🔬 materials science

Location of the liquid-vapor critical point in aluminum

डीप पोटेंशियल मॉलिक्यूलर डायनेमिक्स को उच्च-सटीकता वाले इलेक्ट्रॉनिक-स्ट्रक्चर डेटा के साथ जोड़कर, यह अध्ययन दशकों की अनिश्चितता को सुलझाते हुए एल्युमीनियम के तरल-वाष्प क्रिटिकल पॉइंट को लगभग 6531–6576 K, 0.637 g/cm³, और 1.6 kbar पर सटीक रूप से निर्धारित करता है, जो चरम स्थितियों में धातुओं में होने वाली क्रिटिकल घटनाओं की भविष्यवाणी करने के लिए एक हस्तांतरणीय ढांचा स्थापित करता है।

मूल लेखक: Xuyang Long, Kai Luo

प्रकाशित 2026-04-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Xuyang Long, Kai Luo

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

एल्युमीनियम को केवल एक सोडा कैन या फॉयल रैपर के रूप में नहीं, बल्कि एक ऐसे पदार्थ के रूप में कल्पना करें जिसे उसकी चरम सीमाओं तक धकेला जा सकता है। यदि आप इसे पर्याप्त रूप से गर्म करते हैं और सही तरीके से दबाते हैं, तो यह एक अलग तरल या एक अलग गैस बनना बंद कर देता है। इसके बजाय, यह एक जादुई टिपिंग पॉइंट (tipping point) पर पहुँच जाता है जिसे क्रिटिकल पॉइंट (Critical Point) कहा जाता है। इस स्थान पर, एल्युमीनियम के उबलते बर्तन और एल्युमीनियम की वाष्प के बादल के बीच का अंतर समाप्त हो जाता है; वे एक ही सुपर-फ्लुइड (super-fluid), अविभाज्य अवस्था बन जाते हैं।

द दशकों से, वैज्ञानिक एल्युमीनियम के इस टिपिंग पॉइंट (तापमान और दबाव) का सटीक पता लगाने की कोशिश कर रहे हैं। यह एक ऐसे घास के ढेर में सुई खोजने जैसा था जिसका आकार लगातार बदल रहा था। अनुमान बहुत अधिक भिन्न थे, "बहुत गर्म" से लेकर "अत्यधिक गर्म" तक, जिनमें सबसे कम और सबसे अधिक अनुमानों के बीच लगभग 4,000 डिग्री का अंतर था।

यह शोध पत्र इस बात की कहानी है कि कैसे दो शोधकर्ताओं, ज़ुयांग लॉन्ग (Xuyang Long) और काई लुओ (Kai Luo) ने अंततः वह सुई ढूंढ ली।

समस्या: एक धुंधला नक्शा

एल्युमीनियम के क्रिटिकल पॉइंट को मैप करने के पिछले प्रयासों को एक धुंधले, लो-रिज़ॉल्यूशन कैमरे का उपयोग करके एक धुंधले पहाड़ का नक्शा बनाने की कोशिश करने के रूप में सोचें।

प्रयोग: आप आसानी से एल्युमीनियम को एक जार में नहीं रख सकते, उसे 6,000 डिग्री तक गर्म नहीं कर सकते और उसे माप नहीं सकते बिना यह देखे कि जार पिघल न जाए या सेंसर टूट न जाएं।
पुराने कंप्यूटर: वैज्ञानिकों ने इसे सिम्युलेट करने के लिए सुपर-कंप्यूटरों का उपयोग करने की कोशिश की, लेकिन एल्युमीनियम के परमाणु आपस में कैसे संवाद करते हैं, इसे समझाने के लिए उपयोग किए जाने वाले "नियम" एक जटिल मशीन को समझाने के लिए बच्चे के चित्र का उपयोग करने जैसे थे। परिणाम अस्थिर और असंगत थे।

समाधान: एक सुपर-पावर्ड टेलीस्कोप

लेखकों ने परमाणु दुनिया के लिए एक नए प्रकार के "टेलीस्कोप" का उपयोग किया। उन्होंने दो शक्तिशाली उपकरणों को मिलाया:

