🔬 condensed matter

Granular thermostat implementation within the soft-sphere Discrete Element Method (DEM) framework, considerations and limitations

यह शोध पत्र दो नवीन युग्मित हाइब्रिड सूत्रीकरणों को पेश करके विसरणात्मक दानेदार प्रणालियों (dissipative granular systems) में पारंपरिक थर्मोस्टैट्स की सीमाओं को संबोधित करता है जो आवश्यक गतिशील सहसंबंधों को संरक्षित करते हुए दानेदार तापमान को प्रभावी ढंग से नियंत्रित करते हैं, जिससे डिस्क्रीट एलीमेंट मेथड सिमुलेशन में तापमान-निर्भर रियोलॉजिकल गुणों के अध्ययन को सक्षम बनाया जा सके।

मूल लेखक: Marco Previtali, Herbert Eric Huppert, Sergio Andres Galindo Torres

प्रकाशित 2026-09-21

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Marco Previtali, Herbert Eric Huppert, Sergio Andres Galindo Torres

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

रेत, बर्फ और यहाँ तक कि कॉफी के कण भी एक अजीब द्वैत साझा करते हैं। धीमी, निरंतर दबाव के तहत, वे एक ठोस की तरह व्यवहार करते हैं, जो घर्षण के एक कठोर नेटवर्क में एक साथ जुड़ जाते हैं। लेकिन यदि आप उन्हें हिलाते हैं, या पर्याप्त तेज़ी से डालते हैं या मिलाते हैं, तो वे अचानक एक तरल की तरह बहने लगते हैं। जो वैज्ञानिक इन सामग्रियों का अध्ययन करते हैं, जिन्हें ग्रेनुलर मैटर (granular matter) कहा जाता है, वे यह समझने के लिए कि यह बदलाव ठीक कैसे होता है, कंप्यूटर सिमुलेशन पर भरोसा करते हैं। वे लाखों सूक्ष्म, व्यक्तिगत कणों को ट्रैक करते हैं जब वे एक-दूसरे से टकराते हैं, उछलते हैं और रगड़ खाते हैं। इन सिमुलेशन में एक प्रमुख चुनौती सिस्टम के "तापमान" को नियंत्रित करना है। इस संदर्भ में, तापमान का अर्थ आग या उबलते पानी जैसा पारंपरिक ताप नहीं है; यह इस बात का माप है कि कण कितनी बेतरतीब ढंग से हिल रहे हैं और उनके मोशन में उतार-चढ़ाव आ रहा है। यदि कण हिलना बंद कर देते हैं, तो सिमुलेशन एक ठोस अवस्था में जम जाता है। यदि वे बहुत अधिक हिलते हैं, तो सामग्री बिखर जाती है। सिमुलेशन को एक विशिष्ट, स्थिर अवस्था में चलाने के लिए, शोधकर्ता एक डिजिटल टूल का उपयोग करते हैं जिसे थर्मोस्टेट कहा जाता है। जिस तरह एक घरेलू थर्मोस्टेट कमरे को आरामदायक तापमान पर रखने के लिए हीटर को चालू या बंद करता है, उसी तरह एक डिजिटल थर्मोस्टेट कणों की हलचल को एक सटीक स्तर पर रखने के लिए ऊर्जा जोड़ता या हटाता है।

