🔬 condensed matter

i-Rheo-Tempo: A Model-Free, Quadrature-Free Reconstruction of the Shear Relaxation Modulus from Complex Viscosity

यह शोध पत्र *i-Rheo-Tempo* को प्रस्तुत करता है, जो एक सुदृढ़, मॉडल-मुक्त और क्वाड्रैचर-मुक्त विधि है जो एक सटीक द्वितीय-व्युत्पन्न प्रतिनिधित्व का उपयोग करके जटिल श्यानता (complex viscosity) डेटा से शियर रिलैक्सेशन मॉड्यूलस (shear relaxation modulus) को सटीक रूप से पुनर्गठित करती है, जिससे बिना किसी पैरामेट्रिक फिटिंग या पूर्व-निर्धारित स्पेक्ट्रा की आवश्यकता के आवृत्ति-से-समय (frequency-to-time) व्युत्क्रम समस्या को हल किया जाता है।

मूल लेखक: Jorge Ramírez, Manlio Tassieri

प्रकाशित 2026-04-14

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jorge Ramírez, Manlio Tassieri

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 यह समझने की कोशिश कर रहे हैं कि च्युइंग गम का एक टुकड़ा कैसे व्यवहार करता है। आप इसे दो अलग-अलग तरीकों से टेस्ट कर सकते हैं:

"स्नैप" टेस्ट (टाइम डोमेन): आप गम को तेजी से खींचते हैं और देखते हैं कि वह समय के साथ कैसे खिंचता है और वापस अपनी जगह पर आता है। यह आपको बताता है कि गम अभी इस वक्त क्या कर रहा है।
"विगल" टेस्ट (फ्रीक्वेंसी डोमेन): आप गम को अलग-अलग गति (तेज, धीमी, मध्यम) से आगे-पीछे हिलाते हैं और मापते हैं कि प्रत्येक गति पर वह कितना सख्त या चिपचिपा महसूस होता है। यह आपको बताता है कि गम लयों (rhythms) के प्रति कैसी प्रतिक्रिया देता है।

समस्या:
वैज्ञानिक दशकों से जानते हैं कि ये दोनों टेस्ट एक ही पदार्थ का वर्णन करते हैं। हालाँकि, "विगल" डेटा को "स्नैप" भविष्यवाणी में बदलना अविश्वसनीय रूप से कठिन है। यह एक पूरी फिल्म को कुछ बिखरे हुए फ्रेमों से फिर से बनाने जैसा है।

जब वैज्ञानिक गणितीय रूप से ऐसा करने की कोशिश करते हैं, तो संख्याएँ गड़बड़ हो जाती हैं। डेटा कभी भी परफेक्ट नहीं होता (इसमें शोर/नॉइज़ होता है) और हम गम को अनंत गति से या अनंत धीमी गति से नहीं हिला सकते। मानक गणितीय तरीके भविष्यवाणियों में "घोस्ट्स" (भूत)—ऐसे नकली उतार-चढ़ाव और स्पाइक्स जो वास्तव में उस वास्तविक पदार्थ में मौजूद नहीं हैं—पैदा कर देते हैं। इसे ठीक करने के लिए, वैज्ञानिक आमतौर पर डेटा को एक पहले से बने "बॉक्स" (एक गणितीय मॉडल) में फिट करने की कोशिश करते हैं, लेकिन वह बॉक्स आपके विशिष्ट अजीबोगरीब गम के लिए सही नहीं बैठ सकता है।

समाधान: i-Rheo-Tempo
इस पेपर के लेखकों, जॉर्ज रामिरेज़ और मान्लियोओ टैसेरी ने एक नया टूल बनाया है जिसे i-Rheo-Tempo कहा जाता है। इसे एक "जादुई अनुवादक" (Magic Translator) के रूप में सोचें जो बिना किसी पहले से बने बॉक्स या त्रुटिपूर्ण गणनाओं के, "विगल" टेस्ट को सीधे "स्नैप" टेस्ट में बदल देता है।

यह कैसे काम करता है, सरल उपमाओं का उपयोग करके यहाँ दिया गया है:

