Logarithmic Aging Diffusion from a Multiplicative Event Clock: Rare Event Statistics, Ultraslow Transport, and Ensemble-Time Inequivalence

द स्लो-मोशन यूनिवर्स: क्यों कांच जैसी दुनिया में समय अलग महसूस होता है

कल्पना कीजिए कि आप एक फिल्म देख रहे हैं, लेकिन प्रोजेक्टर खराब है। कभी यह सामान्य गति से चलती है, कभी यह बहुत धीमी हो जाती है, और कभी-कभी तो ऐसा लगता है जैसे यह पूरी तरह से रुक गई हो। भौतिक विज्ञान की दुनिया में, "ग्लासी" (कांच जैसी) सामग्रियों के भीतर बिल्कुल यही होता है—ऐसी सामग्रियां जैसे खिड़की का कांच, कुछ प्लास्टिक, या आपके फोन के भीतर के जटिल इलेक्ट्रॉनिक नेटवर्क जब वे एक अव्यवस्थित अवस्था में फंस जाते हैं। ये सामग्रियां सामान्य तरल पदार्थों की तरह व्यवहार नहीं करतीं जो सुचारू रूप से बहते हैं, और न ही ठोस पदार्थों की तरह जो स्थिर रहते हैं। इसके बजाय, वे एक अजीब मध्य मार्ग में फंसी हुई हैं जहाँ वे लगातार खुद को पुनर्गठित करने की कोशिश कर रही हैं, लेकिन समझ नहीं पा रही हैं कि कैसे।

इसे समझने के लिए, वैज्ञानिक "डिफ्यूजन" (विसरण) नामक एक अवधारणा का उपयोग करते हैं, जो केवल कणों के इधर-उधर घूमने का एक तकनीकी शब्द है। एक सामान्य तरल में, एक कण हर सेकंड एक कदम लेता है, और उसकी गति अनुमानित होती है। लेकिन इन अस्त-व्यस्त, अव्यवस्थित सामग्रियों में, "कदम" अप्रत्याशित होते हैं। कभी कोई कण एक सेकंड के बहुत छोटे हिस्से के लिए रुकता है; तो कभी वह लाखों वर्षों तक फंसा रहता है। यह एक "वेटिंग टाइम" (प्रतीक्षा समय) की समस्या पैदा करता है। बड़ा सवाल जो वैज्ञानिक पूछ रहे हैं वह यह है: हम उन कणों के लिए टिक-टिक करने वाली घड़ी का वर्णन कैसे करें? क्या यह एक मानक घड़ी है जो बस धीमी चल रही है, या यह कुछ और ही विचित्र है? यह शोध पत्र उस रहस्य की गहराई में जाता है, उन सामग्रियों पर नज़र डालता है जहाँ समय का बीतना इस बात पर निर्भर करता है कि आप उन्हें कितनी देर से देख रहे हैं।

---

शोध पत्र का मुख्य विचार: एक घड़ी जो लघुगणक (Logarithms) में गिनती करती है

इस शोध पत्र के लेखक, बीजिंग, तियानजिन, शंघाई और हेफ़ेई की एक टीम, इन सामग्रियों के बढ़ने (aging) की व्याख्या करने के लिए एक बहुत ही विशिष्ट, कुछ हद तक विरोधाभासी तरीका प्रस्तावित करते हैं। वे सुझाव देते हैं कि "अति-धीमी" (ultraslow) प्रणालियों के एक निश्चित वर्ग के लिए, आंतरिक घड़ी सेकंड या मिनटों में नहीं टिक-टिक करती है। इसके बजाय, यह लघुगणक (logarithms) में टिक-टिक करती है।

इसे देखने के लिए, कल्पना कीजिए कि आप एक पर्वतारोही द्वारा पहाड़ पर लिए गए कदमों की संख्या गिन रहे हैं। एक सामान्य दुनिया में, यदि पर्वतारोही 1 घंटे तक चलता है, तो वह 600 कदम लेता है। यदि वह 2 घंटे तक चलता है, तो वह 1,200 कदम लेता है। यह संबंध एक सीधी रेखा है। लेकिन "लघुगणकीय एजिंग" (logarithmic aging) की दुनिया में, पर्वतारोही एक ऐसे पहाड़ पर चढ़ रहा है जहाँ रास्ता अधिक से अधिक कठिन होता जा रहा है। केवल एक और कदम लेने के लिए, पर्वतारोही को शायद एक घंटे तक इंतजार करना पड़ सकता है। अगले कदम के लिए, उसे दो घंटे इंतजार करना पड़ सकता है। अगले के लिए, चार घंटे। कदमों के बीच का समय केवल लंबा नहीं हो रहा है; यह तेजी से (exponentially) बढ़ रहा है।

