Reconstruction of the superstatistical temperature distribution from single-particle kinetic energies

परमाणुओं और अणुओं की शांत, अदृश्य दुनिया में, एक मौलिक नियम है जो यह नियंत्रित करता है कि वे कैसे चलते हैं। जब कणों का एक समूह पूर्ण संतुलन में होता है, तो उनकी गति एक अनुमानित पैटर्न का पालन करती है जिसे मैक्सवेलियन वितरण (Maxwellian distribution) के रूप में जाना जाता है। यह एक सुचारू, घंटी के आकार का वक्र है जहाँ अधिकांश कण एक औसत गति से चलते हैं, जबकि कुछ बहुत धीरे या बहुत तेज़ी से चलते हैं। यह पैटर्न शास्त्रीय भौतिकी का आधार है, जो कमरे की हवा से लेकर एक तारे की गैस तक सब कुछ वर्णित करता है। हालाँकि, प्रकृति अक्सर चंचल होती है। कई वास्तविक दुनिया की प्रणालियों में, जैसे कि अंतरिक्ष के विशाल, विरल प्लाज्मा या अशांत तरल पदार्थों में, कण इस पूर्ण संतुलन में नहीं बैठते हैं। इसके बजाय, उनकी गति अजीब, ऊबड़-खाबड़ पैटर्न बनाती है जो मानक नियमों को चुनौती देती है। वैज्ञानिक इन अवस्थाओं को गैर-संतुलन (non-equilibrium) अवस्थाएं कहते हैं, और दशकों से वे उन्हें संचालित करने वाले छिपे हुए तंत्र को समझने के लिए संघर्ष कर रहे हैं।

चुनौती 'तापमान' नामक एक अवधारणा में निहित है। एक संतुलित प्रणाली में, तापमान एक एकल, स्थिर संख्या है जो हमें बताती है कि कणों के पास औसतन कितनी ऊर्जा है। लेकिन इन अराजक, गैर-संतुलन प्रणालियों में, एक एकल तापमान का विचार टूट जाता है। प्रणाली इस तरह व्यवहार करती है जैसे कि वह कई अलग-अलग पैच से बनी हो, जिनमें से प्रत्येक का अपना स्थानीय तापमान हो, जो लगातार बदल रहा हो और उतार-चढ़ाव भरा हो। इसे वर्णित करने के लिए, भौतिक विज्ञानी 'सुपरस्टेटिस्टिक्स' (superstatistics) नामक एक ढांचे का उपयोग करते हैं। कल्पना करें कि एक प्रणाली में एक तापमान नहीं है, बल्कि कई अलग-अलग तापमानों का मिश्रण है जो एक साथ घटित हो रहे हैं। कणों की गति का समग्र पैटर्न वास्तव में इन विभिन्न स्थानीय स्थितियों का एक मिश्रण है। शोधकर्ताओं के लिए बड़ा सवाल यह रहा है: यदि हम केवल कणों की गति के अंतिम मिश्रण को देख सकते हैं, तो क्या हम पीछे की ओर काम करके यह पता लगा सकते हैं कि उन छिपे हुए तापमानों का वितरण वास्तव में कैसा दिखता है? यह बिल्कुल वैसा ही है जैसे कि किसी सूप के सटीक नुस्खे का अनुमान लगाने की कोशिश करना, केवल अंतिम कटोरे को चखकर, बिना यह जाने कि प्रत्येक चरण में कितना नमक, काली मिर्च या गर्मी डाली गई थी।

शोधकर्ताओं ने अब इस पहेली को हल करने का एक व्यावहारिक तरीका विकसित किया है। उन्होंने एकल कणों की गतिज ऊर्जा (kinetic energy) पर ध्यान केंद्रित किया—वह गति की ऊर्जा जो प्रत्येक व्यक्तिगत कण अपने साथ लेकर चलता है। जबकि इन प्रणालियों में तापमान को सीधे देखा नहीं जा सकता है, कणों की ऊर्जा को मापा जा सकता है। टीम ने महसूस किया कि इन ऊर्जा मापों के सांख्यिकीय पैटर्न को देखकर, विशेष रूप से ऊर्जा मूल्यों के लघुगणक (logarithms) कैसे व्यवहार करते हैं, वे छिपे हुए तापमान वितरण को पुनर्गठित कर सकते हैं। उन्होंने 'अधिकतम एंट्रॉपी' (maximum entropy) नामक एक सिद्धांत लागू किया, जो अनावश्यक धारणाएं बनाए बिना डेटा के लिए सबसे संभावित स्पष्टीकरण खोजने की एक विधि है। इन ऊर्जा पैटर्न का उपयोग बाधाओं (constraints) के रूप में करके, वे 'इनवर्स टेम्परेचर' (inverse temperature) के प्रायिकता वितरण को गणितीय रूप से रिवर्स-इंजीनियर कर सके, जो कि विशिष्ट गणितीय तरीके से तापमान का उल्टा रूप है।