1. "स्लोप" (ढलान) वाली ट्रिक (अब अंदाज़ा लगाने की ज़रूरत नहीं)

कल्पना कीजिए कि "विगल" डेटा एक घुमावदार पहाड़ी सड़क के रूप में बना हुआ है।

पुराने तरीके कुल दूरी की गणना करने के लिए छोटे-छोटे कदमों को जोड़ने (क्वाड्रैचर) की कोशिश करते थे। यदि नक्शा थोड़ा धुंधला था, तो कदमों का योग गलत कुल दूरी देता था।
i-Rheo-Tempo को कुल दूरी की परवाह नहीं है। इसके बजाय, यह सड़क की ढलान (steepness) को देखता है। यह पूछता है: "सड़क अचानक कहाँ अधिक खड़ी या समतल हो रही है?"
गणित के शब्दों में, यह ढलान में बदलाव यानी सेकंड डेरिवेटिव (second derivative) को देखता है। यह चिकनी, बिखरी हुई वक्र रेखा को ढलान के तीखे "जंप" (उछाल) की एक श्रृंखला में बदल देता है। क्योंकि यह केवल इन उछालों पर ध्यान केंद्रित करता है, यह उन शोर और त्रुटियों से बच जाता है जो पुराने तरीकों में समस्या पैदा करते हैं। यह इंजन की सुचारू गूँज को मापने के बजाय, गियर बदलने की खट-खट की आवाज़ सुनने जैसा है।

2. "बुकएंड्स" रणनीति (किनारों को संभालना)

हर प्रयोग की एक सीमा होती है। आप शून्य गति (अनंत काल) या अनंत गति (क्षण भर) पर गम को नहीं हिला सकते।

समस्या: जब आप मापन बंद करते हैं, तो गणित किनारों पर भ्रमित हो जाता है, जिससे अंतिम भविष्यवाणी में नकली "घोस्ट्स" बन जाते हैं।
समाधान: i-Rheo-Tempo एक सावधानीपूर्वक संपादक की तरह काम करता है। डेटा का अनुवाद करने से पहले, यह कहानी की शुरुआत और अंत को धीरे से "एंकर" (स्थिर) करता है।
- धीमी गति वाले छोर पर, यह भौतिकी (physics) का उपयोग करके यह अनुमान लगाता है कि गम को क्या करना चाहिए (जैसे एक रबर बैंड का स्थिर होना)।
- तेज़ गति वाले छोर पर, यह डेटा को इतना स्मूथ (चिकना) कर देता है कि गणित किनारे पर टकराकर लड़खड़ा न जाए।
- महत्वपूर्ण बात यह है कि यह केवल उसी समय सीमा के लिए अंतिम उत्तर रिपोर्ट करता है जिसके लिए इसके पास वास्तव में डेटा है, ताकि आपको कभी भी उस समय के लिए नकली भविष्यवाणी न मिले जिसे इसने मापा ही नहीं है।

3. "यूनिवर्सल ट्रांसलेटर" (सार्वभौमिक अनुवादक)

सबसे शानदार बात यह है कि यह टूल केवल गम या रबर के लिए नहीं है। इसके पीछे का गणित इतना सामान्य है कि यह किसी भी ऐसी प्रणाली के लिए काम करता है जहाँ एक "धक्का" समय के साथ एक "प्रतिक्रिया" पैदा करता है।

यह बैटरी की विद्युत "गूँज" को इस बात में बदल सकता है कि वह समय के साथ कैसे चार्ज होती है।
यह एक क्रिस्टल की प्रकाश "विगल" को इस बात में बदल सकता है कि वह कैसे कंपन करता है।
यह औद्योगिक टायरों से लेकर जैविक कोशिकाओं तक, हर चीज़ के लिए काम करता है।

