🔬 materials science

Topological cell-openness index for porous materials

यह शोध पत्र छिद्रयुक्त सामग्रियों में खुले बनाम बंद सेल के अनुपातों को चरित्रित करने के लिए गैस पायcnometry के एक पूरक या वैकल्पिक मीट्रिक के रूप में बेट्टी संख्याओं (Betti numbers) पर आधारित एक टोपोलॉजिकल सेल-ओपननेस इंडेक्स ( $\tau$ ) प्रस्तावित करता है, साथ ही भौतिक मात्राओं के साथ इसके सहसंबंध और फीचर आकारों का अनुमान लगाने में इसकी उपयोगिता को भी प्रदर्शित करता है।

मूल लेखक: Michał Bogdan, Paweł Dłotko

प्रकाशित 2026-05-22

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Michał Bogdan, Paweł Dłotko

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 आपके पास एक स्पंज है। कुछ स्पंज ऐसे होते हैं जिनमें बहुत सारे छेद होते हैं जो सभी बाहर की ओर खुलते हैं, जिससे पानी सीधे आर-पार बह सकता है। अन्य स्पंजों में भी छेद होते हैं, लेकिन उनमें से कई अंदर ही दबे हुए होते हैं, जैसे कांच के भीतर फंसी हुई छोटी बुलबुले, जहाँ पानी न अंदर जा सकता है और न बाहर निकल सकता है।

लंबे समय से, वैज्ञानिकों के पास यह मापने का एक मानक तरीका रहा है कि एक स्पंज कितना "खुला" (open) है। वे इसे गैस पायक्नोमेट्री (gas pycnometry) कहते हैं। इसे ऐसे समझें जैसे आप एक स्ट्रॉ से स्पंज में हवा फूंक रहे हों। यदि हवा अंदर जा सकती है, तो छेद "खुला" (open) है। यदि हवा अंदर नहीं जा सकती, तो छेद "बंद" (closed) है। यह विधि आपको एक संख्या देती है: खुले स्थान का प्रतिशत। यह उद्योग का स्वर्ण मानक (gold standard) है।

हालाँकि, इस शोध पत्र के लेखकों, मिचाऊ बोगडन (Michał Bogdan) और पावेल ड्लोटको (Paweł Dłotko) ने एक समस्या देखी। कल्पना कीजिए कि एक ऐसा स्पंज है जहाँ 99% छेद खुले हैं, लेकिन शेष 1% वास्तव में खुले नेटवर्क के भीतर ही फंसे हुए छोटे, अलग-थलग बुलबुले हैं। मानक "हवा फूंकने वाला" परीक्षण कहेगा, "बहुत बढ़िया! यह 99% खुला है!" और वहीं रुक जाएगा। यह इस तथ्य को नजरअंदाज कर देता है कि खुला हिस्सा वास्तव में एक चिकने हाईवे के बजाय एक बिखरा हुआ, असंबद्ध जाल (disconnected web) है।

इसे ठीक करने के लिए, लेखकों ने एक नया उपकरण बनाया जिसे सेल-ओपननेस इंडेक्स (Cell-Openness Index - τ) कहा जाता है।

नया उपकरण: लूप और द्वीपों की गिनती

केवल हवा फूंकने के बजाय, लेखक गणित की एक शाखा का उपयोग करते हैं जिसे टोपोलॉजिकल डेटा एनालिसिस (Topological Data Analysis) कहा जाता है। आप इसे किसी सामग्री के 3D चित्र में आकृतियों और कनेक्शनों को गिनने के एक अत्यंत स्मार्ट तरीके के रूप में देख सकते हैं।

वे बेट्टी नंबरों (Betti numbers) की एक अवधारणा का उपयोग करते हैं, जो सुनने में जटिल लग सकते हैं लेकिन वास्तव में विशिष्ट आकृतियों के काउंटर (गणक) हैं:

द्वीपों की गिनती (0D): छेदों के कितने अलग-अलग टुकड़े हैं?
लूप की गिनती (1D): आप छेदों के माध्यम से चलते हुए कितने छल्ले या डोनट जैसी आकृतियाँ बना सकते हैं?
गुफाओं की गिनती (2D): कितने पूरी तरह से बंद बुलबुले हैं?