डीप पोटेंशियल (एक स्मार्ट दिमाग): परमाणुओं के बीच परस्पर क्रिया के सरल, कठोर नियमों के बजाय, उन्होंने उच्च-सटीक क्वांटम भौतिकी डेटा पर एक आर्टिफिशियल इंटेलिजेंस (AI) को प्रशिक्षित किया। इस AI को एक मास्टर शेफ के रूप में समझें जिसने एल्युमीनियम के हर संभावित स्वाद को चखा है। इसने एल्युमीनियम परमाणुओं के व्यवहार की जटिल "रेसिपी" को इतनी पूर्णता से सीखा कि यह सबसे महंगे, धीमे सुपर-कंप्यूटरों की तरह ही सटीकता से उनके कार्यों की भविष्यवाणी कर सकता है, लेकिन बिजली की गति से।
दो-तरफा हमला: उन्होंने केवल एक कोण से समस्या को नहीं देखा। उन्होंने यह सुनिश्चित करने के लिए कि वे केवल भाग्यशाली नहीं हैं, दो अलग-अलग तरीकों का उपयोग किया:
- विधि A (प्रेशर कुकर): उन्होंने सिम्युलेट किया कि जैसे-जैसे वे एल्युमीनियम को दबाते और गर्म करते हैं, दबाव कैसे बदलता है, और उस क्षण की तलाश की जब दबाव वक्र (pressure curve) सपाट हो जाता है (क्रिटिकल पॉइंट)।
- विधि B (टेम्परेचर क्वेंच): कल्पना करें कि आप एल्युमीनियम के उबलते बर्तन को अचानक बर्फ के पानी में डाल देते हैं (एक "क्वेंच")। सिस्टम घबरा जाता है और तरल और गैस के मिश्रण में बसने की कोशिश करता है। इसे सेट होते हुए देखकर, वे दोनों अवस्थाओं के बीच की सीमा का पता लगा सके।

खोज: सटीक स्थान का पता लगाना

हजारों परमाणुओं वाली विशाल सिमुलेशन चलाने के लिए अपने "स्मार्ट ब्रेन" AI का उपयोग करके, वे अंततः एक एकल, सटीक स्थान पर पहुँचे।

तापमान: उन्होंने पाया कि क्रिटिकल पॉइंट लगभग 6,530 से 6,576 केल्विन पर होता है। इसे समझने के लिए, यह लगभग 11,700°F है। सूर्य की सतह लगभग 10,000°F होती है, इसलिए यह सूर्य से भी अधिक गर्म है!
घनत्व (Density): इस बिंदु पर, एल्युमीनियम लगभग 0.64 ग्राम प्रति घन सेंटीमीटर है। यह ठोस एल्युमीनियम (जो 2.7 है) से बहुत हल्का है, लेकिन हवा जितना हल्का भी नहीं है। यह एक बहुत ही सघन, गर्म कोहरे जैसा है।
दबाव: इसके लिए लगभग 1.6 किलोबार के दबाव की आवश्यकता होती है। यह समुद्र तल पर महसूस किए जाने वाले वायुमंडलीय दबाव से लगभग 1,600 गुना अधिक है।

यह क्यों मायने रखता है?

आप पूछ सकते हैं, "गर्म एल्युमीनियम के एक विशिष्ट तापमान की परवाह कौन करता है?"

वास्तव में, यह भविष्य के लिए बहुत मायने रखता है:

लेजर एब्लेशन (Laser Ablation): जब हम धातुओं को काटने या छेद करने के लिए उच्च-शक्ति वाले लेजर का उपयोग करते हैं (जैसे विनिर्माण या चिकित्सा में), तो धातु केवल पिघलती ही नहीं है; कभी-कभी यह तरल और गैस के मिश्रण में विस्फोट कर जाती है। क्रिटिकल पॉइंट को सटीक रूप से जानने से इंजीनियरों को यह अनुमान लगाने में मदद मिलती है कि धातु वास्तव में कैसे व्यवहार करेगी, जिससे प्रक्रिया अधिक स्वच्छ और सुरक्षित बनती है।
शॉक वेव्स (Shock Waves): यदि कोई उल्कापिंड पृथ्वी से टकराता है या हम नई सामग्रियों की परमाणु सुरक्षा का परीक्षण करते हैं, तो एल्युमीनियम पर भारी शॉक वेव्स आती हैं। इस क्रिटिकल पॉइंट को समझना हमें यह मॉडल करने में मदद करता है कि अत्यधिक तनाव के तहत सामग्री के साथ क्या होता है।
ग्रह विज्ञान (Planetary Science): विशाल ग्रहों के गहरे हिस्से में, धातुएं इन चरम अवस्थाओं में मौजूद होती हैं। यह डेटा खगोलविदों को अन्य दुनिया के "मौसम" और भौतिकी को समझने में मदद करता है।