दशकों से, वैज्ञानिकों ने इन सिमुलेशन को प्रबंधित करने के लिए दो मुख्य प्रकार के डिजिटल थर्मोस्टेट का उपयोग किया है। एक प्रकार एक निरंतर, सौम्य खिंचाव (drag) की तरह कार्य करता है, जो औसत ऊर्जा स्तर बनाए रखने के लिए तेज़ कणों को धीमा करता है और धीमे कणों को तेज़ करता है। दूसरा प्रकार एक फीडबैक लूप की तरह कार्य करता है, जो लगातार सिस्टम की ऊर्जा को मापता है और लक्ष्य पर बने रहने के लिए एक सुधारात्मक बल लागू करता है। हालाँकि, जब शोधकर्ताओं ने इन मानक उपकरणों को सघन, हलचल भरे ग्रेनुलर पदार्थों के ढेर पर लागू किया, तो उन्होंने पाया कि ये विधियाँ त्रुटिपूर्ण थीं। ड्रैग-आधारित दृष्टिकोण बहुत आक्रामक था; इसने कणों की प्राकृतिक, अराजक गति को इतना सुस्त बना दिया कि इसने उन्हीं गतिकी (dynamics) को खत्म कर दिया जिनका अध्ययन वैज्ञानिक करना चाहते थे। फीडबैक-आधारित दृष्टिकोण, हालांकि औसत ऊर्जा को स्थिर रखने में बेहतर था, कणों के टकराने पर बनने वाले अप्राकृतिक पैटर्न को तोड़ने में विफल रहा। रेत के वास्तविक ढेर में, टकराव अव्यवस्थित और यादृच्छिक होते हैं, लेकिन इन सिमुलेशन में, कण आपस में समूह बनाने लगे और सिंक्रोनाइज्ड (एक साथ), अप्राकृतिक तरंगों में चलने लगे, जिससे एक ऐसी स्थिति पैदा हुई जो गणितीय रूप से अस्थिर और भौतिक रूप से अवास्तविक थी।

इसे हल करने के लिए, वेस्टलेक यूनिवर्सिटी और कैम्ब्रिज यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने एक नया, हाइब्रिड दृष्टिकोण विकसित किया। उन्होंने महसूस किया कि समस्या एक ही उपकरण से दो अलग-अलग काम करने की कोशिश करने में थी: समग्र ऊर्जा स्तर को नियंत्रित करना और अप्राकृतिक पैटर्न को तोड़ना। उनका समाधान दोनों पुराने तरीकों की खूबियों को मिलाकर उनकी कमजोरियों को दूर करना था। उन्होंने दो नए एल्गोरिदम बनाए जो मिलकर काम करते हैं। सिस्टम का पहला हिस्सा एक स्थिर हाथ की तरह कार्य करता है, यह सुनिश्चित करता है कि हिलने वाली कुल ऊर्जा ठीक वहीं रहे जहाँ शोधकर्ता उसे चाहते हैं। दूसरा हिस्सा एक सौम्य, यादृच्छिक धक्के (nudge) की तरह कार्य करता है, जिसे विशेष रूप से सिंक्रोनाइज्ड पैटर्न को बाधित करने और कणों को अराजक, प्राकृतिक तरीके से चलते रहने के लिए डिज़ाइन किया गया है। इन दोनों कार्यों को अलग करके, शोधकर्ता कणों की हलचल की तीव्रता को नियंत्रित कर सके बिना अनजाने में सिस्टम को जमा दिए या कणों को नकली, व्यवस्थित रेखाओं में धकेल दिए।

टीम ने विभिन्न सेटिंग्स के साथ हजारों सिमुलेशन चलाकर अपने नए तरीकों का परीक्षण किया। उन्होंने पाया कि उनके हाइब्रिड टूल्स कणों के टकराने और ऊर्जा खोने के दौरान भी पूरी तरह से स्थिर तापमान बनाए रख सकते हैं, जो कि पुराने तरीकों के लिए कठिन कार्य था। इससे भी महत्वपूर्ण बात यह है कि उन्होंने पाया कि जिस तरह से वे यादृच्छिक धक्के (random nudge) को लागू करते हैं, वह सिमुलेशन की प्रकृति को सूक्ष्म लेकिन महत्वपूर्ण तरीकों से बदल देता है। उनके नए टूल के एक संस्करण ने एक ऐसा सिस्टम बनाया जहाँ कण एक बहुत ही विशिष्ट, अनुमानित यादृच्छिकता के साथ चलते थे, जबकि दूसरे संस्करण ने एक थोड़ा अलग सांख्यिकीय पैटर्न बनाया। इसने सिद्ध किया कि ग्रेनुलर सिस्टम का "तापमान" केवल एक संख्या नहीं है। यह एक जटिल अवस्था है जो इस बात पर निर्भर करती है कि कणों के पास कितनी ऊर्जा है और वह ऊर्जा उनके बीच कैसे वितरित है। दो सिस्टमों का औसत तापमान बिल्कुल समान हो सकता है, लेकिन ऊर्जा कैसे इंजेक्ट की गई है, इसके आधार पर वे बहुत अलग व्यवहार कर सकते हैं।