यह शोध पत्र तर्क देता है कि इसे वर्णित करने का सबसे अच्छा तरीका कदमों के बीच के समय को देखने के बजाय, समय के अनुपात (ratio) को देखना है। यदि पर्वारोही कदम A के लिए 1 घंटा प्रतीक्षा करता है, और कदम B के लिए 2 घंटे, तो अनुपात 2 है। यदि वह कदम B के लिए 2 घंटे और कदम C के लिए 4 घंटे प्रतीक्षा करता है, तो अनुपात अभी भी 2 है। लेखकों ने पाया कि जबकि घटनाओं के बीच का वास्तविक समय बेतहाशा बढ़ता है, उन समयों का अनुपात एक सरल, अनुमानित पैटर्न का पालन करता है। वे इसे एक "मल्टीप्लिकेटिव इवेंट क्लॉक" (गुणक घटना घड़ी) कहते हैं।

"बस स्टॉप" की उपमा: प्रतीक्षा करना अजीब क्यों हो जाता है

यह समझने के लिए कि यह क्यों मायने रखता है, कल्पना कीजिए कि आप बस का इंतजार कर रहे हैं। एक सामान्य शहर में, बसें यादृच्छिक रूप से आती हैं लेकिन एक स्थिर औसत दर से आती हैं। यदि आप 10 मिनट प्रतीक्षा करते हैं, तो आपके पास बस देखने की एक निश्चित संभावना होती है। यदि आप 20 मिनट प्रतीक्षा करते हैं, तो आपकी संभावना दोगुनी हो जाती है।

अब, एक "ग्लासी" बस स्टॉप की कल्पना करें। बसें इतनी दुर्लभ हैं कि आप जितना अधिक प्रतीक्षा करेंगे, उतनी ही कम संभावना होगी कि बस जल्द आएगी। वास्तव में, शोध पत्र सुझाव देता है कि घटनाओं (जैसे बस का आना या कण का कूदना) के होने की दर सिस्टम की आयु के व्युत्क्रम (1/age) के रूप में गिरती है। यदि सिस्टम 100 साल पुराना है, तो घटनाएं तब की तुलना में 100 गुना धीमी होंगी जब वह 1 साल का था।

लेखक दिखाते हैं कि यदि आप इस नियम को लागू करना जारी रखते हैं—जहाँ अगली घटना के लिए प्रतीक्षा समय इस बात पर निर्भर करता है कि आपने पहले ही कितना इंतजार किया है—तो आपको एक "मल्टीप्लिकेटिव" प्रभाव मिलता है। प्रत्येक बार घटनाओं के बीच का समय एक यादृच्छिक कारक से गुणा हो जाता है। यह एक ऐसी घड़ी बनाता है जहाँ यदि आप उन्हें लघुगणकीय पैमाने पर देखते हैं तो "टिक" एक-दूसरे से स्वतंत्र होते हैं, लेकिन सामान्य समय पैमाने पर देखने पर वे बेहद अराजक होते हैं।

उन्होंने क्या पाया (और क्या खारिज किया)

टीम ने केवल अनुमान नहीं लगाया; उन्होंने इसका परीक्षण करने के लिए एक गणितीय मॉडल बनाया। यहाँ उनकी खोजें दी गई हैं:

1. "लॉग-नॉर्मल" केंद्र: किसी कण द्वारा लिए गए अधिकांश "सामान्य" रास्तों के लिए, एक निश्चित संख्या में कदम पूरे करने में लगने वाला समय एक "लॉग-नॉर्मल" वितरण का पालन करता है। इसका अर्थ है कि यदि आप डेटा को एक विशेष ग्राफ पर प्लॉट करते हैं, तो यह एक सुंदर, चिकनी घंटी के आकार की वक्र (bell curve) जैसा दिखता है। यह सिस्टम का "औसत" व्यवहार है।
2. "हेवी टेल" का आश्चर्य: हालाँकि, कहानी का एक दूसरा, बहुत महत्वपूर्ण हिस्सा है। कुछ समय के लिए, सिस्टम एक अविश्वसनीय लंबे समय तक एक "गहरे जाल" (deep trap) में फंस जाता है। ये "दुर्लभ घटनाएं" हैं। शोध पत्र दिखाता है कि ये दुर्लभ घटनाएं सांख्यिकी में एक "हेवी टेल" (भारी पूंछ) बनाती हैं। भले ही ये घटनाएं दुर्लभ हों, लेकिन वे इतनी लंबी अवधि की होती हैं कि वे प्रतीक्षा में बिताए गए कुल समय पर हावी हो जाती हैं।
3. "एर्गोडिसिटी" का टूटना: भौतिकी में, "एर्गोडिसिटी" नामक एक नियम है, जो मूल रूप से कहता है कि यदि आप एक कण को लंबे समय तक देखते हैं, तो वह वही कहानी बताएगा जो आप दस लाख कणों को थोड़े समय के लिए देखते हुए बताएंगे। लेखकों ने पाया कि इन लॉग-एजिंग प्रणालियों में, यह नियम टूट जाता है।
   • यदि आप एक कण को लंबे समय तक देखते हैं, तो आप उसे बहुत धीरे चलते हुए देखते हैं।
   • यदि आप दस लाख कणों को देखते हैं, तो आप एक अलग औसत देखते हैं।
   • शोध पत्र दिखाता है कि भले ही आप एक एकल कण को बहुत लंबे समय तक देखते हैं, उसका औसत व्यवहार कभी भी पूरे समूह के औसत के बराबर नहीं पहुँच पाता। वे हमेशा अलग रहते हैं। यह एक "वीक एर्गोडिसिटी ब्रेकिंग" (कमजोर एर्गोडिसिटी टूटना) है।

यह क्या खारिज करता है

लेखक बहुत सावधानी से कहते हैं कि यह मॉडल क्या नहीं है। वे स्पष्ट रूप से इस विचार को खारिज करते हैं कि आप इस व्यवहार को केवल "कितनी तेजी से चीजें रिलैक्स होती हैं" के एक एकल वक्र को देखकर समझा सकते हैं।

• यह केवल "धीमा विसरण" (Slow Diffusion) नहीं है: कई वैज्ञानिकों ने इन सामग्रियों को केवल "सब-डिफ्यूसिव" (सामान्य से धीमा चलना) कहकर समझाने की कोशिश की है। लेखक तर्क देते हैं कि यह बहुत सरल है। आपके पास धीमा विसरण हो सकता है जो पावर लॉ (जैसे $t^{0.5}$) की तरह दिखता है, लेकिन यह लॉग-एजिंग सिस्टम अलग तरह से व्यवहार करता है (जैसे $\ln t$)।
• यह "पॉइसन" (Poisson) प्रक्रिया नहीं है: कुछ शुरुआती सिद्धांतों ने सुझाव दिया था कि ये घटनाएं एक यादृच्छिक पॉइसन प्रक्रिया (जैसे छत पर गिरती बारिश की बूंदें) की तरह हो सकती हैं लेकिन बस धीमी हो गई हैं। लेखक दिखाते हैं कि उनके मॉडल में घटनाओं के बीच के "अनुपात" का विशिष्ट पैटर्न एक साधारण पॉइसन प्रक्रिया से भिन्न है। यदि आप डेटा को मापते हैं, तो आप अंतर बता सकते हैं।
• यह केवल एक "फिटेड कर्व" नहीं है: आप केवल डेटा के अनुकूल एक रेखा नहीं खींच सकते और काम खत्म नहीं कर सकते। शोध पत्र तर्क देता है कि इन सामग्रियों को वास्तव में समझने के लिए, आपको एक साथ कई चीजों की जांच करनी होगी: घटनाओं की संख्या, उनके बीच का समय, कण कैसे चलते हैं, और वे बलों के प्रति कैसी प्रतिक्रिया देते हैं। यदि आपका मॉडल गति (movement) के लिए फिट बैठता है लेकिन घटना गणना (event count) में विफल रहता है, तो वह गलत मॉडल है।