लेखक इन गणनाओं को अपने नए इंडेक्स, τ में मिलाते हैं।

यदि τ 0 है, तो सामग्री मोतियों की एक थैली की तरह है: प्रत्येक छेद एक अलग, बंद द्वीप है। कुछ भी आपस में जुड़ा नहीं है।
यदि τ 1 है, तो सामग्री एक आदर्श मधुमक्खी के छत्ते की तरह है: प्रत्येक छेद दूसरे छेद से जुड़ा हुआ है, जो एक विशाल, खुले नेटवर्क का हिस्सा है।

यह पुराने तरीके से बेहतर क्यों है?

शोध पत्र दिखाता है कि जबकि पुराना तरीका (गैस पायक्नोमेट्री) और नया तरीका (τ) आमतौर पर सहमत होते हैं, वे कभी-कभी बहुत दिलचस्प तरीके से असहमत होते हैं।

कल्प laइए दो स्पंज हैं जो पुराने तरीके द्वारा "99% खुले" टेस्ट किए गए हैं।

स्पंज A एक आदर्श, आपस में जुड़े हुए जाल की तरह है।
स्पंज B एक जाल जैसा दिखता है, लेकिन वास्तव में यह 50 अलग-अलग जालों से बना है जो स्पंज के किनारे को छू रहे हैं लेकिन एक-दूसरे से नहीं छू रहे हैं।

पुराना तरीका दोनों को "99% खुला" देखता है। नया तरीका (τ) स्पंज A को "बहुत खुला" (उच्च स्कोर) देखता है और स्पंज B को "कम खुला" (कम स्कोर) देखता है क्योंकि यह पता लगा लेता है कि नेटवर्क टूटे हुए, असंबद्ध टुकड़ों में विभाजित है। यह एक शहर जिसमें एक विशाल हाईवे सिस्टम है और एक ऐसे शहर के बीच के अंतर जैसा है जिसमें 50 अलग-अलग गलियां (cul-de-sacs) हैं जो संयोग से शहर की सीमाओं को छूती हैं।

सामग्री का "फिंगरप्रिंट" पढ़ना

लेखकों ने यह भी पाया कि उनके आकार-गिनती वाले ग्राफ में "पीक" (peaks) और "वैली" (valleys) को देखकर, वे छेदों के भौतिक आकार का अनुमान लगा सकते हैं (एक प्रक्रिया जिसे 'फिल्ट्रेशन' कहा जाता है)।

इसे एक गाना सुनने की तरह समझें। यदि आप लय और सुरों को जानते हैं, तो आप बजने वाले वाद्ययंत्रों के आकार का अनुमान लगा सकते हैं।

उन्होंने पाया कि उनके आकार-गिनती वाले ग्राफ के "पीक" और "वैली" सीधे तौर पर छेदों के आकार, छेदों के बीच की दूरी, और उनके बीच की ठोस दीवारों की मोटाई से संबंधित हैं।
यह उन सामग्रियों के लिए बहुत अच्छी तरह काम किया जिनमें बंद, अलग-थलग छेद थे (जैसे स्विस चीज़ का एक ब्लॉक जहाँ छेद आपस में नहीं मिलते)।
खुले, बिखरे हुए नेटवर्कों के लिए यह थोड़ा कठिन था, लेकिन फिर भी उपयोगी संकेत प्रदान करता था।

क्या यह वास्तविक जीवन के लिए मायने रखता है?

लेखकों ने परीक्षण किया कि क्या उनका नया नंबर (τ) यह अनुमान लगा सकता है कि कोई सामग्री कितनी अच्छी तरह गर्मी या तरल पदार्थ को स्थानांतरित करती है।

तरल पदार्थ (पारगम्यता/Permeability): 2D मॉडलों में, उन्होंने पाया कि उनके नए इंडेक्स और सामग्री के माध्यम से तरल के प्रवाह के बीच एक बहुत मजबूत, स्पष्ट संबंध है।
गर्मी (तापीय चालकता/Thermal Conductivity): 3D मॉडलों में, उनका नया इंडेक्स पुराने तरीके की तुलना में यह बताने में थोड़ा बेहतर था कि सामग्री के माध्यम से गर्मी कितनी अच्छी तरह चलती है।