यह क्यों मायने रखता है

इससे पहले, यदि आप जानना चाहते थे कि फ्रीक्वेंसी टेस्ट के आधार पर कोई पदार्थ समय के साथ कैसा व्यवहार करेगा, तो आपको उस पदार्थ के "कंकाल" (मॉडल) के आकार का अनुमान लगाना पड़ता था और उम्मीद करनी पड़ती थी कि आपका अनुमान सही है।

i-Rheo-Tempo अंदाज़े को खत्म कर देता है। यह कच्चे प्रयोगात्मक डेटा को लेता है और सीधे, स्पष्ट रूप से और सटीक रूप से समय-व्यवहार का पुनर्निर्माण करता है। यह एक धुंधली, शोर वाली फोटो लेने और उसे बिना कोई नकली विवरण जोड़े, एक नए एल्गोरिदम का उपयोग करके एक स्पष्ट तस्वीर में बदलने जैसा है।

संक्षेप में:
उन्होंने एक तरीका खोज लिया है जिससे वे किसी पदार्थ की "लय" को सुनकर तुरंत जान सकते हैं कि वह भविष्य में कैसे "खिंचेगा और स्नैप" करेगा, और इसके लिए उन्हें किसी पूर्व-निर्धारित सिद्धांत में बंधने या गणितीय शोर में खो जाने की आवश्यकता नहीं है। यह दुनिया के पदार्थों के व्यवहार को समझने का एक अधिक स्वच्छ, स्मार्ट और ईमानदार तरीका है।

यहाँ शोध पत्र "i-Rheo-Tempo: A Model-Free, Quadrature-Free Reconstruction of the Shear Relaxation Modulus from Complex Viscosity" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

रैखिक श्यानता (linear viscoelasticity) में, एक केंद्रीय चुनौती आवृत्ति डोमेन (dynamic moduli $G'(\omega)$ , $G''(\omega)$ ) और समय डोमेन (shear relaxation modulus $G(t)$ ) के बीच सामग्री कार्यों (material functions) का विश्वसनीय रूपांतरण है।

वर्तमान विधियों की सीमाएँ:
- प्रत्यक्ष फूरियर एकीकरण (Direct Fourier Integration): प्रयोगात्मक डेटा सीमित बैंडविड्थ, असतत नमूनाकरण (discretely sampled) और शोर (noisy) से युक्त होता है। फूरियर इंटीग्रल के प्रत्यक्ष संख्यात्मक मूल्यांकन से दोलन (oscillations), ट्रंकेशन आर्टिफैक्ट्स (truncation artifacts) और एंडपॉइंट ट्रीटमेंट के प्रति उच्च संवेदनशीलता उत्पन्न होती है।
- मॉडल-निर्भर दृष्टिकोण (Model-Dependent Approaches): मानक अभ्यास डेटा को एक जनरलाइज्ड मैक्सवेल मॉडल (विभिन्न रिलैक्सेशन मोड्स का एक असतत योग) में फिट करना है। हालांकि यह सुदृढ़ है, लेकिन यह दृष्टिकोण स्वाभाविक रूप से मॉडल-निर्भर है; पुनर्गठित फंक्शन उतना ही लागू स्पेक्ट्रल स्ट्रक्चर को दर्शाता है जितना कि प्रयोगात्मक डेटा को।
- पूर्ववर्ती i-Rheo फ्रेमवर्क: जबकि मूल i-Rheo विधि ने आर्टिफैक्ट्स को कम करने के लिए सेकंड-डेरिवेटिव प्रतिनिधित्व का उपयोग किया था, यह मुख्य रूप से स्टोरेज/लॉस मोडuli के लिए लागू था। जटिल श्यानता (complex viscosity) डोमेन में इसे विस्तारित करने के लिए एक नए फॉर्मूलेशन की आवश्यकता थी ताकि व्यापक प्रयोगात्मक स्थितियों को संभाला जा सके।

2. कार्यप्रणाली: i-Rheo-Tempo

लेखक i-Rheo-Tempo प्रस्तुत करते हैं, जो बिना किसी संख्यात्मक क्वाड्रचर (numerical quadrature) या पैरामीट्रिक फिटिंग के, कॉम्प्लेक्स विस्कोसिटी $\eta^*(\omega)$ से सीधे शियर रिलैक्सेशन मॉड्यूलस $G(t)$ का पुनर्गठन करता है।