निष्कर्ष

इस शोध पत्र से पहले, वैज्ञानिक एल्युमीनियम के क्रिटिकल पॉइंट के स्थान का अनुमान एक बहुत बड़े मार्जिन के साथ लगा रहे थे (जैसे यह अनुमान लगाना कि कोई शहर न्यूयॉर्क और शिकागो के बीच कहीं है)।

यह शोध पत्र एक स्पष्ट सिग्नल वाले GPS का उपयोग करने जैसा है। उन्होंने अनिश्चितता को केवल 50 डिग्री तक कम कर दिया। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने एक विश्वसनीय, हस्तांतरणीय मानचित्र बनाया जिसका उपयोग अन्य वैज्ञानिक न केवल एल्युमीनियम, बल्कि अन्य धातुओं और सामग्रियों का चरम स्थितियों में अध्ययन करने के लिए कर सकते हैं। यह "हमें लगता है कि यह गर्म है" से "हम जानते हैं कि यह ठीक कितना गर्म है" तक एक बड़ी छलांग है।

यहाँ "लोकेशन ऑफ द लिक्विड-वेपर क्रिटिकल पॉइंट इन एल्युमीनियम" (एल्युमीनियम में द्रव-वाष्प क्रांतिक बिंदु का स्थान) शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

एल्युमीनियम के लिए द्रव-वाष्प क्रांतिक बिंदु (CP) का सटीक स्थान संघनित पदार्थ भौतिकी (condensed matter physics) और उच्च-ऊर्जा घनत्व विज्ञान (high-energy-density science) में एक लंबे समय से चली आ रही अनिश्चितता रही है। क्रांतिक तापमान ( $T_c$ ) के पिछले अनुमान व्यापक रूप से भिन्न रहे हैं, जो 5,115 K से 9,500 K तक और क्रांतिक घनत्व ( $\rho_c$ ) 0.28 से 1.03 g/cm³ के बीच रहे हैं।

चुनौतियाँ: अत्यधिक तापमान और दबाव के कारण प्रत्यक्ष प्रयोगात्मक मापन कठिन है। सैद्धांतिक दृष्टिकोण अंतर-परमाणु विभव (जैसे, एम्बेडेड एटम मेथड) की सटीकता या बड़े सिस्टम आकार और लंबी समय अवधि को पकड़ने के लिए आवश्यक एब इनिटियो मॉलिक्यूलर डायनेमिक्स (AIMD) की अत्यधिक कम्प्यूटेशनल लागत के कारण सीमित रहे हैं।
प्रभाव: एक गलत $T_c$ अल्ट्राफास्ट लेजर एब्लेशन, शॉक कम्प्रेशन और ग्रहीय मॉडलिंग के सिमुलेशन को महत्वपूर्ण रूप से प्रभावित करता है। $T_c$ को कम आंकने से द्वि-चरणीय व्यवहार (स्पिनोडल डिकंपोजिशन) दब जाता है, जबकि इसे अधिक आंकने से वाष्पीकरण में देरी होती है, जिससे प्लाज्मा निर्माण और परिवहन गुणों के पूर्वानुमान में त्रुटियाँ आती हैं।

2. कार्यप्रणाली (Methodology)

लेखकों ने इन अनिश्चितताओं को हल करने के लिए मशीन लर्निंग पोटेंशियल के साथ बड़े पैमाने के सिमुलेशन को जोड़कर एक उच्च-विश्वसनीयता वाले कम्प्यूटेशनल ढांचे का उपयोग किया।

