🔬 condensed matter

Progress toward a better BOCS: Systematic coarse-graining with local density potentials

यह शोध पत्र BOCS संस्करण 5.0 और साथ में आने वाले PKG-BOCS LAMMPS पैकेज को प्रस्तुत करता है, जो स्थानीय घनत्व और वर्ग प्रवणता विभव (square gradient potentials) के साथ मोटे-दानेदार (coarse-grained) मॉडलों को पैरामीटराइज करने के लिए फोर्स-मैचिंग का उपयोग करते हैं, जो जल मॉडलों की संरचनात्मक निष्ठा, ऊष्मप्रवैगिकी गुणों और हस्तांतरणीयता में महत्वपूर्ण सुधार प्रदर्शित करते हैं।

मूल लेखक: Maria C. Lesniewski, Michael R. DeLyser, W. G. Noid

प्रकाशित 2026-06-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Maria C. Lesniewski, Michael R. DeLyser, W. G. Noid

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 एक विशाल, हलचल भरे शहर को समझने की कोशिश कर रहे हैं। आप हर एक व्यक्ति, कार और स्ट्रीटलाइट को ट्रैक करने की कोशिश कर सकते हैं। यह एक "ऑल-एटम" (all-atom) कंप्यूटर सिमुलेशन की तरह है: अविश्वसनीय रूप से विस्तृत, लेकिन इतना धीमा कि आप अपने कंप्यूटर की मेमोरी खत्म होने से पहले शहर के जीवन के केवल कुछ मिनट ही देख पाएंगे।

इसे हल करने के लिए, वैज्ञानिक कोर्स-ग्रेन्ड (Coarse-Grained - CG) मॉडल का उपयोग करते हैं। हर व्यक्ति को ट्रैक करने के बजाय, वे उन्हें "पड़ोसों" (neighborhoods) में समूहबद्ध करते हैं। वे प्रत्येक पड़ोस को एक एकल बिंदु के रूप में देखते हैं। यह एक हेलीकॉप्टर से शहर को देखने जैसा है; आप व्यक्तिगत चेहरों के विवरण खो देते हैं, लेकिन आप दिनों या वर्षों के दौरान यातायात के पैटर्न और शहर के विकास को देख सकते हैं।

समस्या यह है: आप यह कैसे तय करेंगे कि इन पड़ोसियों के बीच क्या बातचीत (interaction) होगी? यदि आप गलत अनुमान लगाते हैं, तो सिमुलेशन में शहर ढह सकता है या बिखर सकता है।

यह पेपर BOCS संस्करण 5.0 पेश करता है, जो एक नया सॉफ्टवेयर टूल है जो वैज्ञानिकों को इन "पड़ोस" वाले मॉडलों को बहुत अधिक सटीकता के साथ बनाने में मदद करता है। यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग किया गया है:

1. पुराना तरीका: बस पड़ोसियों को देखना

पहले, ये उपकरण मुख्य रूप से पेयरवाइज़ इंटरैक्शन (pairwise interactions) को देखते थे। इसे ऐसे समझें जैसे यह कहना कि, "यदि दो लोग एक-दूसरे से 5 फीट की दूरी पर खड़े हैं, तो वे एक-दूसरे को इतने बल (force) से धकेलते हैं।" यह एक सरल नियम है: दूरी = बल।

लेकिन वास्तविक जीवन में, लोग केवल उस व्यक्ति पर प्रतिक्रिया नहीं देते जो उनके ठीक बगल में खड़ा है। वे भीड़ (crowd) के प्रति प्रतिक्रिया देते हैं। यदि आप एक भरे हुए कॉन्सर्ट में हैं, तो आप एक खाली पार्क में होने की तुलना में अलग महसूस करते हैं, भले ही आपके बगल में खड़ा व्यक्ति समान दूरी पर हो।

