तरल पदार्थ (fluids) हमारी दुनिया के अदृश्य वास्तुकार हैं, जो गर्मी के दिनों में शहर को ठंडा करने वाली हवा से लेकर जेट इंजन को शक्ति देने वाले ईंधन तक, सब कुछ आकार देते हैं। दशकों से, वैज्ञानिक और इंजीनियर यह अनुमान लगाने के लिए जटिल कंप्यूटर सिमुलेशन पर निर्भर रहे हैं कि ये तरल और गैसें कैसे व्यवहार करती हैं। ये सिमुलेशन, जो गति के मौलिक समीकरणों को हल करते हैं, अविश्वसनीय रूप से शक्तिशाली हैं लेकिन साथ ही अविश्वसनीय रूप से महंगे भी हैं। सटीक उत्तर प्राप्त करने के लिए, उन्हें अक्सर कई दिनों तक चलने वाले विशाल सुपरकंप्यूटरों की आवश्यकता होती है, और तब भी, परिणाम काफी बड़े अंतर से गलत हो सकते हैं क्योंकि ये मॉडल अंतराल को भरने के लिए अनुमानित अटकलों (educated guesses) पर निर्भर करते हैं। यह एक बाधा पैदा करता है: सबसे सटीक उपकरण कई शोधकर्ताओं के लिए बहुत महंगे हैं, जबकि सस्ते उपकरण अक्सर ऊर्जा, जलवायु और उद्योग में महत्वपूर्ण निर्णयों के लिए आवश्यक सटीकता की कमी रखते हैं। सवाल लंबे समय से यह रहा है कि क्या हम इस अनुमान और भारी कंप्यूटिंग शक्ति को हटाकर, उन्हें शुद्ध, अनछुए भौतिक विज्ञान (pure, unadulterated physics) से बदल सकते हैं जो एक मानक लैपटॉप पर काम कर सके।

लुकास लिमा फ्रिगेट (Lucas Lima Freitag) नामक एक शोधकर्ता ने 'फ्लुइडो यूनिवर्सल' (Fluido Universal) नामक एक मॉडल के साथ एक नए मार्ग का प्रस्ताव दिया है। कई आधुनिक आर्टिफिशियल इंटेलिजेंस सिस्टम की तरह, डेटा की विशाल मात्रा से तरल गति के नियमों को सीखने के बजाय, यह दृष्टिकोण प्रकृति के मौलिक नियमों से शुरू होता है और उन्हें सटीक गणितीय सूत्रों के रूप में लिखता है। लक्ष्य एक ऐसा सिस्टम बनाना था जो बारह बहुत अलग वातावरणों में तरल पदार्थों के अठारह विभिन्न व्यवहारों की भविष्यवाणी कर सके, जिसमें पाइप के भीतर घूमता हुआ विक्षोभ (turbulence) से लेकर तरल हीलियम का अत्यंत ठंडा प्रवाह और मंगल का पतला वायुमंडल शामिल है। शोधकर्ता ने एक डिजिटल सिम्युलेटर बनाया जो सीधे वेब ब्राउज़र में चलता है, जिससे कोई भी अपने मानक कंप्यूटर के साथ वास्तविक समय में इन भविष्यवाणियों को होते हुए देख सकता है। यह सिस्टम परीक्षण और त्रुटि (trial and error) से नहीं सीखता है; यह केवल ज्ञात भौतिक स्थिरांकों (physical constants) के आधार पर उत्तर की गणना करता है, जैसे कि एक परमाणु का द्रव्यमान या प्रकाश की गति, जिन्हें वैश्विक वैज्ञानिक समुदाय द्वारा अत्यधिक सटीकता के साथ मापा गया है।