डीप पोटेंशियल (DP) विकास:
- प्रशिक्षण डेटा (Training Data): ABACUS पैकेज के माध्यम से एब इनिटियो मॉलिक्यूलर डायनेमिक्स (AIMD) का उपयोग करके उत्पन्न किया गया। प्रशिक्षण सेट में 51 थर्मोडायनामिक बिंदु शामिल थे, जिसमें निम्न-घनत्व वाला वाष्प (0.3–1.4 g/cm³) और उच्च-घनत्व वाला तरल चरण शामिल था, जिसमें 3-इलेक्ट्रॉन ऑप्टिमाइज्ड नॉर्म-कंजर्विंग वेंडरबिड पोटेंशियल का उपयोग किया गया।
- मॉडल: DeePMD-kit का उपयोग करके एक बेहलर-पैरिनो प्रकार के न्यूरल नेटवर्क पोटेंशियल (DeepPot-SE) को प्रशिक्षित किया गया। मॉडल ने क्रांतिक बिंदु के पास विरल प्रणालियों के लिए उपयुक्त दो-परमाणु एम्बेडिंग डिस्क्रिप्टर ("se e2 a") का उपयोग किया।
- सत्यापन: DP ने AIMD डेटा के विरुद्ध कम रूट मीन स्क्वायर एरर (RMSE) प्राप्त किया (ऊर्जा के लिए 9.7 meV/atom) और रेडियल डिस्ट्रीब्यूशन फंक्शन (RDF) तथा दबाव को सटीक रूप से पुनरुत्पादित किया।
एक्सचेंज-कोरिलेशन (XC) फंक्शनल अंशांकन:
- परिवेशी दबाव (1 bar) पर प्रयोगात्मक तरल घनत्व के विरुद्ध कई फंक्शनल (PBE, PBEsol, SCAN, B3LYP) का बेंचमार्किंग किया गया।
- चयन: PBEsol को इष्टतम फंक्शनल के रूप में पहचाना गया। इसने प्रयोगात्मक तरल घनत्व डेटा के साथ सर्वोत्तम सहमति प्रदान की और थर्मल एक्सपेंशन गुणांक को सही ढंग से कैप्चर किया। PBEsol-D3 (डिस्पर्शन सुधार के साथ) ने घनत्व को बढ़ा दिया, जबकि PBE और SCAN ने इसे कम कर दिया।
CP निर्धारण के लिए दो पूरक दृष्टिकोण:
1. स्पिनोडल विश्लेषण (EOS विधि):
  - 5,000 K से 8,000 K तक इक्वेशन ऑफ स्टेट (EOS) आइसोथर्म्स उत्पन्न करने के लिए 4,096 परमाणुओं के साथ NVT सिमुलेशन किए गए।
  - $P(\rho, T)$ डेटा को एक चौथे क्रम के घनत्व EOS मॉडल (मानक तीसरे क्रम के मॉडल से बेहतर) में फिट किया गया।
  - उस क्रांतिक बिंदु की पहचान की गई जहाँ घनत्व के सापेक्ष दबाव के पहले और दूसरे डेरिवेटिव शून्य हो जाते हैं ( $\partial P/\partial \rho = 0$ और $\partial^2 P/\partial \rho^2 = 0$ )।
2. डायरेक्ट को-एग्ज़िस्टेंस सिमुलेशन (TQMD विधि):
  - टेम्परेचर क्वेंच मॉलिक्यूलर डायनेमिक्स (TQMD) का उपयोग किया गया: सिस्टम को उच्च तापमान (12,000 K) पर संतुलित किया गया और लक्षित तापमानों (जैसे, 4,500 K) तक तेजी से क्वेंच किया गया ताकि चरण पृथक्करण (phase separation) प्रेरित किया जा सके।
  - फेज पहचान: स्थानीय परमाणु वातावरण के आधार पर सिस्टम को तरल और वाष्प चरणों में विभाजित करने के लिए एक नवीन गॉसियन मिक्स्चर मॉडल (GMM) फिटिंग पद्धति विकसित की गई, जिससे पूर्ण वैश्विक संतुलन की आवश्यकता समाप्त हो गई।
  - स्केलिंग विश्लेषण: अनंत-आकार सीमा (infinite-size limit) तक परिणामों को निकालने के लिए 2,000, 3,000 और 4,000 परमाणुओं के सिस्टम साइज से फाईनाइट-साइज स्केलिंग थ्योरी (3D Ising universality class) लागू की गई।

3. मुख्य परिणाम (Key Results)

दो स्वतंत्र विधियाँ पिछले साहित्य की तुलना में काफी कम अनिश्चितता के साथ एक सुसंगत सेट के क्रांतिक मापदंडों पर सहमत हुईं।