A. सैद्धांतिक आधार (Theoretical Foundation)

यह विधि इनवर्स फूरियर ट्रांसफॉर्म के एक सटीक सेकंड-डेरिवेटिव प्रतिनिधित्व पर आधारित है।

कॉम्प्लेक्स विस्कोसिटी परिभाषा: संबंध को कॉम्प्लेक्स विस्कोसिटी $\eta^*(\omega) = G^*(\omega)/(i\omega) = \eta'(\omega) - i\eta''(\omega)$ का उपयोग करके पुनर्गठित किया गया है।
इंटीग्रेशन बाय पार्ट्स (Integration by Parts): इनवर्स फूरियर इंटीग्रल पर दो क्रमिक 'इंटीग्रेशन बाय पार्ट्स' करने से, निर्भरता स्वयं स्पेक्ट्रल फंक्शन्स से बदलकर आवृत्ति के सापेक्ष उनके सेकंड डेरिवेटिव्स (कर्वेचर/वक्रता) पर स्थानांतरित हो जाती है।
- श्यान तरल पदार्थों (viscoelastic fluids, जहाँ $G_e = 0$ ) के लिए, बाउंड्री टर्म्स शून्य हो जाते हैं, जिससे प्राप्त होता है:
  $G(t) = -\frac{2}{\pi t^2} \int_0^\infty \ddot{\eta}''(\omega) \sin(\omega t) d\omega$
  (और $\eta'$ के लिए समान कोसाइन रूप)।
- चूंकि प्रयोगात्मक डेटा असतत (discrete) होता है, इसलिए स्पेक्ट्रम को पीसवाइज लीनियर (piecewise linear) के रूप में अनुमानित किया जाता है।
- इस प्रतिनिधित्व में, प्रथम डेरिवेटिव पीसवाइज कांस्टेंट होता है, और द्वितीय डेरिवेटिव हर जगह शून्य होता है, सिवाय नोड्स के, जहाँ यह डिराक डेल्टा फंक्शन्स के रूप में प्रकट होता है जो "स्लोप जम्प्स" ( $\Delta a_k$ ) को दर्शाते हैं।
- यह इंटीग्रल को एक क्लोज्ड-फॉर्म इंटरवल-स्लोप सम में बदल देता है:
  $G(t) = \frac{2}{\pi t^2} \sum_{k} a_k [\text{Kernel}(\omega_{k+1}t) - \text{Kernel}(\omega_k t)]$
- यहाँ, $a_k$ फ्रीक्वेंसी नोड्स के बीच विस्कोसिटी स्पेक्ट्रम के स्थानीय स्लोप हैं। यह फॉर्मूलेशन पूरी तरह से संख्यात्मक क्वाड्रचर को समाप्त कर देता है।

B. व्यावहारिक कार्यान्वयन और बाउंड्री कंडीशनिंग (Practical Implementation & Boundary Conditioning)

प्रयोगात्मक बैंडविड्थ ( $\omega_{min}$ से $\omega_{max}$ ) को संभालने के लिए, विधि विशिष्ट कंडीशनिंग रणनीतियों का उपयोग करती है:

लो-फ्रीक्वेंसी कंडीशनिंग: ज़ीरो-फ्रीक्वेंसी लिमिट को स्पष्ट रूप से माना जाता है। तरल पदार्थों के लिए $\eta''(0)$ को 0 सेट किया जाता है, और $\eta'(0)$ का अनुमान स्थानीय फिटिंग या टर्मिनल रिजीम के सिंगल-मैक्सवेल फिट के माध्यम से लगाया जाता है। यह उन अवास्तविक बाउंड्री योगदानों को रोकता है जो मानक ट्रंकेशन विधियों में समस्या पैदा करते हैं।
हाई-फ्रीक्वेंसी कंप्लीशन: इंटरपोलेशन को नियमित करने और स्प्यूरियस कर्वेचर को दबाने के लिए $\omega_{max}$ के पास एक मामूली स्थानीय बहुपद (polynomial) फिट का उपयोग किया जाता है, हालांकि इस विस्तार को कोई भौतिक अर्थ नहीं दिया गया है।
रीसैंपलिंग (Resampling): संख्यात्मक स्थिरता सुनिश्चित करने के लिए डेटा को लीनियर $\omega$ स्पेस में इंटरपोलेट किया जाता है और लॉगरिदमिक ग्रिड पर रीसैंपल किया जाता है।
वैलिडिटी विंडो: पुनर्गठित $G(t)$ को सख्ती से प्रयोगात्मक विंडो के व्युत्क्रम $[1/\omega_{max}, 1/\omega_{min}]$ के भीतर रिपोर्ट किया जाता है।
त्रुटि अनुमान (Error Estimation): विधि में लॉन्ग-टाइम टेल के "संख्यात्मक नाजुकता" (numerical fragility) का अनुमान लगाने के लिए एक डायग्नोस्टिक शामिल है, जो सेकंड-डेरिवेटिव फॉर्मूलेशन में निहित लो-फ्रीक्वेंसी अनिश्चितताओं के कारण उत्पन्न होती है।