इस कार्य का मूल अठारह विशिष्ट संकेतक (indicators) या चेकपॉइंट्स का एक संग्रह है, जो इस बात के रिपोर्ट कार्ड के रूप में कार्य करते हैं कि मॉडल भौतिक दुनिया को कितनी अच्छी तरह समझता है। ये चेकपॉइंट्स तरल व्यवहार के एक विस्तृत स्पेक्ट्रम को कवर करते हैं। कुछ देखते हैं कि हवा एक ठोस दीवार के पास कैसे चलती है, अन्य उन सूक्ष्म, अराजक भंवरों (eddies) की जांच करते हैं जो एक तूफान में बनते हैं, और कुछ तो यह भी परीक्षण करते हैं कि तरल पदार्थ तब कैसे व्यवहार करते हैं जब वे इतने ठंडे होते हैं कि वे सुपरफ्लुइड बन जाते हैं, या इतने पतले होते हैं कि वे व्यक्तिगत गैस कणों की तरह कार्य करते हैं। शोधकर्ता ने इन संकेतकों को दो समूहों में व्यवस्थित किया। पहले समूह में वे नियम शामिल हैं जिन्हें सटीक सूत्रों के रूपв रूप में लिखा जा सकता है, जिसका अर्थ है कि उनके उत्तर सिमुलेशन शुरू होने से पहले ही ज्ञात होते हैं। दूसरे समूह में वे व्यवहार शामिल हैं जो स्वयं प्रवाहित तरल से मापे जाते हैं, जैसे कि एक अशांत धारा में सबसे छोटे भंवरों का आकार। अपने सिम्युलेटर के आउटपुट की ज्ञात कानूनों के विरुद्ध तुलना करके, शोधकर्ता बिना किसी अलग, महंगे सुपरकंप्यूटर सिमुलेशन को तुलना के लिए चलाए, मॉडल की सटीकता को माप सका।

परिणामों ने दिखाया कि यह शुद्ध-भौतिकी दृष्टिकोण उल्लेखनीय रूप से सटीक है। सभी अठारह संकेतकों में, औसत त्रुटि एक प्रतिशत से कम थी। सबसे कठिन मामलों में, त्रुटि कभी भी लगभग तीन प्रतिशत से अधिक नहीं हुई। इसे समझने के लिए, आज प्रमुख इंजीनियरिंग फर्मों द्वारा उपयोग किए जाने वाले औद्योगिक सॉफ्टवेयर आमतौर पर समान कार्यों के लिए छह से अठारह प्रतिशत की त्रुटियां दिखाते हैं। नए मॉडल ने बिना किसी मशीन लर्निंग के, बिना किसी प्रशिक्षण डेटासेट की आवश्यकता के, और बिना किसी सुपरकंप्यूटर की आवश्यकता के, उच्च स्तर की सटीकता प्राप्त की। यह एक मानक लैपटॉप के ग्राफिक्स कार्ड पर चलता है, और प्रति सेकंड साठ बार सिमुलेशन को अपडेट करता है। इसका मतलब है कि एक छात्र या इंजीनियर एक वेब पेज खोल सकता है, स्थितियों को समायोजित कर सकता है, और तुरंत देख सकता है कि तरल कैसे व्यवहार करता है, जिसमें एक अंतर्निर्मित डैशबोर्ड भी है जो उन्हें बताता है कि उनकी भविष्यवाणी ज्ञात भौतिक नियमों के कितने करीब है।

इस कार्य का एक महत्वपूर्ण पहलू यह है कि यह दीवारों के पास तरल गति के गणित को कैसे संभालता है। पारंपरिक तरीके अक्सर इस व्यवहार का अनुमान लगाते हैं, जिससे छोटी त्रुटियां होती हैं जो जुड़कर बड़ी हो जाती हैं। शोधकर्ता ने इस विशिष्ट परिदृश्य के लिए समीकरणों को पुन: व्युत्पन्न (re-derive) किया और उन्हें अधिक सटीक संख्यात्मक तकनीक का उपयोग करके हल किया, जिससे पुराने तरीकों की तुलना में त्रुटि दस गुना कम हो गई। यह सुधार मॉडल को डेटा के अनुरूप ढालने का परिणाम नहीं था, बल्कि मूल समीकरणों को अधिक सावधानी से हल करने का परिणाम था। अध्ययन ने तीन विशिष्ट त्रुटियों की पहचान की और उन्हें सुधारा जो वर्षों से पाठ्यपुस्तकों और वैज्ञानिक साहित्य में मौजूद थीं, जैसे कि तरल हीलियम के श्यानता (viscosity) का एक मान जो दस गुना गलत था। इन मौलिक संख्याओं को ठीक करके, मॉडल यह सुनिश्चित करता है कि इसकी भविष्यवाणियां एक ठोस, सही आधार पर बनी हों।

