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

本研究调查了填充协议、尺寸比例和孔隙结构如何影响高密度多分散圆盘填充中的分形指数，揭示了虽然较大的尺寸比例能减少有限尺寸效应并提高指数一致性，但恒压填充中大型空腔的存在会降低构型熵，并导致其分形指数与德劳内三角剖分填充相比出现偏差。

要点

想象一下你正在尝试收拾一个行李箱。你有很多种各异的物品：巨大的行李箱、中型纸箱、微小的珠宝盒，甚至还有微米级的珠子。你的目标是将它们尽可能紧密地装在一起，不留任何缝隙。

这篇论文是关于科学家如何试图理解这种堆积系统的“隐藏几何结构”。具体来说，他们正在研究物品的大小（从最大到最小）以及用于堆积的“方法”是如何改变整体堆积模式的。

以下是他们研究结果的简单类比拆解：

三种堆积方法

研究人员测试了三种将这些“圆盘”（扁平圆圈）放入正方形盒子中的方法：

1. “德劳内”法 (DT)： 想象一个非常有序的机器人，它通过建立一个连接每个物品中心的三角形网格来进行工作。它会寻找网格中的空隙，并将下一个物品直接掉落在那里。这就像是在玩一场由超级聪明的计算机进行的俄罗斯方块游戏，它永远不会错过任何一个空位。
2. “恒定压力”法 (CP)： 想象你把松散的物品放入一个盒子里，然后从各个方向慢慢挤压这个盒子。物品被挤压在一起，直到它们发生阻塞且无法再移动。这就是沙子或混凝土等现实世界材料被压缩的方式。
3. “广义阿波罗尼奥斯”法 (GAP)： 这是一个完美的数学模式。它就像一件分形艺术品，你不断地在圆圈之间的间隙中填充越来越小的圆圈，永无止境。它不是随机的，而是一个用于对比的“黄金标准”式的确定性设计。

核心问题：规则会改变吗？

在物理学中，有一个规则：如果你有一个混合大小物品的随机堆积体，那么其“分形维数”（一个描述模式有多混乱或多复杂的数字）应该与最大物品与最小物品的比率相匹配。

研究人员想要观察这一规则是否适用于所有的堆积方法。

惊喜发现：“挤压”问题

他们发现，方法确实很重要，但前提是最大物品与最小物品之间的尺寸差异还不够大。

• 有序机器人 (DT)： 当使用 DT 方法时，数学计算表现完美。即使在尺寸差异适中的情况下，模式也符合规则。
• 液压机 (CP)： 当使用 CP 方法时，数学变得混乱了。模式并不符合规则。

为什么？
“挤压”方法在堆积物内部制造了巨大的空洞（洞穴）。
想象你有三个巨大的巨石。如果你把它们推到一起，它们会在三个点上接触，从而在中间留下一个巨大的三角形空洞。如果你试图更用力地挤压，这个洞依然会存在，因为大石头挡住了小石粒进入其中的路径。

在 CP 方法中，这些“洞穴”充当了死区。它们降低了堆积物的随机性，因为系统陷入了一种特定的、较低混沌度的排列状态。这降低了“分形指数”（描述模式复杂度的数字），使其看起来与理论规则不符。

尺寸比率解决方案

研究人员发现，最大物品与最小物品之间的尺寸差异是“控制旋钮”。

• 较小的尺寸比率： 如果你拥有的物品大小差异仅为 100 倍左右，CP 方法中的“洞穴”会非常明显，并破坏数学规律。
• 巨大的尺寸比率： 如果你的物品尺寸差异达到 1,500 或 2,500 倍，这些“洞穴”就会变得不再重要。微小的物品能更好地填补空隙。

随着尺寸差异的增大，混乱的 CP 方法会变得越来越像完美的 DT 方法。它们最终都会趋向于一致，遵循相同的数学规则。

“孔隙”侦探工作

为了证明这些“洞穴”就是问题的根源，团队发明了一种新的算法。想象一下，你给堆积物拍了一张照片，然后用微小的彩色点涂满了所有的空白区域（孔隙）。

他们发现：

1. CP 方法拥有的“大白点”（大孔隙）比其他方法多得多。
2. 当他们同时计算物品和空隙时，数学终于解释通了。这些“洞穴”正是解释为什么 CP 方法看起来与众不同的缺失环节。

结论

论文得出结论：这些堆积系统的“规则”并没有被打破，它们只是需要大量的尺寸多样性才能正确显现出来。

• 如果你挤压物体（CP），你可能会意外地创造出巨大的空洞，从而破坏完美的模式。
• 如果你拥有极大的尺寸范围（从巨石到尘埃），这些洞穴会被填满，系统就会表现得如预测般随机且完美。