अपने तरीके के काम करने को साबित करने के लिए, शोधकर्ताओं ने एक क्लासिक समस्या पर इसे लागू किया: दो दीवारों के बीच एक बॉक्स में रेत को खिसकाना (shear)। इस सेटअप में, वे कणों की हलचल के तापमान को बदलते हुए दबाव को स्थिर रख सकते थे। उन्होंने देखा कि जैसे-जैसे उन्होंने तापमान बढ़ाया, कणों के बीच घर्षण कम हो गया, जिससे सामग्री अधिक आसानी से बहने लगी। यह वही था जो वैज्ञानिकों ने पिछले प्रयोगों में देखा था, जो पुष्टि करता है कि उनका डिजिटल टूल सामग्री के भौतिक विज्ञान को सटीक रूप से पकड़ रहा था। हालाँकि, परिणामों ने यह भी दिखाया कि तापमान और घर्षण के बीच का संबंध एक साधारण फॉर्मूले द्वारा वर्णित नहीं किया जा सकता है। तापमान को नियंत्रित करने का विशिष्ट तरीका मायने रखता था, जो सुझाव देता है कि ग्रेनुलर पदार्थों के व्यवहार की पूरी भविष्यवाणी करने के लिए, वैज्ञानिकों को केवल औसत ऊर्जा से अधिक चीज़ों को ध्यान में रखना होगा; उन्हें यह भी समझना होगा कि कण कैसे चलते हैं और परस्पर क्रिया करते हैं।

यह कार्य रेत, बर्फ और अन्य ग्रेनुलर सामग्रियों के भौतिक विज्ञान का अध्ययन करने का एक नया, विश्वसनीय तरीका प्रदान करता है। कणों की प्राकृतिक गति को विकृत किए बिना तापमान को स्थिर रखने का उपकरण देकर, यह भूस्खलन, औद्योगिक मिश्रण और भूवैज्ञानिक प्रवाह के अधिक सटीक मॉडल के द्वार खोलता है। यह अध्ययन इस दावे के साथ नहीं है कि इसने ग्रेनुलर मैटर के हर रहस्य को सुलझा लिया है, लेकिन इसने एक बड़ी बाधा को दूर कर दिया है। यह दिखाता है कि ऊर्जा के नियंत्रण को गति के नियंत्रण से सावधानीपूर्वक अलग करके, वैज्ञानिक एक स्थिर, यथार्थवादी डिजिटल वातावरण बना सकते हैं ताकि वे अपने सिद्धांतों का परीक्षण कर सकें। यह उन्हें यह पूछने की अनुमति देता है कि ये सामग्रियां कैसे बहती हैं और जाम होती हैं, जिससे वे ग्रेनुलर भौतिकी की जटिल दुनिया की पूर्ण समझ के करीब पहुँच पाते हैं।

तकनीकी सारांश: सॉफ्ट-स्फीयर डिस्क्रीट एलीमेंट मेथड (DEM) के भीतर ग्रैनुलर थर्मोस्टेट कार्यान्वयन