मुख्य निष्कर्ष

यह शोध पत्र यह दावा नहीं करता कि यह तुरंत बीमारियों का इलाज करेगा या नए रॉकेट बनाएगा। इसके बजाय, यह मापने योग्य छिद्रपूर्ण (porous) सामग्रियों को मापने के लिए एक सरल, गणित-आधारित "दूसरी राय" का प्रस्ताव करता है।

यदि आप एक स्पंज, एक चट्टान या एक फोम का विश्लेषण कर रहे हैं, तो पुराना तरीका आपको बताता है कि कितना स्थान खुला है। लेखकों का नया तरीका आपको बताता है कि वह खुला स्थान कितनी अच्छी तरह से जुड़ा हुआ है। वे सुझाव देते हैं कि जब भी आपके पास किसी सामग्री की उच्च-गुणवत्ता वाली 3D तस्वीर हो, तो आपको दोनों नंबर देने चाहिए: परंपरा के लिए पुराना वाला (gas pycnometry) और नया वाला (उन छिपे हुए, असंबद्ध हिस्सों को पकड़ने के लिए जिन्हें पुराना तरीका छोड़ देता है)।

तकनीकी सारांश: छिद्रयुक्त सामग्रियों के लिए टोपोलॉजिकल सेल-ओपननेस इंडेक्स (Topological Cell-Openness Index)

समस्या विवरण
छिद्रयुक्त सामग्रियों (porous materials) की 'ओपननेस' (खुलेपन) का लक्षण वर्णन करना उनके परिवहन गुणों (transport properties) को समझने के लिए महत्वपूर्ण है, फिर भी वर्तमान मानक काफी हद तक गैस पायकनोमेट्री (gas pycnometry) पर निर्भर करते हैं। यह प्रयोगात्मक विधि एक एकल पैरामीटर प्रदान करती है, जिसे "खुले छिद्रों का अंश" ( $\phi_0$ ) कहा जाता है, जो नमूने की सीमा से जुड़े छिद्रों के आयतन अंश (volume fraction) को दर्शाता है। हालांकि, $\phi_0$ की कुछ सीमाएँ हैं: इसके लिए सामग्री के वास्तविक घनत्व के ज्ञान की आवश्यकता होती है, यह उन नमूनों के साथ संघर्ष करता है जहाँ खुले छिद्र सतह से जुड़े नहीं होते हैं, और यह एक अन्यथा "खुली" अवस्था (phase) के भीतर आंतरिक संरचनात्मक विच्छेदों (internal structural disconnects) को हल नहीं कर पाता है (उदाहरण के लिए, कई घटक जो सीमा को छूते हैं लेकिन एक-दूसरे से विच्छेदित हैं)। 3D माइक्रो-इमेजिंग (जैसे, X-रे माइक्रो-CT) की बढ़ती सुलभता के साथ, एक पूरक, इमेज-आधारित पद्धति की आवश्यकता है जो सरल आयतन अंशों से परे टोपोलॉजिकल कनेक्टिविटी जानकारी को कैप्चर कर सके।

कार्यप्रणाली (Methodology)
लेखक बाइनरी 2D और 3D वोक्सेलयकृत (voxelized) सूक्ष्म संरचनाओं में खुले और बंद कोशिकाओं के अनुपात का अनुमान लगाने के लिए टोपोलॉजिकल डेटा एनालिसिस (TDA), विशेष रूप से पर्सिस्टेंट होमोलॉजी (persistent homology) का उपयोग करते हुए एक इमेज-आधारित पद्धति का प्रस्ताव करते हैं।