शोधकर्ताओं ने अपने तरीके का परीक्षण तीन अलग-अलग सैद्धांतिक मॉडलों पर किया जो इन प्रणालियों का वर्णन करने के लिए आमतौर पर उपयोग किए जाते हैं। ये मॉडल, जिन्हें 'यूनिवर्सलिटी क्लासेस' (universality classes) कहा जाता है, तापमान के उतार-चढ़ाव के विभिन्न तरीकों का प्रतिनिधित्व करते हैं: एक जहाँ उतार-चढ़ाव गामा पैटर्न का पालन करता है, दूसरा जहाँ वे इनवर्स गामा पैटर्न का पालन करते हैं, और तीसरा जहाँ वे लॉगनॉर्मल (lognormal) पैटर्न का पालन करते हैं। ये अध्ययन के क्षेत्र में मानक "यूनिवर्सलिटी क्लासेस" हैं। अपने तकनीक का परीक्षण करने के लिए, टीम ने भारी मात्रा में सिंथेटिक डेटा तैयार किया, जिसमें प्रत्येक तीन मॉडलों के लिए लाखों कणों का अनुकरण (simulation) किया गया। फिर उन्होंने केवल सिमुलेशन से प्राप्त गतिज ऊर्जा डेटा को अपने पुनर्गठन एल्गोरिदम में डाला, यह मानकर कि उन्हें नहीं पता कि डेटा किस मॉडल द्वारा उत्पन्न किया गया था।

परिणाम आश्चर्यजनक रूप से सटीक थे। पद्धति ने उच्च सटीकता के साथ तीनों मॉडलों के लिए मूल तापमान वितरण को सफलतापूर्वक पुनर्गठित किया। पुनर्गठित वक्र वास्तविक अंतर्निहित वितरणों से लगभग पूरी तरह मेल खाते थे, जिसमें त्रुटियां सबसे कठिन मामलों में भी तीन प्रतिशत से कम रहीं। शायद सबसे आश्चर्यजनक खोज यह थी कि कण ऊर्जा के दृष्टिकोण से तीनों मॉडल कितने समान दिखते हैं। जब शोधकर्ताओं ने गामा, इनवर्स गामा और लॉगनॉर्मल मॉडलों के ऊर्जा वितरण की तुलना की, तो उन्होंने पाया कि वे लगभग अविभेद्य थे। जब तक कि कोई वितरण के दूर छोर पर बहुत दुर्लभ, चरम घटनाओं को बहुत बारीकी से न देखे, तीनों मॉडल लगभग समान परिणाम देते हैं। यह सुझाव देता है कि कई भौतिक संदर्भों में, ये विभिन्न गणितीय विवरण कार्यात्मक रूप से समान हो सकते हैं, जिससे इस विशिष्ट पुनर्गठन तकनीक के बिना उन्हें पहचानना कठिन हो जाता है।

अध्ययन ने यह भी खुलासा किया कि विभिन्न परिस्थितियों में पद्धति की सटीकता कैसे बनी रहती है। शोधकर्ताओं ने तापमान के उतार-चढ़ाव की तीव्रता को बदला, जिसे उन्होंने 'रिलेटिव वेरिएंस' (relative variance) कहा, और पाया कि पद्धति तब भी मजबूत बनी रही जब ये उतार-चढ़ाव अधिक चरम हो गए। हालांकि उतार-चढ़ाव बढ़ने के साथ त्रुटि थोड़ी बढ़ी, फिर भी पुनर्गठन विश्वसनीय रहा। उन्होंने यह भी नोट किया कि पद्धति एक प्रकार के मॉडल के लिए उतार-चढ़ाव को थोड़ा अधिक आंकती है और दूसरे के लिए थोड़ा कम, लेकिन ये विचलन छोटे और अनुमानित थे। यह कार्य यह प्रदर्शित करता है कि गतिज ऊर्जा के लघुगणकीय क्षणों (logarithmic moments) पर ध्यान केंद्रित करके, वैज्ञानिक उन गणितीय कठिनाइयों को दरकिनार कर सकते हैं जिन्होंने पहले इस समस्या को लगभग असंभव बना दिया था।

यह दृष्टिकोण जटिल प्रणालियों को समझने के लिए एक नया उपकरण प्रदान करता है जहाँ पारंपरिक ऊष्मप्रवैगिकी (thermodynamics) विफल हो जाती है। यह शोधकर्ताओं को कणों के वेग के कच्चे डेटा से उन छिपे हुए तापमान विविधताओं के परिदृश्य को उजागर करने की अनुमति देता है जो उन्हें नियंत्रित करते हैं। निष्कर्ष बताते हैं कि अंतरिक्ष प्लाज्मा और अन्य जटिल तरल पदार्थों में देखे जाने वाले अजीब, गैर-मानक पैटर्न केवल यादृच्छिक शोर (random noise) नहीं हैं, बल्कि एक विशिष्ट, पुनर्गठित सांख्यिकीय संरचना के हस्ताक्षर हैं। यह सिद्ध करके कि इन छिपे हुए वितरणों को अवलोकन योग्य डेटा से पुनर्गठित किया जा सकता है, यह अध्ययन गैर-संतुलन भौतिकी की गहरी समझ के द्वार खोलता है। यह पुष्टि करता है कि भले ही कोई प्रणाली संतुलन से दूर हो, फिर भी प्रायिकता और एंट्रॉपी के नियम इसके अंतर्निहित स्वभाव को समझने के लिए एक स्पष्ट मार्ग प्रदान करते हैं। इन विभिन्न यूनिवर्सलिटी क्लासेस के बीच अंतर करने की क्षमता, भले ही उनके ऊर्जा हस्ताक्षर लगभग समान हों, जटिल भौतिक प्रणालियों के व्यवहार को मॉडल करने और भविष्यवाणी करने की क्षमता में एक महत्वपूर्ण प्रगति है।