🔢 mathematics

The Ladyzhenskaya-Prodi-Serrin Conditions and the Search for Extreme Behavior in 3D Navier-Stokes Flows

यह अध्ययन लेडीज़ेन्स्काया-प्रोडी-सेरिन नियमितता मानदंडों से संबंधित नॉर्म्स (norms) को अधिकतम करने वाले प्रारंभिक स्थितियों की पहचान करने के लिए वेरिएशनल ऑप्टिमाइज़ेशन का उपयोग करते हुए एक व्यवस्थित कम्प्यूटेशनल खोज नियोजित करता है, जो यह प्रकट करता है कि हालांकि चरम 3D नेवियर-स्टोक्स प्रवाह परिमित-समय विलक्षणता (finite-time singularity) निर्माण के अनुरूप विकास दर प्रदर्शित करते हैं, वे अंततः वास्तव में विलक्षण होने के लिए पर्याप्त समय तक इस वृद्धि को बनाए रखने में विफल रहते हैं।

मूल लेखक: Elkin Ramírez, Bartosz Protas

प्रकाशित 2026-04-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Elkin Ramírez, Bartosz Protas

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 पानी के उबलने को देख रहे हैं। शुरू में, पानी धीरे-धीरे, अनुमानित लहरों में चलता है। लेकिन जैसे-जैसे यह गर्म होता है, इसकी गति अराजक (chaotic), हिंसक और अप्रत्याशित हो जाती है। भौतिकी की दुनिया में, नेवियर-स्टोक्स समीकरण (Navier-Stokes equations) वह गणितीय नियम पुस्तिका है जो तरल पदार्थों (जैसे पानी, हवा या रक्त) की गति का वर्णन करती है।

एक सदी से अधिक समय से, गणितज्ञ इस भयानक प्रश्न का उत्तर देने की कोशिश कर रहे हैं: क्या ये समीकरण कभी "टूट" सकते हैं?

क्या कोई तरल पदार्थ अचानक एक पल के भीतर अनंत गति या अनंत ऊर्जा विकसित कर सकता है? यदि ऐसा होता है, तो गणित "फट" (blow up) जाता है, और उस तरल के भविष्य की भविष्यवाणी करने की हमारी क्षमता समाप्त हो जाती है। इसे सिंगुलैरिटी (singularity) के रूप में जाना जाता है। इस रहस्य को सुलझाना गणित की सबसे बड़ी अनसुलझी समस्याओं में से एक है ("मिलेनियम प्राइज" समस्या)।

एलकिन रामिरेज़ और बार्टोस प्रोटास का यह शोध पत्र एक उच्च-दांव वाले कंप्यूटर सिमुलेशन गेम की तरह है जहाँ लक्ष्य यह है कि तरल को नियमों को तोड़ने के लिए मजबूर किया जाए और यह देखना कि क्या वास्तव में ऐसा होता है।

कार्य योजना: "तनाव परीक्षण" (The Stress Test)

यादृच्छिक (random) तरल गतियों का अनुमान लगाने और उम्मीद करने के बजाय कि कोई एक टूट जाएगी, लेखकों ने एक व्यवस्थित "तनाव परीक्षण" स्थापित किया। उन्होंने कंप्यूटर से पूछा कि वह संभवतः सबसे खराब स्थिति (worst-case scenario) क्या हो सकती है।

इसे एक स्ट्रक्चरल इंजीनियर द्वारा पुल का परीक्षण करने जैसा समझें। वे केवल एक कार नहीं चलाते; वे एक सुपरकंप्यूटर का उपयोग करके एक ऐसा ट्रक डिजाइन करते हैं जो जितना संभव हो उतना भारी और तेज़ हो, जिसे विशेष रूप से पुल को कुचलने के लिए बनाया गया हो। यदि पुल टिका रहता है, तो वे जानते हैं कि यह अविश्वसनीय रूप से मजबूत है।

इस शोध पत्र में, "पुल" तरल प्रवाह है, और "ट्रक" गति का एक विशिष्ट शुरुआती पैटर्न (प्रारंभिक स्थितियाँ) है जिसे अराजकता के एक विशिष्ट माप को अधिकतम करने के लिए डिज़ाइन किया गया है।

"लेडीज़ेंस्काया-प्रोडी-सेरिन" स्थितियाँ: सुरक्षा नियम

लेखकों ने लेडीज़ेंस्काया-प्रोडी-सेरिन (LPS) स्थितियों नामक प्रसिद्ध गणितीय "सुरक्षा नियमों" का उपयोग किया।