डेटा जनरेशन और स्रोत: अध्ययन में एक ग्रिड पर गोलाकार/वृत्ताकार छिद्रों और अलग-अलग संभावनाओं ( $p$ ) के साथ जुड़े चैनलों वाले स्टोकेस्टिक प्रक्रिया के माध्यम से उत्पन्न सिंथेटिक बाइनरी सूक्ष्म संरचनाओं का उपयोग किया गया है। चार परिवारों के डेटासेट बनाए गए थे: आंशिक रूप से जुड़े हुए छेद (2D/3D), शुद्ध रूप से बंद कोशिकाएं (2D), शुद्ध रूप से खुली कोशिकाएं (2D), और हीट-ट्रांसफर विश्लेषण के लिए मिश्रित 3D कोशिकाएं। एक बाहरी रूप से प्रदान किए गए 2D डेटासेट का भी उपयोग किया गया जिसमें ज्ञात पारगम्यता (permeability) वाली 31 छिद्रयुक्त छवियां थीं।
न्यूमेरिकल पायकनोमेट्री ( $\phi_0$ ): गैस पायकनोमेट्री का एक डिजिटल एनालॉग लागू किया गया था, जिसमें डोमेन सीमा को छूने वाले छिद्र चरण (pore phase) के कनेक्टेड कंपोनेंट्स की पहचान की गई और कुल छिद्र आयतन के सापेक्ष उनके आयतन अंश की गणना की गई।
टोपोलॉजिकल विश्लेषण: लेखक बाइनरी संरचना के साइन्ड डिस्टेंस ट्रांसफॉर्म (SDT) के सब-लेवल सेट्स पर बेट्टी नंबर्स ( $\beta_0, \beta_1, \beta_2$ $β_{0}, β_{1}, β_{2}$ ) की गणना करते हैं।
- $\beta_0$ : कनेक्टेड कंपोनेंट्स की संख्या।
- $\beta_1$ : स्वतंत्र लूप्स (1D) या टनल की संख्या।
- $\beta_2$ : संलग्न कैविटीज़ (3D में)।
- विश्लेषण शोर (noise) को फ़िल्टर करने के लिए केवल उन फीचर्स को रखता है जिनकी पर्सिस्टेंस (persistence) $\ge 1.5$ है।
सेल-ओपननेस इंडेक्स ( $\tau$ ): एक विशिष्ट फिल्ट्रेशन वैल्यू ( $t=-1$ $t = - 1$ ) पर बेट्टी नंबर्स के आधार पर एक नया स्केलर इंडेक्स $\tau \in [0, 1]$ $τ \in [0, 1]$ परिभाषित किया गया है:
- 2D के लिए: $\tau = \frac{\beta_1}{\beta_0 + \beta_1}$
- 3D के लिए: $\tau = \frac{\beta_1 + \beta_2}{\beta_0 + \beta_1 + \beta_2}$
- $\tau = 0$ विच्छेदित, बंद छिद्रों की एक प्रणाली को दर्शाता है; $\tau = 1$ एक पूरी तरह से जुड़ी हुई, खुली नेटवर्क को दर्शाता है।
भौतिक सिमुलेशन: पीसवाइज आइसोट्रोपिक कंडक्टिविटी के साथ स्टेडी डिफ्यूजन समीकरण को हल करके 3D संरचनाओं के लिए प्रभावी तापीय चालकता (effective thermal conductivity) की गणना की गई। पारगम्यता डेटा को बाहरी संदर्भ डेटासेट से लिया गया था।