3. मुख्य योगदान (Key Contributions)

क्वाड्रचर-मुक्त व्युत्क्रमण (Quadrature-Free Inversion): कॉम्प्लेक्स विस्कोसिटी के इंटरवल स्लोप्स पर आधारित $G(t)$ के लिए एक क्लोज्ड-फॉर्म, एनालिटिकल अभिव्यक्ति का व्युत्पत्ति, जो संख्यात्मक एकीकरण की आवश्यकता को समाप्त करता है।
मॉडल स्वतंत्रता (Model Independence): यह विधि किसी पूर्व-निर्धारित रिलैक्सेशन स्पेक्ट्रम (जैसे मैक्सवेल मोड्स) या पैरामीट्रिक रूप को नहीं मानती है, जिससे वास्तविक प्रयोगात्मक जानकारी सुरक्षित रहती है।
मजबूत बाउंड्री हैंडलिंग: एक नवीन कंडीशनिंग रणनीति जो ज़ीरो-फ्रीक्वेंसी लिमिट को स्पष्ट रूप से एंकर करती है और हाई-फ्रीक्वेंसी एंड को नियमित करती है, जिससे आर्टिफिशियल ज़ीरो-स्लोप एक्सट्रपलेशन से जुड़े आर्टिफैक्ट्स से बचा जा सके।
सामान्य फ्रेमवर्क: हालांकि इसे रियोलॉजी के लिए मान्य किया गया है, लेकिन इसका गणितीय ढांचा किसी भी कॉज़ल कॉम्प्लेक्स रिस्पॉन्स फंक्शन (जैसे डाइइलेक्ट्रिक परमिटिविटी, इलेक्ट्रिकल इम्पीडेंस) के लिए लागू किया जा सकता है।

4. परिणाम और सत्यापन (Results and Validation)

विधि को लगभग नौ दशकों की फ्रीक्वेंसी रेंज वाले विविध सिंथेटिक और प्रयोगात्मक डेटासेट के विरुद्ध सत्यापित किया गया:

सिंथेटिक बेंचमार्क (बर्गर्स मॉडल): पूर्ण उत्क्रमणीयता (exact reversibility) प्रदर्शित की। $G(t)$ को वापस फ्रीक्वेंसी डोमेन में बदलने पर मूल डायनेमिक मोडuli बिना किसी विरूपण के प्राप्त हुए, जो आंतरिक निरंतरता की पुष्टि करता है।
इंडस्ट्रियल स्टाइरीन-ब्यूटाडाइन रबर (SBR): पूरे टाइम विंडो में पुनर्गठित $G(t)$ और प्रत्यक्ष स्टेप-स्ट्रेन मापन के बीच मात्रात्मक समझौता दिखाया।
मोनोडिस्पर्स लीनियर पॉलीआइसोप्रीन और पॉलीब्यूटाडाइन मेल्ट्स: TTS डेटा से रिलैक्सेशन मोडuli का सफल पुनर्गठन किया। विधि ने रबरी प्लेटो और टर्मिनल रिजीम को सटीक रूप से कैप्चर किया, और पुनर्गठित कर्व्स अलग-अलग आणविक भार के लिए एक सामान्य शॉर्ट-टाइम कर्व पर समाहित (collapse) हो गए (जैसा कि भौतिक रूप से अपेक्षित है)।
कॉम्ब पॉलिमर: ब्रांच रिट्रैक्शन और बैकबोन रेप्टेशन वाले पदानुक्रमित सिस्टम का परीक्षण किया गया। विधि ने दस दशकों तक फैले मल्टी-स्टेप स्ट्रेस रिलैक्सेशन को सटीक रूप से हल किया, जिसमें तेज़ और धीमी गतिशीलता दोनों को कैप्चर किया गया।
ब्रॉडबैंड माइक्रोरियोलॉजी (DWS): नौ दशकों तक फैले डेटा पर लागू किया गया, जिसमें हाई-फ्रीक्वेंसी इनरशिया-अफेक्टेड रिजीम्स शामिल हैं। विधि ने बिना किसी फिटिंग के एक स्मूथ, भौतिक रूप से सुसंगत $G(t)$ का उत्पादन किया, जो शोर और बाउंड्री आर्टिफैक्ट्स के प्रति मजबूती प्रदर्शित करता है।

लॉन्ग-टाइम व्यवहार पर अवलोकन: सभी मामलों में, पुनर्गठित $G(t)$ ने सबसे कम फ्रीक्वेंसी के व्युत्क्रम के बाद स्पष्ट दोलन या शोर प्रदर्शित किया। लेखक स्पष्ट करते हैं कि ये परिमित बैंडविड्थ के कारण होने वाले संख्यात्मक आर्टिफैक्ट्स हैं और वास्तविक भौतिक गुणों का प्रतिनिधित्व नहीं करते हैं। विधि एक थ्रेशोल्ड प्रदान करती है जिससे यह पहचाना जा सके कि ये उतार-चढ़ाव कहाँ शुरू होते हैं।

5. महत्व (Significance)

अंतराल को पाटना: i-Rheo-Tempo फ्रीक्वेंसी-टू-टाइम इनवर्स प्रॉब्लम के लिए एक मजबूत, मॉडल-मुक्त समाधान प्रदान करता है, जो रियोलॉजी में एक लंबे समय से चली आ रही चुनौती है।
प्रयोगात्मक निष्ठा (Experimental Fidelity): पैरामीट्रिक फिटिंग से बचकर, यह विधि सुनिश्चित करती है कि पुनर्गठित सामग्री फंक्शन चुने गए मॉडल के अनुमानों के बजाय वास्तविक प्रयोगात्मक अवलोकनों को दर्शाता है।
व्यापक प्रयोज्यता: यह फ्रेमवर्क रियोलॉजिकल विश्लेषण की उपयोगिता को अल्ट्रा-ब्रॉडबैंड डेटासेट (जैसे माइक्रोरियोलॉजी) तक बढ़ाता है, और अन्य क्षेत्रों (डाइइलेक्ट्रिक्स, इलेक्ट्रोकेमिस्ट्री, ऑप्टिक्स) में अन्य कॉज़ल रिस्पॉन्स फंक्शन के विश्लेषण के लिए एक सामान्य उपकरण प्रदान करता है।
सॉफ्टवेयर उपलब्धता: लेखक ओपन-सोर्स MATLAB और Python कार्यान्वयन (DOI 10.5525/gla.researchdata.2230 के माध्यम से) प्रदान करते हैं, जिसमें प्रयोगात्मक डेटा के आसान अनुप्रयोग के लिए एक ग्राफिकल यूजर इंटरफेस (GUI) भी शामिल है।

निष्कर्षतः, i-Rheo-Tempo फ्रीक्वेंसी डेटा को टाइम-डोमेन रिलैक्सेशन फंक्शन्स में बदलने के लिए एक नया मानक स्थापित करता है, जो एक गणितीय रूप से कठोर, आर्टिफैक्ट-मुक्त और मॉडल-स्वतंत्र दृष्टिकोण प्रदान करता है जो सीधे प्रयोगात्मक बाधाओं के अनुकूल है।