रूपक: एक रेस कार पर लगे स्पीडोमीटर की कल्पना करें। LPS स्थितियाँ कहती हैं: "जब तक समय के साथ औसत गति एक निश्चित सीमा से नीचे रहती है, कार सुरक्षित रहेगी और फटेगी नहीं।"
लक्ष्य: शोधकर्ताओं ने तरल के लिए एक ऐसा शुरुआती पैटर्न खोजने की कोशिश की जिससे स्पीडोमीटर इतनी तेजी से घूमे कि वह सीमा को तोड़ दे। यदि वे एक ऐसा शुरुआती बिंदु खोज लेते जहाँ गति अनंत हो जाती, तो उन्होंने सिद्ध कर दिया होता कि सिंगुलैरिटी (blow-ups) संभव हैं।

उन्होंने यह देखने के लिए कई अलग-अलग "स्पीडोमीटर" (गणितीय नॉर्म्स) का परीक्षण किया कि कौन सा टूटने के प्रति सबसे अधिक संवेदनशील है।

विधि: "रीमानियन ऑप्टिमाइज़ेशन" (The Riemannian Optimization)

आप पूर्ण "कुचलने वाला ट्रक" कैसे ढूंढते हैं? आप केवल अनुमान नहीं लगा सकते। लेखकों ने रीमानियन ऑप्टिमाइज़ेशन नामक एक परिष्कृत गणितीय तकनीक का उपयोग किया।

उपमा: कल्पना करें कि आप एक धुंध भरे पहाड़ पर हैं, और आप उच्चतम शिखर खोजना चाहते हैं। आप शीर्ष को देख नहीं सकते, इसलिए आप अपने पैरों के नीचे जमीन को महसूस करते हैं। यदि जमीन ऊपर की ओर ढलान बनाती है, तो आप उस दिशा में कदम बढ़ाते हैं। यदि ढलान नीचे की ओर है, तो आप पीछे हट जाते हैं।
ट्विस्ट: इस शोध पत्र में, "पहाड़" तरल संभावनाओं का एक जटिल, बहु-आयामी परिदृश्य है। लेखकों ने एक नया तरीका विकसित किया जिससे वे उस हिस्से पर भी "ढलान को महसूस" कर सकें जहाँ सतह चिकनी नहीं है (गणितीय रूप से कहें तो, ऐसे स्थान जिनमें मानक "इनर प्रोडक्ट" नहीं होता)। इसने उन्हें अराजकता के उच्चतम शिखरों को खोजने के लिए सबसे कठिन इलाके में नेविगेट करने की अनुमति दी।

परिणाम: "लगभग" वाला क्षण (The "Almost" Moment)

भारी कंप्यूटिंग शक्ति के साथ हजारों सिमुलेशन चलाने के बाद, उन्होंने यह पाया:

कोई विस्फोट नहीं: उन्हें कोई सिंगुलैरिटी नहीं मिली। तरल वास्तव में कभी टूटा नहीं। "ट्रक" पुल से टकराया, लेकिन पुल टिका रहा।
"लगभग" वाला क्षण: हालाँकि, तरल खतरे के बहुत करीब पहुँच गया था। शोधकर्ताओं ने ऐसे प्रवाह पाए जहाँ अराजकता अविश्वसनीय रूप से तेजी से बढ़ी, ठीक उसी गणितीय पैटर्न का पालन करते हुए जो सिंगुलैरिटी की ओर ले जाता यदि वह जारी रहता।
धीमा होना: जैसे ही तरल "टूटने" वाला था, विकास धीमा हो गया। ऊर्जा नष्ट हो गई (जैसे एक घूमते हुए लट्टू को धीमा करने वाली घर्षण शक्ति), और तरल वापस एक सुरक्षित, सुचारू अवस्था में आ गया।

निष्कर्ष: तरल में एक "स्व-सुधार" (self-correcting) तंत्र है। यह बहुत जंगली हो सकता है, लेकिन इसमें एक अंतर्निहित सीमा प्रतीत होती है जो इसे वास्तव में अनंत में फटने से रोकती है।