समस्या विवरण
सघन ग्रैनुलर प्रवाह (dense granular flows) को अक्सर सॉफ्ट-स्फीयर डिस्क्रीट एलीमेंट मेथड (DEM) का उपयोग करके मॉडल किया जाता है, फिर भी बड़े पैमाने के अनुप्रयोग अक्सर निरंतरता मॉडलों (continuum models) पर निर्भर करते हैं जिन्हें स्ट्रेस और विरूपण (deformation) को अवस्था चर (state variables) से जोड़ने वाले कॉन्स्टिट्यूटिव संबंधों की आवश्यकता होती है। ग्रैनुलर तापमान ( $T$ ), जिसे गैर-अनुरूप कण वेग उतार-चढ़ाव (non-affine particle velocity fluctuations) के प्रसरण के रूप में परिभाषित किया गया है, एक महत्वपूर्ण चर है जो जड़त्वीय रियोलॉजिकल स्केलिंग (जैसे $\mu(I, \Theta)$ ) में सुधार करने के लिए आवश्यक है। हालांकि, मौजूदा तापमान-आधारित संबंध भविष्य कहने वाली शक्ति (predictive power) की कमी रखते हैं क्योंकि वे $T$ के उत्पादन, परिवहन और क्षय (dissipation) का वर्णन नहीं करते हैं। इसके अलावा, प्रयोगात्मक फोर्सिंग विधियाँ (जैसे कंपन) वेग सांख्यिकी, सहसंबंधों (correlations) और संरचनात्मक अनिसोट्रॉपी (structural anisotropy) के साथ तापमान को भी बदल देती हैं, जिससे तापमान के विशिष्ट प्रभावों को अलग करना कठिन हो जाता है।

जबकि मॉलिक्यूलर डायनेमिक्स (MD) में गतिज ऊर्जा को नियंत्रित करने के लिए थर्मोस्टेट एल्गोरिदम मानक हैं, विसरित (dissipative) सॉफ्ट-स्फीयर DEM प्रणालियों में उनका अनुप्रयोग कम खोजा गया है। पारंपरिक थर्मोस्टेट ग्रैनुलर प्रणालियों में पूरक सीमाओं का सामना करते हैं:

लैंज़िविन थर्मोस्टेट (Langevin Thermostats): निरंतर टकराव संबंधी क्षय (collisional dissipation) की भरपाई करने के लिए, उन्हें मजबूत कपलिंग की आवश्यकता होती है, जो कणों की गतिशीलता को अत्यधिक अवमंदित (overdamp) कर देता है और प्रसार (diffusion) को दबा देता है।
नोसे-हुवर थर्मोस्टेट (Nosé-Hoover Thermostats): जबकि वे गतिशीलता को बेहतर तरीके से संरक्षित करते हैं, वे बार-बार होने वाले अलोचिक (inelastic) टकरावों द्वारा उत्पन्न वेग सहसंबंधों और पृथक्करण (segregation) को बाधित करने में विफल रहते हैं। यह गैर-एर्गोडिक (non-ergodic), क्लस्टर्ड अवस्थाओं और संख्यात्मक अस्थिरता की ओर ले जाता है।

कार्यप्रणाली
लेखक पारंपरिक थर्मोस्टेट एल्गोरिदम की जांच करते हैं और दो नए पेयरवाइज हाइब्रिड फॉर्मूलेशन प्रस्तावित करते हैं जिन्हें वेग सांख्यिकी के स्वतंत्र हेरफेर की अनुमति देते हुए ग्रैनुलर तापमान को नियंत्रित करने के लिए डिज़ाइन किया गया है। अध्ययन में GPU त्वरण के साथ ओपन-सोर्स लाइब्रेरी Mechsys का उपयोग किया गया है।