मॉडल का परीक्षण इसकी बहुमुखी प्रतिभा को सिद्ध करने के लिए विविध भौतिक क्षेत्रों के विरुद्ध किया गया था। इसने कार्बन डाइऑक्साइड के प्रवाह की सफलतापूर्वक भविष्यवाणी की जो मंगल के पतले वायुमंडल में है, जो अंतरिक्ष यानों के अवलोकनों से मेल खाता है। इसने सूर्य से पृथ्वी की ओर यात्रा करने वाले सौर पवन कणों की गति की गणना की, जो अंतरिक्ष यानों के डेटा के अनुरूप है। इसने सूक्ष्म सूक्ष्मदर्शीय चैनलों के माध्यम से पानी के प्रवाह और अति-ठंडे हीलियम के व्यवहार का भी मॉडल तैयार किया, जहाँ क्वांटिक प्रभाव हावी हो जाते हैं। हर मामले में, सिम्युलेटर ने अपने उत्तरों तक पहुँचने के लिए केवल ब्रह्मांड के मौलिक स्थिरांकों का उपयोग किया। तथ्य यह है कि एक एकल, एकीकृत ढांचा इतने विविध घटनाओं को—सूक्ष्म से लेकर खगोलीय तक—अपने मूल तर्क को बदले बिना संभाल सकता है, यह सुझाव देता है कि तरल गतिशीलता के अंतर्निहित बीजगणितीय नियम औद्योगिक सॉफ्टवेयर द्वारा उपयोग किए जाने वाले नियमों की तुलना में अधिक सार्वभौमिक और सुदृढ़ हैं।

यह कार्य तरल गतिशीलता के वर्तमान रुझान को चुनौती देता है, जो "ब्लैक बॉक्स" मॉडल बनाने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करने की ओर तेजी से बढ़ा है। ये AI मॉडल बहुत सटीक हो सकते हैं, लेकिन उन्हें प्रशिक्षित करने के लिए भारी मात्रा में डेटा की आवश्यकता होती है और वे उन स्थितियों की भविष्यवाणी करने में अक्सर विफल हो जाते हैं जिन्हें उन्होंने पहले कभी नहीं देखा है। नया दृष्टिकोण तर्क देता है कि कई मौलिक समस्याओं के लिए, सबसे अच्छा उपकरण सीखा हुआ पैटर्न नहीं, बल्कि भौतिक कानून का सीधा अनुप्रयोग है। चूंकि मॉडल में कोई सीखा हुआ पैरामीटर नहीं है, इसलिए यह पूरी तरह से पारदर्शी है; एक उपयोगकर्ता कोड को देख सकता है और देख सकता है कि कौन सा भौतिक नियम लागू किया जा रहा है। यह इसे शिक्षा के लिए एक शक्तिशाली उपकरण और अधिक जटिल सिमुलेशन के काम की जाँच करने के लिए उपयोगी बनाता है। इससे पहले कि कोई इंजीनियर विंड फार्म या जलवायु मॉडल के लिए एक बड़ा, महंगा सिमुलेशन लॉन्च करे, वे यह सुनिश्चित करने के लिए इस ब्राउज़र-आधारित टूल को चला सकते हैं कि बुनियादी भौतिकी को सही ढंग से संभाला जा रहा है।