यह क्यों महत्वपूर्ण है

भले ही उन्हें सिंगुलैरिटी नहीं मिली, लेकिन यह विज्ञान के लिए एक बड़ी जीत है।

सीमाओं को सिद्ध करना: उन्होंने मात्रात्मक रूप से बताया कि तरल टूटने के कितने करीब जा सकता है। उन्होंने दिखाया कि हालांकि तरल अपनी ऊर्जा को भयानक दर से बढ़ा सकता है, लेकिन वह भौतिकी के नियमों को वास्तव में तोड़ने के लिए पर्याप्त समय तक उस दर को बनाए नहीं रख सकता।
नए उपकरण: उन्होंने "रफ" (rough) स्थानों में समस्याओं को हल करने के लिए नए गणितीय उपकरण ("मेट्रिक ग्रेडिएंट") का आविष्कार किया। यह एक नए प्रकार के कंपास बनाने जैसा है जो उस बवंडर में भी काम करता है जहाँ पुराना कंपास पागलों की तरह घूम रहा हो।
भविष्य: उन्हें संदेह है कि यदि वे तरल को और अधिक जोर से धकेल सकें (और भी उच्च ऊर्जा के साथ), तो यह और भी करीब पहुँच सकता है। लेकिन फिलहाल, नेवियर-स्टोक्स समीकरण कम से कम उन परिदृश्यों के लिए "सुरक्षित" दिखते हैं जिनका उन्होंने परीक्षण किया है।

संक्षेप में

लेखकों ने तरल पदार्थों के लिए एक डिजिटल "प्रेशर कुकर" बनाया। उन्होंने अपनी गणितीय क्षमता के अनुसार गर्मी को उच्चतम स्तर तक बढ़ाया, यह देखने के लिए कि क्या तरल उबलकर भौतिकी के नियमों को तोड़ देता है। तरल अविश्वसनीय रूप से गर्म और अशांत हुआ, आपदा के किनारे पर चिल्लाता रहा, लेकिन वह फटने से ठीक पहले हमेशा ठंडा होने में सफल रहा।

यह सुझाव देता है कि ब्रह्मांड में एक छिपा हुआ 'सेफ्टी वाल्व' है जो तरल पदार्थों को कभी भी वास्तव में "तोड़ने" से रोकता है, जिससे हमारा मौसम, महासागर और रक्त संचार, सबसे चरम स्थितियों में भी अनुमानित बना रहता है।

यहाँ एल्किन रामिरेज़ और बार्टोस प्रोटास के शोध पत्र "The Ladyzhenskaya-Prodi-Serrin Conditions and the Search for Extreme Behavior in 3D Navier-Stokes Flows" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र 3D इनकंप्रेसिबल नेवियर-स्टोक्स समीकरणों के शास्त्रीय समाधानों (classical solutions) के वैश्विक अस्तित्व और नियमितता (regularity) से संबंधित मिलेनियम प्राइज प्रॉब्लम को संबोधित करता है। विशेष रूप से, लेखक स्मूथ फ्लो में परिमित-समय विलक्षणता निर्माण (finite-time singularity formation या blow-up) की संभावना की जांच करते हैं।

यह अध्ययन लेडीज़ेंस्काया-प्रोडी-सेरिन (LPS) स्थितियों पर केंद्रित है, जो यह निर्धारित करने के लिए आवश्यक और पर्याप्त मानदंड प्रदान करती हैं कि एक समाधान $u(t)$ समय अंतराल $[0, T]$ पर नियमित रहेगा या नहीं। ये स्थितियाँ तब गारंटी देती हैं जब:

समाकल (integral) $\int_0^T \|u(t)\|_{L^q}^p \, dt$ परिबद्ध (bounded) हो, जहाँ $2/p + 3/q = 1$ और $q > 3$ है।
सुप्रीमम (supremum) $\sup_{t \in [0, T]} \|u(t)\|_{L^3}$ परिबद्ध हो।

मुख्य परिकल्पना यह है कि यदि समय $T^*$ पर कोई विलक्षणता (singularity) बनती है, तो ये राशियाँ $t \to T^*$ होने पर अनबाउंड (unbounded) होनी चाहिए। लेखक व्यवस्थित रूप से उन प्रारंभिक स्थितियों $u_0$ की खोज करने का लक्ष्य रखते हैं जो इन राशियों की वृद्धि को अधिकतम करती हैं, ताकि यह निर्धारित किया जा सके कि क्या उन्हें परिमित समय में अनंत तक ले जाया जा सकता है, या यह मापा जा सके कि ऐसे फ्लो विलक्षणता बनने के कितने "करीब" पहुँचते हैं।