सिस्टम सेटअप: सिमुलेशन एक आवधिक क्यूबिक डोमेन (periodic cubic domain) में लगभग $\phi \approx 0.27$ के सॉलिड फ्रैक्शन के साथ एक क्वासी-मोनोडिस्पर्स कण आकार वितरण का उपयोग करते हैं। इंटरैक्शन एक लीनियर इलास्टिक (Hookean) संपर्क नियम का पालन करते हैं जिसमें एक विस्कस डैशपॉट (viscous dashpot) और कूलम्ब घर्षण शामिल है।
हाइब्रिड फॉर्मूलेशन:
1. डायरेक्ट एडिशन (NA): एक नियत (deterministic) नोसे-हुवर फीडबैक लूप (औसत तापमान को नियंत्रित करने के लिए) को एक मानक लैंज़िविन टर्म (स्टोकेस्टिक फोर्सिंग और डैम्पिंग) के साथ जोड़ता है।
2. स्केल्ड लैंज़िविन (SL): नोसे-हुवर फीडबैक को बनाए रखता है लेकिन स्पष्ट लैंज़िविन डैम्पिंग टर्म को हटा देता है। इसके बजाय, स्टोकेस्टिक फोर्सिंग आयाम को तात्कालिक पेयर काइनेटिक स्टेट ( $T_p$ ) के आधार पर स्केल किया जाता है। यदि पेयर तापमान लक्षित तापमान से अधिक हो जाता है, तो फोर्सिंग समाप्त हो जाती है, जो यांत्रिक रूप से कंपन करने वाली सीमाओं के ऊर्जा हस्तांतरण व्यवहार की नकल करती है।
कार्यान्वयन: दोनों फॉर्मूलेशन गैलिलियन इनवेरिएंस (Galilean invariance) सुनिश्चित करने और पेयर सेंटर-ऑफ-मास मोमेंटम को संरक्षित करने के लिए एक पेयरवाइज दृष्टिकोण (डिसीपेटिव पार्टिकल डायनेमिक्स से प्रेरित) का उपयोग करते हैं। एक इंटरैक्शन रेंज ( $r_t$ ) थर्मोस्टेट जोड़ों को परिभाषित करती है, और एक स्मूथिंग फंक्शन रेंज बाउंड्री पर संख्यात्मक शोर (numerical noise) को कम करता है।
पैरामीट्रिक अध्ययन: लेखकों ने तीन पैरामीट्रिक अध्ययन किए हैं जिनमें भिन्नता की गई है:
1. इंटरैक्शन रेंज ( $R_t$ ) और कपलिंग स्ट्रेंथ ( $\xi_{La}, \xi_{NH}$ )।
2. टाइमस्टेप साइज ( $\Delta t$ ), लक्षित तापमान ( $\hat{T}$ ), और आयामहीन स्टोकेस्टिक फोर्सिंग स्ट्रेंथ ( $\pi_2 = \sqrt{\hat{T}}/(d\xi_{La}$ )।
3. प्रत्यास्थापन गुणांक (coefficient of restitution, $e$ ) अलोचिकता (inelasticity) प्रभावों का परीक्षण करने के लिए।
अनुप्रयोग: $(I, T)$ स्टेट स्पेस का अन्वेषण करने के लिए दबाव-नियंत्रित सिंपल शेयर टेस्ट में इस फ्रेमवर्क को लागू किया गया था।