2. नई विशेषता: "लोकल डेंसिटी" (Local Density) पोटेंशियल

BOCS 5.0 का सबसे बड़ा अपग्रेड लोकल डेंसिटी (LD) को ध्यान में रखने की क्षमता है।

उपमा: कल्पना कीजिए कि आप भीड़ में एक व्यक्ति हैं।
- पुराना मॉडल: आप केवल उस व्यक्ति की परवाह करते हैं जो आपके कंधे को छू रहा है।
- नया मॉडल (LD): आप इस बात की परवाह करते है कि आपके आस-पास का पूरा क्षेत्र कितना भीड़भाड़ वाला है। क्या आप एक घनी मोंश पिट (mosh pit) में हैं? या एक बिखरी हुई सभा में?
यह कैसे काम करता है: सॉफ्टवेयर प्रत्येक कण (particle) के लिए एक "डेंसिटी स्कोर" की गणना करता है कि उसके आस-पास कितने पड़ोसी हैं। फिर यह स्कोर कणों के बीच लगने वाले बल को समायोजित करता है।
- यदि क्षेत्र बहुत भीड़भाड़ वाला है, तो कण एक-दूसरे को कुचलने से बचने के लिए अधिक जोर से धक्का दे सकते हैं।
- यदि क्षेत्र विरल (sparse) है, तो वे जुड़े रहने के लिए एक-दूसरे की ओर खिंच सकते हैं।

यह सिमुलेशन को यह समझने में सक्षम बनाता है कि बर्फ के एक ठोस ब्लॉक में मौजूद अणु, गैस में मौजूद उसी अणु की तुलना में अलग व्यवहार करता है, भले ही वे केवल अपने निकटतम पड़ोसियों को देख रहे हों।

3. "स्क्वायर ग्रेडिएंट" (Square Gradient - SG): किनारे का प्रभाव

पेपर एक दूसरी नई विशेषता भी पेश करता है जिसे स्क्वायर ग्रेडिएंट (SG) पोटेंशियल कहा जाता है।

उपमा: समुद्र तट के बारे में सोचें जहाँ रेत समुद्र से मिलती है।
- रेत के बीच में, घनत्व (density) स्थिर है।
- पानी के बीच में, घनत्व स्थिर है।
- लेकिन किनारे पर? घनत्व तेजी से बदलता है। यह एक "ग्रेडिएंट" है।
यह कैसे काम करता है: SG पोटेंशियल विशेष रूप से इस बात को देखता है कि एक स्थान से दूसरे स्थान तक भीड़ का घनत्व कितनी तेजी से बदलता है। यह सिमुलेशन को इंटरफेस (interfaces) (जैसे पानी की बूंद की सतह या तेल और पानी के बीच की सीमा) को सटीक रूप से मॉडल करने में मदद करता है। इसके बिना, सिमुलेशन अक्सर तरल के "किनारे" को गलत तरीके से दिखाते हैं, जिससे वह बहुत धुंधला या बहुत तीखा हो जाता है।

4. "फोर्स-मैचिंग" (Force-Matching) का जादू

BOCS यह कैसे पता लगाता है कि इन भीड़भाड़ वाले या किनारे-प्रधान स्थितियों के लिए सही नियम क्या हैं? यह फोर्स-मैचिंग (Force-Matching) नामक विधि का उपयोग करता है।

उपमा: कल्पना कीजिए कि आपके पास एक नृत्य दल (dance troupe) का हाई-डेफिनिशन वीडियो है (विस्तृत "ऑल-एटम" सिमुलेशन)। आप एक सरलीकृत रोबोट (कोर्स-ग्रेन्ड मॉडल) को उस नृत्य की नकल करने के लिए सिखाना चाहते हैं।
प्रक्रिया: BOCS उस हाई-डेफिनिशन वीडियो को देखता है और हर क्षण हर डांसर पर लगने वाले सटीक बलों को मापता है। फिर यह रोबोट से पूछता है: "यदि तुम अपने सरलीकृत अंगों को इस तरह से हिलाते हो, तो क्या यह वास्तविक डांसरों की तरह ही धक्का और खिंचाव पैदा करता है?"
परिणाम: सॉफ्टवेयर रोबोट के नियमों को बार-बार तब तक बदलता रहता है जब तक कि रोबोट की हरकतें हाई-डेफिनिशन वीडियो में देखे गए बलों से पूरी तरह मेल न खा जाएं। इस नए संस्करण में, रोबोट न केवल यह सीखता है कि अपने पड़ोसियों के साथ कैसे हिलना है, बल्कि यह भी कि भीड़ के घनत्व और समूह के किनारों के आधार पर कैसे हिलना है।

5. यह क्यों महत्वपूर्ण है (पेपर के अनुसार)