2. कार्यप्रणाली (Methodology)

लेखक "चरम" प्रारंभिक स्थितियों को खोजने के लिए एक वैरिएशनल ऑप्टिमाइज़ेशन दृष्टिकोण (PDE-constrained optimization) का उपयोग करते हैं। केवल भौतिक अंतर्ज्ञान (ad-hoc physical intuition) पर निर्भर रहने के बजाय, वे LPS स्थितियों से संबंधित विशिष्ट फंक्शनल्स को अधिकतम करने के लिए ऑप्टिमाइज़ेशन समस्याओं को हल करते हैं।

ऑप्टिमाइज़ेशन फॉर्मुलेशन (Optimization Formulations)

वे दो ऑब्जेक्टिव फंक्शनल्स और दो फंक्शन स्पेस के आधार पर चार अलग-अलग ऑप्टिमाइज़ेशन समस्याओं को परिभाषित करते हैं:

ऑब्जेक्टिव फंक्शनल 1 (इंटीग्रल): $\Phi_T^q(u_0) = \frac{1}{T} \int_0^T \|u(\tau)\|_{L^q}^p \, d\tau$ ( $q > 3$ के लिए LPS इंटीग्रल को अधिकतम करना)।
ऑब्जेक्टिव फंक्शनल 2 (टर्मिनल नॉर्म): $\Psi_T(u_0) = \|u(T)\|_{L^3}^3$ (एक विशिष्ट समय पर $L^3$ नॉर्म को अधिकतम करना, जो $q=3$ के सीमांत मामले को संबोधित करता है)।
फंक्शन स्पेस (Function Spaces):
- हिल्बर्ट-सोबोलेव स्पेस ( $H^s$ ): ऑप्टिमाइज़ेशन $H^s(\Omega)$ में किया गया जहाँ $s = 3/2 - 3/q$ ( $L^q$ में एम्बेडेड सबसे बड़ा सोबोलेव स्पेस है)। यह मानक रीमानियन ऑप्टिमाइज़ेशन विधियों के उपयोग की अनुमति देता है।
- लेबेग स्पेस ( $L^q$ ): ऑप्टिमाइज़ेशन सीधे $L^q(\Omega)$ में किया गया। चूंकि $L^q$ स्पेस में हिल्बर्ट संरचना (inner product) का अभाव होता है, इसलिए इसके लिए एक नवीन कम्प्यूटेशनल दृष्टिकोण की आवश्यकता होती है।

कम्प्यूटेशनल दृष्टिकोण (Computational Approach)

रीमानियन ग्रेडिएंट मेथड (Riemannian Gradient Method): लेखक "ऑप्टिमाइज़-देन-डिस्क्रीटाइज" (optimize-then-discretize) रणनीति का उपयोग करते हैं। वे ग्रेडिएंट फ्लो को बाधा मैनिफोल्ड (constraint manifold - जो निश्चित $L^q$ नॉर्म और डाइवर्जेंस-फ्री स्थितियों द्वारा परिभाषित है) पर प्रोजेक्ट करते हैं।
मेट्रिक ग्रेडिएंट्स (Metric Gradients - नवीनता): लेबेग स्पेस फॉर्मुलेशन (समस्या 2 और 4) के लिए, लेखक मेट्रिक ग्रेडिएंट्स की गणना करने की विधि विकसित करते हैं। चूंकि बानच स्पेस (Banach spaces) में रीज़ प्रतिनिधित्व प्रमेय (Riesz representation theorem) लागू नहीं होता है, इसलिए वे ग्रेडिएंट को ड्यूल स्पेस (dual space) से जुड़ी एक बाधा-युक्त ऑप्टिमाइज़ेशन उप-समस्या के समाधान के रूप में वेरिएशनली परिभाषित करते हैं। इसमें $L^2$ ग्रेडिएंट (जो एडजॉइंट स्टेट्स के माध्यम से संगणित किया जाता है) को $L^q$ ग्रेडिएंट से जोड़ने के लिए एक नॉनलीनियर सिस्टम को हल करना शामिल है।
एडजॉइंट सिस्टम (Adjoint System): ग्रेडिएंट की गणना करने के लिए, वे रैखिक नेवियर-स्टोक्स समीकरणों और संगत एडजॉइंट सिस्टम को बैकवर्ड टाइम में हल करते हैं।
संख्यात्मक विविक्तकरण (Numerical Discretization): नेवियर-स्टोक्स और एडजॉइंट सिस्टम को $256^3$ ग्रिड पर डी-एलियासिंग के साथ एक स्यूडो-स्पेक्ट्रल फूरियर-गेलरकिन विधि (pseudo-spectral Fourier-Galerkin method) का उपयोग करके विविक्त (discretize) किया गया है। टाइम इंटीग्रेशन के लिए हाइब्रिड क्रैंक-निकोल्सन (लीनियर टर्म्स के लिए) और रनगे-कुट्टा (नॉनलीनर टर्म्स के लिए) योजना का उपयोग किया गया है।