क्रांतिक तापमान ( $T_c$ ): 6531 – 6576 K।
- EOS विधि: $6539 \pm 151$ K।
- TQMD विधि: $6576$ K (अनंत-आकार सीमा)।
- अनिश्चितता: ~50 K तक कम हो गई, जो पिछले अनुमानों (जिनमें ~10% या अधिक की अनिश्चितता थी) की तुलना में एक बड़ा बदलाव है।
क्रांतिक घनत्व ( $\rho_c$ ): 0.637 g/cm³।
- EOS विधि ने $0.637 \pm 0.006$ g/cm³ दिया।
- TQMD विधि ने बिना स्पष्ट स्केलिंग व्यवहार के $0.586$ g/cm³ के आसपास उतार-चढ़ाव दिखाया; अतः EOS मान को अंतिम अनुमान के रूप में अपनाया गया।
क्रांतिक दबाव ( $P_c$ ): 1.6 kbar (विशेष रूप से EOS से 1.61 kbar और TQMD से 1.67 kbar)।
कंप्रेसिबिलिटी फैक्टर ( $Z_c$ ): $\approx 0.125 - 0.14$ , जो क्रांतिक बिंदु पर मजबूत अंतःक्रियाओं को दर्शाता है, जो आदर्श गैस के मान 1.0 से काफी कम है।
वेपर प्रेशर सत्यापन: सिम्युलेटेड वेपर प्रेशर-तापमान वक्र हल्टग्रेन (1973) के प्रयोगात्मक डेटा और ऑगस्ट समीकरण के साथ उत्कृष्ट रूप से संरेखित हुआ, जो PBEsol फंक्शनल और सिमुलेशन दृष्टिकोण को प्रमाणित करता है।

4. महत्व और योगदान (Significance and Contributions)

दीर्घकालिक विसंगति का समाधान: इस अध्ययन ने एल्युमीनियम के लिए क्रांतिक तापमान रेंज को निर्णायक रूप से कम किया है, जिससे दशकों के परस्पर विरोधी डेटा (जो लगभग 4000 K तक फैले हुए थे) को सुलझा लिया गया है।
कार्यप्रणाली संबंधी प्रगति:
- क्रांतिक बिंदुओं के पास धातुओं में जटिल मल्टी-बॉडी इंटरैक्शन को कैप्चर करने में डीप पोटेंशियल की प्रभावकारिता को प्रदर्शित करता है, जो AIMD की आकार सीमाओं को पार करता है।
- सह-अस्तित्व सिमुलेशन (coexistence simulations) में चरण पहचान के लिए एक मजबूत गॉसियन मिक्स्चर मॉडल (GMM) पेश करता है, जिसे अन्य चरण सह-अस्तित्व अध्ययनों में लागू किया जा सकता है।
- उच्च-विश्वसनीयता वाले ML पोटेंशियल, कठोर XC फंक्शनल अंशांकन और फाईनाइट-साइज स्केलिंग को जोड़कर धातुओं में क्रांतिक घटनाओं की भविष्यवाणी करने के लिए एक स्थानांतर योग्य रणनीति (transferable strategy) स्थापित करता है।
व्यावहारिक निहितार्थ: सटीक क्रांतिक पैरामीटर निम्नलिखित के लिए एक आवश्यक बेंचमार्क प्रदान करते हैं:
- लेजर एब्लेशन: स्पिनोडल डिकंपोजिशन और ड्रॉपलेट फॉर्मेशन का सटीक मॉडलिंग।
- शॉक फिजिक्स: शॉक रिलीज प्रक्रियाओं में द्वि-चरणीय क्षेत्रों और सुपरक्रिटिकल फ्लूइड्स के बीच संक्रमण की सही भविष्यवाणी।
- ग्रहीय मॉडलिंग: चरम स्थितियों (जैसे ग्रहीय आंतरिक भाग) में एल्युमीनियम के लिए इक्वेशन ऑफ स्टेट में सुधार।

निष्कर्षतः, यह कार्य मशीन लर्निंग और उन्नत सांख्यिकीय यांत्रिकी के एकीकरण के माध्यम से धातुओं के फेज डायग्राम के कम्प्यूटेशनल पूर्वानुमान में एक निर्णायक प्रगति का प्रतिनिधित्व करता है, जो गुणात्मक अनुमानों से मात्रात्मक सटीकता की ओर बढ़ता है।