप से उल्टा (invert) किया जाता है, और थ्रोट के आर-पार कुल दबाव गिरावट प्राप्त करने के लिए थ्रोट की लंबाई के साथ $G(x)$ का समाकलन (integration) किया जाता है। शून्य प्रवाह के पास संख्यात्मक मजबूती सुनिश्चित करने के लिए एक रेगुलराइजेशन पैरामीटर का उपयोग किया जाता है।
नेटवर्क समाधान (Network Solution):
- यह प्रणाली प्रत्येक पोर में द्रव्यमान संरक्षण (mass conservation) और सभी थ्रोट्स में गैर-रैखिक दबाव-प्रवाह संबंधों को हल करती है।
- एक न्यूटन-टाइप विधि जिसमें ट्रस्ट-रीजन ग्लोबलाइजेशन (जूलिया में कार्यान्वित) का उपयोग किया गया है, युग्मित प्रणाली (coupled system) को हल करती है।
- कंटिन्यूएशन (Continuation): समाधानों को इनलेट प्रेशर को स्वीप करके कंप्यूट किया जाता है, जिसमें यील्ड सीमा के पास कठोरता (stiffness) को संभालने के लिए पिछले समाधानों का उपयोग प्रारंभिक अनुमान (initial guesses) के रूप में किया जाता है।
वैधीकरण (Validation):
- चापेरियन और टैमिसोला (2021) के डायरेक्ट न्यूमेरिकल सिमुलेशन (DNS) और लेखकों के अपने न्यूटोनियन लिमिट सिमुलेशन के विरुद्ध बेंचमार्क किया गया।
- विभिन्न पोरोसिटी ( $\phi$ ) के साथ कई ज्यामिति (केस CT, G1, G2, G3) के साथ परीक्षण किया गया।

3. मुख्य योगदान (Key Contributions)

पैरामीटर-मुक्त पोर-नेटवर्क मॉडल: पहला PNM जो बिना किसी अनुभवजन्य फिटिंग के वॉल स्लिप और यील्ड-स्ट्रेस रियोलॉजी को शामिल करता है। थ्रोट रेजिस्टेंस पूरी तरह से प्रथम सिद्धांतों (geometry and rheology) से प्राप्त किया गया है।
वॉल स्लिप का समावेश: यह बल्क दबाव गिरावट और प्रवाह टोपोलॉजी दोनों पर वॉल स्लिप के प्रभाव को स्पष्ट रूप से मॉडल करता है, जो इस शासन (regime) में पहले मौजूद नहीं था।
शासी लंबाई पैमाने की पहचान: यह अध्ययन बाधा त्रिज्या ( $R$ ) या पोरोसिटी-आधारित मेट्रिक्स को प्राथमिक स्केलिंग लेंथ के रूप में उपयोग करने को चुनौती देता है। यह पहचानता है कि डोमेन-औसत न्यूनतम थ्रोट चौड़ाई ( $\bar{h}_{min}$ ) ही प्लास्टिक-डोमिनेटेड शासन में अपव्यय (dissipation) को नियंत्रित करने वाला सही ज्यामितीय पैमाना है।

4. मुख्य परिणाम (Key Results)