3. प्रमुख योगदान (Key Contributions)

विलक्षणता की व्यवस्थित खोज: विशिष्ट प्रारंभिक अनुमानों (initial guesses) का उपयोग करने वाले पिछले अध्ययनों के विपरीत, यह कार्य LPS मापदंडों ( $q = 3, 4, 5, 9$ ) की एक विस्तृत श्रृंखला में "वर्स्ट-केस" प्रारंभिक डेटा की व्यवस्थित खोज करता है।
बानच स्पेस में नवीन ऑप्टिमाइज़ेशन: यह शोध पत्र सीधे लेबेग स्पेस ( $L^q$ ) में PDE-कन्स्ट्रेंड ऑप्टिमाइज़ेशन समस्याओं को हल करने के लिए एक मजबूत कम्प्यूटेशनल फ्रेमवर्क पेश करता है, जिसमें हिल्बर्ट संरचना का अभाव है। इसमें मेट्रिक ग्रेडिएंट्स के लिए नॉनलीनियर सिस्टम को व्युत्पन्न करना और हल करना, तथा बाधा मैनिफोल्ड पर उपयुक्त प्रोजेक्शन/रिट्रैक्शन ऑपरेटरों को परिभाषित करना शामिल है।
"निकटता" का परिमाणीकरण (Quantification of "Closeness"): भले ही कोई ब्लो-अप (blow-up) नहीं मिला, लेखक नॉर्म्स की क्षणिक वृद्धि दर (transient growth rates) को मापते हैं और इसकी तुलना सैद्धांतिक ऊपरी सीमाओं (जैसे $dE/dt \sim E^3$ ) से करते हैं ताकि यह आकलन किया जा सके कि फ्लो ब्लो-अप शासन के कितने करीब हैं।
सैद्धांतिक अंतर्दृष्टि: वे एक प्रमेय सिद्ध करते हैं कि यदि एक सघन रूप से एम्बेडेड (densely embedded) सोबोलेव स्पेस में स्थानीय मैक्सिमाइज़र मौजूद है, तो वह बड़े लेबेग स्पेस में भी एक स्थानीय मैक्सिमाइज़र होगा, हालांकि इसका विलोम (converse) आवश्यक रूप से सत्य नहीं है।

4. मुख्य परिणाम (Key Results)