वैज्ञानिकों ने इस नए सॉफ्टवेयर का परीक्षण पानी पर किया।

समस्या: पानी पेचीदा है। यह बूंदें बनाता है, इसकी एक सतह होती है, और यह बल्क लिक्विड बनाम वेपर (वाष्प) में अलग तरह से व्यवहार करता है। पुराने "पड़ोसी" मॉडल अक्सर पानी के घनत्व या बूंद के आकार को सही ढंग से प्राप्त करने में विफल रहे।
परिणाम: जब वैज्ञानिकों ने अपने पानी के मॉडल में "लोकल डेंसिटी" और "स्क्वायर ग्रेडिएंट" के नियमों को जोड़ा:
- सिम्युलेटेड पानी का घनत्व सही था।
- सिम्युलेटेड पानी की बूंद का आकार और सतही तनाव (surface tension) सही था।
- मॉडल बिना टूटे तरल सिमुलेशन से वाष्प सिमुलेशन में जा सकता था।

सारांश

यह पेपर एक सॉफ्टवेयर अपडेट (BOCS 5.0) और एक नया सिमुलेशन टूल (PKG-BOCS) वर्णित करता है जो वैज्ञानिकों को जटिल सामग्रियों के बेहतर, तेज़ मॉडल बनाने की अनुमति देता है।

केवल यह पूछने के बजाय कि, "आप कितनी दूर हैं?" नया सॉफ्टवेयर पूछता है, "आपके आस-पास कितनी भीड़ है, और वह भीड़ कितनी तेजी से बदल रही है?" इन सवालों के जवाब देकर, सॉफ्टवेयर जटिल पदार्थों, इंटरफेस और सॉफ्ट मैटेरियल्स के ऐसे सिमुलेशन बना सकता है जो पहले की तुलना में कहीं अधिक सटीक हैं, विशेष रूप से पानी के मॉडलिंग के लिए बड़ी संभावना दिखाता है।

तकनीकी सारांश: एक बेहतर BOCS की ओर प्रगति: स्थानीय घनत्व विभवों के साथ व्यवस्थित मोटे-कण (coarse-graining) मॉडल

समस्या विवरण
बॉटम-अप मोटे-कण (CG) मॉडल, परमाणु रूप से विस्तृत (AA) मॉडलों के लिए अप्राप्य लंबाई और समय के पैमानों के अनुकरण के लिए गणनात्मक दक्षता प्रदान करते हैं। जबकि फोर्स-मैचिंग (FM) वेरिएशनल सिद्धांत, CG विभवों को सटीक CG विभव के सर्वोत्तम सन्निकटन के लिए पैरामीटराइज करने की अनुमति देता है, मानक कार्यान्वयन अक्सर पारंपरिक युग्म विभवों (pair potentials) पर निर्भर करते हैं। ये युग्म विभव विषम प्रणालियों, जैसे कि तरल-वाष्प इंटरफेस (liquid-vapor interfaces) के ऊष्मागतिक और संरचनात्मक गुणों को पकड़ने में संघर्ष करते हैं, और अक्सर बल्क (bulk) और इंटरफेशियल वातावरणों के बीच स्थानांतरणीयता (transferability) की कमी रखते हैं। वॉल्यूम विभव (volume potentials), हालांकि बल्क में दबाव-घनत्व समीकरणों को पुनरुत्पादित करने में प्रभावी हैं, इंटरफेस का मॉडल बनाने में सक्षम नहीं हैं। एक ऐसे व्यवस्थित ढांचे की आवश्यकता है जो जटिल सॉफ्ट सामग्रियों के लिए CG मॉडलों की सटीकता और स्थानांतरणीयता में सुधार करने हेतु स्थानीय घनत्व (LD) और उस घनत्व के वर्ग प्रवणता (SG) पर निर्भर विभवों को शामिल करता हो।

कार्यप्रणाली
लेखक 'बॉटम-अप ओपन-सोर्स कोर्स-ग्रेनिंग सॉफ्टवेयर' (BOCS) पैकेज के संस्करण 5.0 और LAMMPS के लिए PKG-BOCS पैकेज के एक संगत विस्तार का वर्णन करते हैं।