बेंचमार्किंग और सटीकता:
- मॉडल डार्सी व्यवहार से मैक्रोस्कोपिक विचलन को सटीक रूप से पुनरुत्पादित करता है, जो बिंगम नंबर ( $\mathcal{B}$ ) के साथ आयामहीन दबाव ग्रेडिएंट ( $\mathcal{G}$ ) की निरंतर वृद्धि को कैप्चर करता है।
- यह स्थानिक रूप से वितरित प्रवाह (कम $\mathcal{B}$ ) से दृढ़ता से चैनलयुक्त प्रवाह (उच्च $\mathcal{B}$ ) में संक्रमण को सही ढंग से भविष्यवाणी करता है।
- विसंगति (Discrepancy): मॉडल अत्यधिक चैनलयुक्त शासन में रेजिस्टेंस को थोड़ा कम आंकता है (उच्च $\mathcal{B}$ पर ~31% तक)। इसका कारण चौड़े संकुचन में 1D प्रवाह का अनुमान और पोर बॉडीज (नोड्स) के भीतर अपव्यय की उपेक्षा है। हालांकि, यह एक अत्यधिक कुशल रिड्यूस्ड-ऑर्डर टूल बना रहता है।
वॉल स्लिप का प्रभाव:
- स्लिप प्रवाह को बनाए रखने के लिए आवश्यक दबाव ग्रेडिएंट को काफी कम कर देता है।
- टोपोलॉजी परिवर्तन: नो-स्लिप केस में, प्रवाह बहुत कम पथों तक सीमित रहता है। स्लिप के साथ, माध्यमिक पथ (secondary pathways) सक्रिय हो जाते हैं, और फ्लो नेटवर्क अधिक जुड़ा हुआ हो जाता है।
- स्केलिंग: दबाव ग्रेडिएंट की स्पर्शोन्मुख स्केलिंग (asymptotic scaling) $\mathcal{G} \sim \mathcal{B}$ (नो-स्लिप) से बदलकर $\mathcal{G} \sim (\tau_s/\tau_0)\mathcal{B}$ (स्लिप के साथ) हो जाती है, जो दर्शाता है कि स्लिप यील्ड स्ट्रेस एक प्रमुख थ्रेशोल्ड बन जाता है।
स्केलिंग लॉज़ (द "कोलैप्स"):
- अवरोध त्रिज्या $R$ का उपयोग करने वाला पारंपरिक स्केलिंग विभिन्न पोरोसिटी के बीच डेटा को कोलैप्स करने में विफल रहता है।
- पोरोसिटी-आधारित मेट्रिक्स ( $\phi/(1-\phi)$ ) का उपयोग करने वाला स्केलिंग सुधार तो करता है, लेकिन उच्च पोरोसिटी पर अवशेष ऑफसेट छोड़ देता है।
- नया स्केलिंग: बिंगम नंबर और दबाव ग्रेडिएंट को औसत न्यूनतम थ्रोट चौड़ाई ( $\bar{h}_{min}$ ) (जिसे $\mathcal{B}^*$ और $\mathcal{G}^*$ के रूप में परिभाषित किया गया है) का उपयोग करके री-स्केल करने पर डेटा का एक यूनिवर्सल कोलैप्स प्राप्त होता है।
- प्लास्टिक-डोमिनेटेड शासन में, संबंध एक मास्टर कर्व बन जाता है: $\mathcal{G}^* = \mathcal{B}^*$ । यह पुष्टि करता है कि यील्ड के पास दबाव हानि बाधाओं के आकार (obstacle scale) के बजाय संकुचन सांख्यिकी (constriction statistics) द्वारा शासित होती है।

5. महत्व (Significance)

गणना दक्षता (Computational Efficiency): यह मॉडल DNS की तुलना में बहुत कम लागत पर जटिल पोरस मीडिया के लिए एक भविष्य कहने वाला ढांचा प्रदान करता है, जिससे यह बड़े पैमाने या वास्तविक समय के अनुप्रयोगों के लिए उपयुक्त हो जाता है।
भौतिक अंतर्दृष्टि (Physical Insight): यह स्पष्ट करता है कि यील्ड-स्ट्रेस फ्लूइड के लिए "बॉटलनेक" औसत पोर साइज या अवरोध रिक्ति नहीं है, बल्कि नेटवर्क में उपलब्ध न्यूनतम संकुचन चौड़ाई (minimum constriction width) है।
व्यावहारिक अनुप्रयोग: वॉल स्लिप के प्रभाव को मात्रात्मक रूप से मापकर, यह मॉडल उन प्रक्रियाओं को डिजाइन करने के लिए एक बेहतर उपकरण प्रदान करता है जिनमें सॉफ्ट सामग्रियां (जैसे फोम, पेस्ट, जेल) शामिल हैं, जहाँ स्लिप प्रचलित है, जिससे अधिक कुशल फिल्ट्रेशन या इंजेक्शन रणनीतियों की संभावना बढ़ती है।
सैद्धांतिक प्रगति: यह कार्य सूक्ष्म द्रव यांत्रिकी (microscopic fluid mechanics) और मैक्रोस्कोपिक ट्रांसपोर्ट लॉ के बीच के अंतर को पाटता है, यह प्रदर्शित करते हुए कि रिड्यूस्ड-ऑर्डर मॉडल जटिल नॉन-न्यूटनियन घटनाओं को कैप्चर कर सकते हैं यदि उनके स्थानीय क्लोजर भौतिक रूप से कठोर (physically rigorous) हों।