The influence of packing protocol, size ratio, and pore structure on fractal exponents in dense polydisperse packings

あなたは、巨大な箱に何千個ものビー玉を詰め込もうとしていると想像してください。しかし、これらは普通のビー玉ではありません。あるものはエンドウ豆ほどの大きさで、あるものはグレープフルーツほどの大きさで、その間すべてが非常に特定の数学的なレシピに従っています。あなたは、これらをナッツのミックスが入った瓶のように、できるだけ密に詰め込みたいと考えています。しかし、あなたは知りたいのです。どのように注ぎ込むかによって、後に残る空隙の隠れた「形」が変わってしまうのかどうかを。

これは、まさに科学者たちが解明しようとした問題です。彼らは「高密度ランダム充填（dense random packings）」、つまり、さまざまなサイズのディスク（平らな円）を正方形の箱の中にどれほど密に詰め込めるかを研究しました。彼らは、フラクタル指数と呼ばれる隠れたパターンを探していました。フラクタル指数とは、「複雑さのスコア」のようなもので、異なる距離から見たときに、充填物の質量がどのように成長するかを示します。

箱を詰める3つの方法

研究者たちは、箱を満たすために3つの異なる方法を試しました。その結果は、まるで3人の全く異なるランナーによるレースのようでした。

1. 「デロネー・トライアンギュレーション（DT）」ランナー： この方法は、次に置くべき完璧な空きスペースを見つけるために、常に地図をチェックし続ける非常に賢いロボットのようなものです。非常に組織的で効率的です。
2. 「一定圧力（CP）」ランナー： この方法は、箱を油圧プレス機に入れるようなものです。最初は緩いビー玉の山から始まり、一定の圧力をかけながら、それらがぎっしりと詰まるまでゆっくりと押しつぶしていきます。
3. 「一般化アポロニウス（GAP）」ランナー： これはランダムな充填法ではなく、ステップ・バイ・ステップで構築される、完璧な数学的レシピであり、フラクタル・アートのようなものです。研究者たちは、他の方法を測るための「定規」として主にこれを使用しました。

大きな発見：「サイズ比」が最も重要である

チームは、最も重要なのは「どのように箱を詰めたか」ではなく、「最大のビー玉と最小のビー玉の差がどれくらいあるか」であることを発見しました。彼らはこれを「サイズ比」と呼んでいます。

• サイズ比が小さい場合（最大のビー玉が最小の数倍程度の場合）、充填物は乱雑に見えます。「複雑さのスコア（指数）」は一致しません。
• サイズ比が巨大な場合（最大のビー玉が最小の約1,600倍大きい場合）、景色がクリアになります。どの方法を用いても、スコアは完璧に一致し始めます。

これは、騒がしい部屋の中でささやき声を聞こうとするようなものです。部屋が小さい（サイズ比が小さい）と、ノイズ（有限サイズ効果）が信号をかき消してしまいます。しかし、部屋を巨大にすれば（サイズ比を大きくすれば）、ささやき声は明確になり、誰もが同じ音を聞くことができます。

「空洞」の問題：プレス法が躓く理由

ここからが面白いところです。研究者たちがDT法（賢いロボット）を使用したときは、すべてが素晴らしく機能しました。箱が十分に密に詰まった（95%以上満たされた）途端、すべての複雑さのスコアが完璧に一致しました。

しかし、CP法（油圧プレス）を使用したとき、奇妙なことが起こりました。箱がぎっしり詰まっているにもかかわらず、スコアが一致しなかったのです。なぜでしょうか？

研究者たちは、プレス法が内部に巨大で孤独な洞窟を作り出していることを発見しました。3つの大きな岩が触れ合っている様子を想像してみてください。その中央には大きな三角形の空きスペースが残されます。小さなビー玉がその特定の形状に入り込めないため、その空間は空いたままになります。これらの「洞窟」は、スポンジの中にある穴のようなものです。

これらの洞窟は、充填物を「ランダム」ではなくさせていると論文は主張しています。まるで、ビー玉が自然に混ざり合うのではなく、ある種の秘密の、硬直したルール（これらの大きな穴を形成するルール）に従っているかのようです。このランダム性の欠如が、構造因子（光や波が充填物からどのように散乱するかを測定する方法）の複雑さのスコアを低下させます。

彼らが否定したもの

研究者たちは、以下のアイデアを慎重に排除しました。

• 「ジャミング（詰まり）」自体が原因ではない： 彼らは、まず賢いロボットで箱を詰め、その後に押しつぶすというテストを行いました。「ジャミング」（ビー玉が動けなくなる点）が奇妙なスコアを引き起こしたわけではありません。奇妙なスコアは、特定の「洞窟」が形成されたときにのみ発生しました。
• 単なるサンプルサイズの不足ではない： 最大のビー玉と最小のビー玉の差が十分に大きくない場合、誤った答えが得られることを彼らは示しました。混乱を招いた以前の研究は、おそらく真のパターンを見るためのサイズ比（292程度）が小さすぎたのでしょう。

最終的な結論

論文は、「複雑さのスコア」は、ロボットを使うかプレスを使うかによって変わる固定されたルールではなく、充填がどれほどランダムであるかに依存すると結論づけています。

• DT法は、特にサイズ比が大きい場合、ランダムかつ一貫性を保ちます。
• CP法は、偶然にも大きな洞窟を作ってしまうため、苦戦します。これがランダム性を低下させます。

しかし、一筋の希望があります。研究者たちは、もしサイズ比を増やし続け（最大のビー玉を最小のビー玉に対してさらに大きくし続ければ）、CP法が最終的にこれらの巨大な洞窟を作るのをやめ、スコアがついに一致する可能性があると示唆しています。しかし、現在の彼らのシミュレーションでは、CP法は依然として期待されるスコアと実際のスコアとの間にギャップを示しています。

要するに、完璧に予測可能なフラクタル充填を得るには、膨大なサイズの範囲が必要であり、かつ巨大な空洞を作らない方法が必要です。そうすれば、数学は完璧に成立し、充填の「形」は明確になります。