सैद्धांतिक ढांचा: सॉफ्टवेयर फोर्स-मैचिंग वेरिएशनल सिद्धांत का उपयोग करके CG विभवों को पैरामीटराइज करता है, जो मैप किए गए एन्सेम्बल (ensemble) पर AA मॉडल और CG मॉडल के बलों के बीच माध्य-वर्ग अंतर को न्यूनतम करता है। कुल नॉन-बॉन्डेड विभव को तीन घटकों को शामिल करने के लिए विस्तारित किया गया है:
1. पारंपरिक सेंट्रल पेयर पोटेंशियल ( $U_{pair}$ )।
2. स्थानीय घनत्व विभव ( $U_{LD}$ ), जो प्रत्येक कण $I$ के आसपास तात्कालिक स्थानीय घनत्व $\rho_I$ पर निर्भर करता है।
3. स्क्वायर ग्रेडिएंट विभव ( $U_{SG}$ ), जो स्थानीय घनत्व के प्रवणता के वर्ग, $|\nabla_I \rho_I|^2$ पर निर्भर करता है।
  स्थानीय घनत्व को एक वेटिंग फंक्शन (weighting function) $w(r)$ द्वारा भारित पड़ोसी कणों के योगदान के योग के रूप में परिभाषित किया गया है, जिसके लिए पांच अलग-अलग कार्यात्मक रूप (जैसे, DPD, Lucy, Shell, smooth, sphere) कार्यान्वित किए गए हैं।
सॉफ्टवेयर कार्यान्वयन:
- BOCS v5.0: यह संस्करण AA प्रक्षेपवक्र (trajectories) से स्थानीय घनत्व और उनके प्रवणता की गणना करने के लिए उपकरण (ldcalc) पेश करता है। यह बॉन्डेड, पेयर और LD पदों के लिए स्पष्ट बल जानकारी के बिना फोर्स-मैचिंग करने के लिए एक सामान्यीकृत-Yvon-Born-Green (g-YBG) ढांचे का उपयोग करता है। सॉफ्टवेयर फोर्स फंक्शन और गुणांकों को दर्शाने के लिए स्प्लाइन-आधारित आधार कार्यों (basis functions) का उपयोग करता है, जिससे लचीले कार्यात्मक रूप संभव होते हैं। यह इष्टतम मापदंडों को निर्धारित करने के लिए सिंगुलर वैल्यू डिकंपोजिशन के माध्यम से परिणामी नॉर्मल समीकरणों को हल करता है।
- PKG-BOCS (LAMMPS): इन विभवों के अनुकरण के लिए LAMMPS में एक नया पेयर स्टाइल (ldd) लागू किया गया। यह कार्यान्वयन जटिल आणविक टोपोलॉजी, बहु-कण प्रकार और विभिन्न वेटिंग फंक्शनों का समर्थन करता है। यह इंट्रा-मॉलिक्यूलर योगदान और अपवर्जन (exclusions) को ठीक से ध्यान में रखता है।
वैधीकरण और अनुप्रयोग: लेखकों ने तीन बेंचमार्क परीक्षणों के माध्यम से कार्यान्वयन को मान्य किया:
1. रैखिक LD विभवों वाले 400 कणों का एक सिस्टम।
2. द्विघाती (quadratic) LD और रैखिक SG विभवों वाले 2 कणों का एक सिस्टम।
3. 4 साइट प्रकारों वाले 125 शाखित अणुओं का एक जटिल सिस्टम, जिसमें बॉन्डेड, पेयर, LD और SG इंटरैक्शन शामिल हैं।
  इसके अतिरिक्त, सॉफ्टवेयर का उपयोग SPC/E AA मॉडल पर आधारित 1-साइट CG जल मॉडल को पैरामीटराइज करने के लिए किया गया, जिसमें बल्क सिमुलेशन, स्लैब सिमुलेशन, और LD विभवों के साथ संवर्धित बल्क सिमुलेशन से पैरामीटराइज किए गए मॉडलों की तुलना की गई।