प्रमुख परिणाम

पारंपरिक थर्मोस्टेट की सीमाएं: शुद्ध लैंज़िविन थर्मोस्टेट विसरित प्रणालियों में बिना मजबूत कपलिंग के लक्षित तापमान को लागू करने में विफल रहे, जिसने प्रसार को दबा दिया और क्रिस्टलीकरण (crystallization) की ओर ले गया। शुद्ध नोसे-हुवर थर्मोस्टेट लक्षित तापमान को बनाए रखते हैं लेकिन अत्यधिक गैर-एर्गोडिक अवस्थाओं, बड़े तापमान स्पाइक्स, वेग पृथक्करण और संख्यात्मक अस्थिरता का परिणाम देते हैं।
हाइब्रिड फॉर्मूलेशन का प्रदर्शन: दोनों NA और SL ने शुद्ध नोसे-हुवर की संख्यात्मक अस्थिरता और शुद्ध लैंज़िविन के ओवरडैम्पिंग से बचते हुए निर्धारित स्केलर तापमान को सफलतापूर्वक लागू किया।
विशिष्ट सांख्यिकीय हस्ताक्षर: समान स्केलर तापमान को नियंत्रित करने के बावजूद, दोनों हाइब्रिड फॉर्मूलेशन मापने योग्य रूप से भिन्न काइनेटिक स्टेट उत्पन्न करते हैं:
- NA मेसोकर्टिक (गॉसियन जैसा) वेग वितरण और उच्च प्रसार (diffusivity) उत्पन्न करता है।
- SL प्लैटिकर्टिक (फ्लैट टेल वाला) वितरण और निम्न प्रसार उत्पन्न करता है।
  यह दर्शाता है कि फ्लक्चुएशन का परिमाण, डिकोरलेशन (decorrelation) और फोर्सिंग सांख्यिकी अलग-अलग पहलू हैं।
स्टोकेस्टिक फोर्सिंग की भूमिका: आयामहीन पैरामीटर $\pi_2$ स्टोकेस्टिक डिकोरलेशन की सापेक्ष शक्ति को नियंत्रित करता है। एक निश्चित तापमान पर $\pi_2$ को बदलने से वेग सांख्यिकी, प्रसार और रेडियल डिस्ट्रीब्यूशन फंक्शन पीक $g(d)$ बदल जाता है।
शेयर अनुप्रयोग: दबाव-नियंत्रित सिंपल शेयर में, एक निश्चित जड़त्व संख्या ( $I$ ) पर ग्रैनुलर तापमान बढ़ाने से अपीयरेंट फ्रिक्शन कम हो गया, जो पिछले रुझानों के अनुरूप है। हालांकि, यह सरल स्केलिंग कानूनों का कड़ाई से पालन नहीं करता है, जो सुझाव देता है कि अतिरिक्त अवस्था चरों (state variables) की आवश्यकता है।

महत्व और दावे
पेपर का दावा है कि यह ग्रैनुलर सिमुलेशन में नियंत्रित संदर्भ अवस्थाओं (controlled reference states) को उत्पन्न करने के लिए एक फ्रेमवर्क प्रदान करता है। वेग उतार-चढ़ाव के परिमाण (तापमान) को फोर्सिंग के सांख्यिकीय चरित्र ( $\pi_2$ और NA बनाम SL के माध्यम से) से अलग करके, शोधकर्ता निम्नलिखित कर सकते हैं:

यह पहचानना कि कौन से परिवहन और रियोलॉजिकल गुण मुख्य रूप से स्केलर ग्रैनुलर तापमान द्वारा शासित होते हैं बनाम वे जो वेग सांख्यिकी और सहसंबंधों पर निर्भर करते हैं।
विभिन्न रूप से फोर्स्ड सिस्टम (प्रायोगिक या प्राकृतिक) की तुलना पैरामीटर-आधारित आधार के बजाय स्टेट-आधारित आधार ( $I$ और $T$ को मैच करते हुए) पर करना।
तापमान-निर्भर कॉन्स्टिट्यूटिव मॉडल्स को क्लोज करने के लिए आवश्यक विशिष्ट चरों को निर्धारित करना।

लेखक इस बात पर जोर देते हैं कि जबकि हाइब्रिड थर्मोस्टेट चरों को अलग करने का एक तरीका प्रदान करते हैं, प्राप्त अनुभवजन्य संबंध (जैसे $\pi_2$ और $e$ पर निर्भरता) जांचे गए पैरामीटर रेंज के लिए विशिष्ट हैं और सामान्य कॉन्स्टिट्यूटिव क्लोजर के रूप में कार्य करने से पहले विभिन्न सॉलिड फ्रैक्शन और फ्रिक्शन कोएफिशिएंट के साथ और अधिक सत्यापन की आवश्यकता है। यह कार्य किसी विशिष्ट प्रयोगात्मक उपकरण को पुनरुत्पादित करने का दावा नहीं करता है बल्कि तुलनात्मक रियोलॉजिकल विश्लेषण के लिए आदर्श अवस्थाओं का निर्माण करता है।

इसी तरह के और पेपर