मुख्य योगदान और परिणाम

$\tau$ की परिभाषा: लेख $\tau$ को $\phi_0$ के एक टोपोलॉजिकल पूरक के रूप में पेश करता है। जबकि $\phi_0$ और $\tau$ अत्यधिक सह-संबंधित (correlated) हैं, $\tau$ उन टोपोलॉजिकल बारीकियों को पकड़ता है जिन्हें $\phi_0$ छोड़ देता है। विशेष रूप से, उन रेजीमों में जहाँ $\phi_0$ 1 के करीब संतृप्त (saturate) हो जाता है (उच्च ओपननेस का संकेत), $\tau$ एक वास्तव में अच्छी तरह से जुड़े नेटवर्क और एक ऐसे नेटवर्क के बीच अंतर कर सकता है जिसके कई घटक व्यक्तिगत रूप से सीमा को छूते हैं लेकिन आपस में विच्छेदित हैं।
भौतिक गुणों के साथ सहसंबंध:
- 2D पारगम्यता: 31 छिद्रयुक्त छवियों के एक डेटासेट में, $\tau$ ने $\log_{10}(\text{permeability})$ के साथ एक मजबूत परवलयिक (parabolic) संबंध दिखाया ( $R^2 = 0.95$ ), बावजूद इसके कि पूरे डेटासेट में $\tau$ में 1% से भी कम का बदलाव आया।
- 3D तापीय चालकता: 250 सिंथेटिक 3D संरचनाओं में, $\tau$ ने प्रभावी तापीय चालकता टेंसर के ट्रेस ( $\text{tr}(K)$ ) के साथ मध्यम सकारात्मक सहसंबंध दिखाया। सभी सब-डेटासेट्स में, $\tau$ , $\phi_0$ की तुलना में $\text{tr}(K)$ का थोड़ा बेहतर भविष्यवक्ता (predictor) था।
बेट्टी कर्व्स के माध्यम से लंबाई-पैमाने का अनुमान: लेखक प्रदर्शित करते हैं कि SDT फिल्ट्रेशन से प्राप्त बेट्टी कर्व्स ( $\beta_i(t)$ $β_{i} (t)$ ) विशिष्ट ज्यामितीय लंबाई को सफलतापूर्वक पुनः प्राप्त कर सकते हैं:
- बंद कोशिकाएं (Closed Cells): $\beta_0$ और $\beta_1$ के अधिकतम ग्रेडिएंट के बिंदुओं ने औसत छिद्र त्रिज्या ( $r$ ), इंटर-पोर हाफ-विड्थ ( $d/2$ ), और सॉलिड कोर हाफ-थिकनेस ( $h/2$ ) का उच्च सटीकता ( $R^2$ तक 0.95) के साथ अनुमान लगाया।
- खुली कोशिकाएं (Open Cells): हालांकि यह विधि आदर्श आवधिक (periodic) संरचनाओं के लिए काम करती है, शोर युक्त, वास्तविक ओपन-सेल डेटासेट्स में थ्रोट विड्थ ( $w/2$ ) के लिए इसकी भविष्य बताने की शक्ति कमजोर थी, जो संभवतः ओवरलैपिंग लेंथ स्केल्स के कारण थी जो टोपोलॉजिकल सिग्नेचर को धुंधला कर देते हैं।

महत्व और दावे
लेखक इस कार्य को यह निर्धारित करने के एक "जानबूझकर रिडक्टिव" (deliberately reductive) प्रयास के रूप में देखते हैं कि क्या एक एकल, व्याख्या योग्य संख्या ( $\tau$ ) शास्त्रीय गैस पायकनोमेट्री मीट्रिक ( $\phi_0$ ) के पूरक के रूप में कार्य कर सकती है। वे यह दावा नहीं करते कि $\tau$ पायकनोमेट्री को बदल देता है, बल्कि यह कि यह आयतन-आधारित मापों के अदृश्य संरचनात्मक अस्पष्टताओं को हल करने के लिए एक टोपोलॉजिकल परिप्रेक्ष्य प्रदान करता है।

लेख का दावा है कि:

$\tau$ वास्तविक संरचनात्मक जानकारी प्रदान करता है जिसे $\phi_0$ हल नहीं कर सकता।
अत्यधिक खुले सिस्टम में $\tau$ और $\phi_0$ के बीच का अंतर एक त्रुटि नहीं है, बल्कि एक विशेषता है जो विच्छेदित उप-नेटवर्क को दर्शाती है।
बेट्टी कर्व्स टोपोलॉजिकल सिग्नेचर से सीधे विशेषता संबंधी फीचर आकार (छिद्र त्रिज्या, थ्रोट विड्थ) का अनुमान लगाने का एक मार्ग प्रदान करते हैं, हालांकि यह बंद-सेल सिस्टम में अधिक मजबूत है।
$\tau$ का परिवहन गुणों (पारगम्यता और तापीय चालकता) के साथ सहसंबंध है, जो बताता है कि यह भौतिक रूप से सार्थक संरचनात्मक सिग्नेचर को एनकोड करता है।

लेखक निष्कर्ष निकालते हैं कि जहाँ उच्च-गुणवत्ता वाली 3D इमेजिंग उपलब्ध है, वहाँ $\phi_0$ के साथ $\tau$ को रिपोर्ट किया जाना चाहिए ताकि छिद्रयुक्त सामग्री की सूक्ष्म संरचनाओं का अधिक पूर्ण लक्षण वर्णन प्रदान किया जा सके।

नया उपकरण: लूप और द्वीपों की गिनती

यह पुराने तरीके से बेहतर क्यों है?

सामग्री का "फिंगरप्रिंट" पढ़ना

क्या यह वास्तविक जीवन के लिए मायने रखता है?

मुख्य निष्कर्ष

इसी तरह के और पेपर