कोई विलक्षणता नहीं मिली: परीक्षण किए गए सभी मापदंडों ( $q \in \{3, 4, 5, 9\}$ ) और बाधा आकार (रेनॉल्ड्स नंबर) के लिए, ऑप्टिमाइज़ेशन एल्गोरिदम ने अनबाउंड ग्रोथ या परिमित-समय विलक्षणता निर्माण का कोई प्रमाण नहीं पाया। विचार की गई राशियाँ परिबद्ध रहीं।
क्षणिक प्रवर्धन (Transient Amplification): चरम फ्लो (extreme flows) ने महत्वपूर्ण ट्रांजिएंट ग्रोथ प्रदर्शित किया।
- $q=3$ के लिए, एनस्ट्रॉफी (enstrophy) वृद्धि की तुलना में $\|u(t)\|_{L^3}$ की वृद्धि अपेक्षाकृत कमजोर थी।
- उच्च $q$ (जैसे $q=9$ ) के लिए, $\|u(t)\|_{L^q}$ की सापेक्ष वृद्धि बहुत अधिक स्पष्ट थी।
स्केलिंग लॉ (Scaling Laws):
- ऑब्जेक्टिव फंक्शनल्स के अधिकतम मान बाधा पैरामीटर $B$ के साथ पावर लॉ के रूप में स्केल हुए: $\max \Phi \sim B^\gamma$ ।
- घातांक (exponent) $\gamma$ , $q$ के साथ बढ़ता है, जो यह दर्शाता है कि उच्च $q$ के लिए नॉनलीनियर प्रवर्धन अधिक प्रभावी हो जाता है।
- इन चरम फ्लो में अधिकतम एनस्ट्रॉफी वृद्धि $\Delta E \sim E_{min}^{3/2}$ के रूप में स्केल हुई, जो एनस्ट्रॉफी मैक्सिमाइज़ेशन पर पिछले अध्ययनों के अनुरूप है।
फ्लो संरचनाएं (Flow Structures): इष्टतम प्रारंभिक स्थितियाँ अत्यधिक स्थानीयकृत, मुड़े हुए वोर्टेक्स रिंग्स (vortex rings) में विकसित हुईं जो खिंच गए और विकृत हो गए। ऑब्जेक्टिव फंक्शनल का अधिकतम मान इन खिंचे हुए वोर्टेक्स रिंग्स के खुले हिस्से के भीतर हुआ।
स्पेस की तुलना: निचले $q$ के लिए, सोबोलेव स्पेस ( $H^s$ ) में ऑप्टिमाइज़ेशन ने लेबेग स्पेस ( $L^q$ ) की तुलना में बड़े ऑब्जेक्टिव मान दिए। हालाँकि, $q=9$ के लिए, दोनों स्पेसों के परिणाम तुलनीय थे, जिससे पता चलता है कि "बड़ा" लेबेग स्पेस इस संदर्भ में आवश्यक रूप से अधिक चरम समाधान नहीं देता है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

ब्लो-अप के विरुद्ध साक्ष्य (इस शासन में): यह अध्ययन मजबूत संख्यात्मक साक्ष्य प्रदान करता है कि, खोजे गए पैरामीटर स्पेस के भीतर, नेवियर-स्टोक्स समीकरण उन तंत्रों द्वारा संचालित परिमित-समय ब्लो-अप का समर्थन नहीं करते हैं जिन्हें LPS स्थितियों द्वारा पकड़ा गया है। नियमितता नॉर्म्स की वृद्धि क्षणिक (transient) है और अंततः श्यानता (viscosity) द्वारा समाप्त हो जाती है।
पद्धतिगत प्रगति: गैर-हिल्बर्टियन ( $L^q$ ) स्पेसों के लिए ऑप्टिमाइज़ेशन एल्गोरिदम का विकास द्रव गतिकी की उन समस्याओं के अध्ययन के लिए नए मार्ग खोलता है जहाँ प्राकृतिक ऊर्जा नॉर्म्स हिल्बर्टियन नहीं होते हैं।
भविष्य की दिशाएं: लेखक नोट करते हैं कि फ्लो उस शासन में प्रवेश कर गए जहाँ वृद्धि दरें विलक्षणता निर्माण के अनुरूप थीं, लेकिन वे इसे बनाए रखने के लिए पर्याप्त समय तक नहीं टिकीं। वे सुझाव देते हैं कि भविष्य के कार्यों को बड़े रेनॉल्ड्स नंबर (बड़े $B$ ) और संभावित रूप से उच्च $q$ मानों की खोज करनी चाहिए, जिसके लिए संभवतः स्यूडो-स्पेक्ट्रल विधियों द्वारा छोड़ी गई सूक्ष्म फ्लो संरचनाओं को हल करने के लिए एडेप्टिव मेश रिफाइनमेंट (फाइनाइट एलिमेंट/डिफरेंस मेथड्स) की आवश्यकता होगी।

संक्षेप में, शोध पत्र यह निष्कर्ष निकालता है कि हालांकि चरम फ्लो, नॉर्म्स के तीव्र, विलक्षणता-संगत प्रवर्धन को प्रदर्शित कर सकते हैं, लेकिन वे विलक्षणता बनाने के लिए पर्याप्त लंबे समय तक इस वृद्धि को बनाए नहीं रख पाते हैं, कम से कम उन प्रारंभिक डेटा आकारों और समय खिड़कियों के लिए जिनका अन्वेषण किया गया है। यह अध्ययन कठोर गणितीय स्थितियों को उच्च-निष्ठा (high-fidelity) कम्प्यूटेशनल ऑप्टिमाइज़ेशन के साथ सफलतापूर्वक जोड़ता है।