मुख्य परिणाम

कार्यान्वयन सटीकता: सभी बेंचमार्क परीक्षणों में, BOCS v5.0 ने LAMMPS सिमुलेशन में उपयोग किए गए ज्ञात "ग्राउंड ट्रुथ" विभवों और बलों को मात्रात्मक रूप से पुनरुत्पादित किया। फोर्स-मैचिंग गणनाओं में नगण्य त्रुटियां ( $\chi^2 \approx 0$ ) मिलीं, जो यह प्रदर्शित करती है कि सॉफ्टवेयर LD और SG वि yaituों के लिए वेरिएशनल सिद्धांत को सही ढंग से लागू करता है।
भौतिक अंतर्दृष्टि: अध्ययन से पता चला कि LD और SG विभवों द्वारा उत्पन्न प्रभावी पेयर इंटरैक्शन वेटिंग फंक्शन $w(r)$ के चुनाव के प्रति अत्यधिक संवेदनशील हैं। उदाहरण के लिए, अलग-अलग वेटिंग फंक्शन काफी भिन्न प्रभावी पेयर पोटेंशियल और फोर्स प्रोफाइल की ओर ले जा सकते हैं, भले ही अंतर्निय LD या SG कार्यात्मक रूप समान हो।
जल मॉडल प्रदर्शन:
- बल्क वाटर से पैरामीटराइज किया गया एक मानक पेयर-ओनली मॉडल (PAIR-BULK) 1 बार पर तरल चरण को स्थिर करने में विफल रहा, जिसके परिणामस्वरूप वाष्पीकरण हुआ।
- एक स्लैब सिमुलेशन से पैरामीटराइज किया गया पेयर-ओनली मॉडल (PAIR-SLAB) ने तरल को स्थिर किया लेकिन घनत्व और संपीड्यता (compressibility) का काफी अधिक आकलन किया और तरल-वाष्प इंटरफेस की चौड़ाई को ठीक से पुनरुत्पादित नहीं कर सका।
- LD-BULK मॉडल (पेयर + LD विभव जो केवल बल्क सिमुलेशन से पैरामीटराइज किया गया) ने प्रदर्शन में महत्वपूर्ण सुधार किया। इसने SPC/E समीकरण (equation of state) को उच्च सटीकता के साथ पुनरुत्पादित किया (घनत्व को केवल 0.1% कम करके) और केवल बल्क सिमुलेशन से पैरामीटराइज होने के बावजूद, तरल-वाष्प इंटरफेस की चौड़ाई और घनत्व प्रोफाइल को उचित रूप से पुनरुत्पादित किया।
- विश्लेषण ने दिखाया कि LD विभव स्थानीय वातावरण के आधार पर पेयर बलों को नियंत्रित (modulate) करता है, जो कम-घनत्व वाले क्षेत्रों में आकर्षक इंटरैक्शन को गहरा करने का काम करता है (इंटरफेस व्यवहार की नकल करता है), जबकि उच्च-घनत्व वाले क्षेत्रों में प्रतिकर्षण (repulsive) बना रहता है।

महत्व और दावे
लेखक दावा करते हैं कि BOCS संस्करण 5.0 और PKG-BOCS विस्तार स्थानीय घनत्व और स्क्वायर ग्रेडिएंट विभवों के साथ CG मॉडलों को व्यवस्थित रूप से पैरामीटराइज करने के लिए एक मजबूत और सटीक उपकरण प्रदान करते हैं। यह पत्र तर्क देता है कि ये विभव, विशेष रूप से तरल-वाष्प इंटरफेस जैसे विषम प्रणालियों के लिए, नीचे से ऊपर (bottom-up) के CG मॉडलों की संरचनात्मक निष्ठा, ऊष्मागतिक गुणों और स्थानांतरणीयता में महत्वपूर्ण सुधार प्रदान करते हैं। यह कार्य प्रदर्शित करता है कि LD विभव सहकारी बहु-कण (many-body) इंटरैक्शन को प्रभावी ढंग से पकड़ सकते हैं और घनत्व के उतार-चढ़ाव के विवरण में सुधार कर सकते हैं, बिना सिमुलेशन में स्पष्ट कई-शरीर (many-body) बल पदों की आवश्यकता के, क्योंकि पर्यावरणीय निर्भरता को स्थानीय घनत्व के माध्यम से कैप्चर किया जाता है। लेखक इस सॉफ्टवेयर को जटिल सॉफ्ट सामग्रियों के CG मॉडल विकसित करने के लिए मौजूदा पैकेजों के एक उपयोगी पूरक के रूप में प्रस्तुत करते हैं।