इस शोध के निहितार्थ केवल बेहतर आंकड़ों से परे हैं। एक वेब ब्राउज़र में उच्च-परिशुद्धता वाला तरल सिम्युलेटर मुफ्त में उपलब्ध कराकर, यह कार्य उन शोधकर्ताओं और छात्रों के लिए प्रवेश की बाधा को हटा देता है जिनके पास महंगे सॉफ्टवेयर लाइसेंस या सुपरकंप्यूटिंग क्लस्टर तक पहुंच नहीं है। यह स्वच्छ ऊर्जा के वैश्विक लक्ष्यों का समर्थन करता है, विंड फार्मों को अनुकूलित करने के लिए एक उपकरण प्रदान करके, औद्योगिक नवाचार के लिए डिजाइनों के त्वरित परीक्षण की अनुमति देकर, और वायुमंडलीय मॉडलों की सटीकता में सुधार करके जलवायु कार्रवाई के लिए। शोधकर्ता ने सोर्स कोड और लाइव सिम्युलेटर को सार्वजनिक रूप से उपलब्ध कराया है, जिससे वैश्विक समुदाय को इस शून्य-लागत, शून्य-पैरामीटर ढांचे का उपयोग करने, परीक्षण करने और इस पर निर्माण करने के लिए आमंत्रित किया गया है।

अध्ययन की अपनी सीमाएं भी हैं। सिम्युलेटर का वर्तमान संस्करण दो आयामी (two-dimensional) है, जो मौलिक नियमों के परीक्षण के लिए पर्याप्त है लेकिन वास्तविक दुनिया के तूफानों या इंजनों में पाए जाने वाले तीन-आयामी विक्षोभ की पूरी जटिलता को नहीं पकड़ सकता है। मॉडल उन तरल पदार्थों पर ध्यान केंद्रित करता है जो महत्वपूर्ण रूप से संकुचित (compress) नहीं होते हैं, जिसका अर्थ है कि यह अभी तक उच्च-गति वाले प्रवाह के लिए डिज़ाइन नहीं किया गया है जहाँ हवा एक स्प्रिंग की तरह व्यवहार करती है। इसके अतिरिक्त, जबकि यह मानक तरल पदार्थों में उत्कृष्ट है, इसका परीक्षण अभी तक जटिल, गैर-न्यूटनियन तरल पदार्थों जैसे रक्त या पेंट पर नहीं किया गया है, जो तनाव के तहत अपनी मोटाई बदलते हैं। हालांकि, शोधकर्ता भविष्य में मॉडल को तीन आयामों में विस्तारित करने और इन अधिक जटिल तरल पदार्थों को शामिल करने की योजना बना रहे हैं।

अंततः, यह शोध उन पहले सिद्धांतों (first principles) की ओर वापसी प्रस्तुत करता है जो एक ऐसे क्षेत्र में बढ़ गए हैं जो डेटा-संचालित शॉर्टकट पर अत्यधिक निर्भर हो गया है। यह प्रदर्शित करता है कि ज्ञात भौतिक कानूनों को सावधानीपूर्वक पुनर्गठित करके और उन्हें उच्च परिशुद्धता के साथ हल करके, ऐसी सटीकता प्राप्त करना संभव है जो बहुत अधिक महंगे और जटिल औद्योगिक तरीकों की बराबरी या उनसे अधिक हो सकती है। यह कार्य सुझाव देता है कि तरल गतिशीलता का "जादू" विशाल डेटासेट में छिपा नहीं है, बल्कि यह पहले से ही ब्रह्मांड की बीजगणितीय भाषा में लिखा हुआ है, जो सही ढंग से पढ़े जाने की प्रतीक्षा कर रहा है। इन कानूनों को वास्तविक समय में सुलभ और सत्यापन योग्य बनाने वाला एक उपकरण प्रदान करके, यह शोध हमारे आसपास के प्रवाह को समझने के लिए एक नया मार्ग प्रदान करता है।