"नो-रिफिटिंग" टेस्ट (पुनः फिट न करने का परीक्षण)

इस शोध पत्र का सबसे रोमांचक हिस्सा वह "परीक्षण" है जिसे वे प्रस्तावित करते हैं। वे कहते हैं कि यह साबित करने के लिए कि यह "मल्टीप्लिकेटिव क्लॉक" वास्तविक सामग्री के लिए सही स्पष्टीकरण है, आपको एक "नो-रिफिटिंग" टेस्ट करना होगा।

कल्पना कीजिए कि आप एक जासूस हैं। आपको एक सुराग मिलता है (घटना अनुपात)। आप उस सुराग का उपयोग तीन अन्य चीजों की भविष्यवाणी करने के लिए करते हैं: कण कैसे चलते हैं, उन्हें लक्ष्य तक पहुँचने में कितना समय लगता है, और वे एक धक्के (push) के प्रति कैसी प्रतिक्रिया देते हैं। यदि आपकी भविष्यवाणी वास्तविक दुनिया के डेटा से मेल खाती है बिना आपके अपने नंबरों को बदले या मॉडल में "हेरफेर" किए, तो आपने सत्य को पा लिया है। यदि आपको डेटा को फिट करने के लिए नंबर बदलने पड़ते हैं, तो आपकी घड़ी गलत है।

लेखक सुझाव देते हैं कि इन ग्लास-जैसे पदार्थों के विभिन्न सिद्धांतों के बीच अंतर करने का एकमात्र तरीका यह कठोर परीक्षण है। वे दिखाते हैं कि उनका विशिष्ट "मल्टीप्लिकेटिव क्लॉक" गणितीय रूप से इस परीक्षण को पास करता है, जो इन सभी विभिन्न मापों में व्यवहारों का एक सुसंगत सेट भविष्यवाणी करता है।

आपको इसकी परवाह क्यों करनी चाहिए?

आप सोच सकते हैं, "लघुगणक में गिनती करने वाली घड़ी की परवाह कौन करता है?" उत्तर है: लगभग हर वह व्यक्ति जो तकनीक का उपयोग करता है।

"इलेक्ट्रॉन ग्लास" (जो कुछ सेंसर और मेमोरी डिवाइस में उपयोग किए जाते हैं) और "जैमड कोलोइड्स" (जैसे पेंट, केचप, या जैविक ऊतक) जैसी सामग्रियां इसी तरह व्यवहार करती हैं। यदि हम उनकी आंतरिक घड़ियों को नहीं समझते हैं, तो हम यह भविष्यवाणी नहीं कर सकते कि बैटरी कितनी देर चलेगी, दवा आपके शरीर में कितनी तेजी से जाएगी, या जटिल सामग्रियों से बना पुल कब तक टिका रहेगा।

यह शोध पत्र यह दावा नहीं करता है कि उसने हर ग्लास-जैसे पदार्थ के रहस्य को सुलझा लिया है। वास्तव में, वे स्वीकार करते हैं कि कुछ सामग्रियों में "सहसंबद्ध" (correlated) घटनाएं हो सकती हैं (जहाँ एक घटना दूसरी घटना को श्रृंखला अभिक्रिया में ट्रिगर करती है) जो उनके सरल मॉडल को तोड़ देती हैं। लेकिन उन विशिष्ट सामग्रियों के लिए जहाँ घटनाएं स्वतंत्र रूप से होती हैं लेकिन बढ़ते हुए प्रतीक्षा समय के साथ होती हैं, उन्होंने उन्हें वर्णित करने के लिए एक नई, सटीक भाषा प्रदान की है।

उन्होंने दिखाया है कि इन सामग्रियों में समय केवल "धीमा" नहीं है; यह इस तरह से संरचित है जो सिस्टम के इतिहास पर निर्भर करता है। आप जितना अधिक प्रतीक्षा करेंगे, खेल के नियम उतने ही बदल जाएंगे। और "मल्टीप्लिकेटिव क्लॉक" को समझकर, हम अंततः इन जिद्दी, धीमी गति वाली सामग्रियों के भविष्य की भविष्यवाणी करना शुरू कर सकते हैं।