本质上，“缺陷”不在于物理定律，而在于被堆积物品的尺寸多样性不足。

技术摘要

技术摘要：在致密多分散堆积中，填充协议、尺寸比和孔隙结构对分形指数的影响

问题陈述
本文研究了具有幂律尺寸分布的致密随机堆积圆盘系统的分形特性。一个核心问题是解决文献中关于分形维数 ($D_f$)、结构因子指数 ($\alpha$) 与幂律尺寸分布指数 ($D$) 之间关系的表观矛盾。以往使用随机连续添加 (RSA) 和德洛内三角剖分 (DT) 协议的研究表明 $D_f = \alpha = D$，但 Monti 等人 [10] 利用恒定压力 (CP) 协议的研究则报告了 $D_f \neq \alpha \neq D$。作者旨在通过考察填充协议、尺寸比 ($R/a$，即最大半径与最小半径之比) 以及由此产生的孔隙结构的作用来解决这一分歧。

方法论
本研究采用数值模拟生成了具有幂律尺寸分布（$N(r) \sim 1/r^D$，$D=1.5$）的 $N=125,000$ 个圆盘（对于广义阿波罗尼奥斯堆积为 $N=52,366$）的致密堆积。研究使用了三种不同的协议：

1. 德洛内三角剖分 (DT)： 一种改进的 RSA 方法，通过三角网格优化寻找空隙空间的过程。
2. 恒定压力 (CP)： 一种使用带有 GRANULAR 包的 LAMMPS 进行的方法，通过受控的外加压力压缩初始稀薄系统，直到发生阻塞（jamming）。
3. 广义阿波罗尼奥斯堆积 (GAP)： 一种用于孔隙大小分析的确定性层次构造，作为基准参考。

作者分析了质量-半径关系 ($M(r) \sim r^{D_f}$) 和结构因子 ($S(q) \sim 1/q^\alpha$)，涵盖了不同的尺寸比 ($R/a = 292, 1575, 2500$)。为了理解 CP 堆积中观察到的偏差，作者开发了一种新型算法来近似填充孔隙。该算法将孔隙视为一组圆盘，生成孔隙尺寸分布 $N_p(r)$，然后将其与圆盘分布结合，形成总分布 $N(r) + N_p(r)$。

主要贡献与结果

• 尺寸比的作用： 研究表明尺寸比 $R/a$ 是一个关键控制参数。对于中等比例（如 $R/a = 292$），有限尺寸效应非常显著。在 DT 堆积中，即使在中等比例下，$D_f$、$\alpha$ 和 $D$ 也是一致的。然而，在 CP 堆积中，在中等比例下存在显著差异（$D_f \approx 1.419$，$\alpha \approx 1.31$，而 $D=1.5$）。当尺寸比增加到 $R/a = 1575$ 和 $2500$ 时，所有协议的指数都开始趋同，这表明这些差异主要是由于尺寸比不足而非协议本身的根本差异所导致的。

• 协议依赖性与空腔： 本文指出 CP 协议会产生相对较大的空腔（空隙），这在 DT 或 GAP 堆积中是不存在的。当大颗粒相互接触时，会形成较小的颗粒无法进入的空间，从而产生这些空腔。

  • 孔隙分析： 开发的孔隙填充算法显示，CP 堆积中含有显著更多的较大孔隙（$r > 5a$），相比之下 DT 和 GAP 的孔隙较少。
  • 指数抑制： CP 堆积中的孔隙尺寸分布遵循幂律，其指数 $\alpha_p \approx 1.03$，显著低于 $D=1.5$。当孔隙分布与圆盘分布结合时，所得的有效指数 $\alpha_c$ 与 CP 模拟中观察到的受抑制的结构因子指数 $\alpha$ 相匹配。

• 熵与随机性： 作者认为，这些大空腔的存在降低了 CP 堆积的构型熵，从而降低了其随机性。这种随机性的降低是导致分形指数不一致的主要原因，而非阻塞过程本身。这一点通过一项测试得到了支持：将一个经 DT 堆积的系统随后进行 CP 压缩，其分形特性仍与 DT 协议保持一致，这表明阻塞过程本身并不会改变分形行为。

意义与结论
本文得出结论，分形指数对填充协议的表观依赖性并非致密多分散堆积的本质属性。相反，观察到的偏差是有限尺寸效应和协议诱导的孔隙结构变化的后果。具体而言，CP 协议倾向于形成大空腔，这降低了系统的构型随机性，从而导致分形指数被抑制。

作者假设，在无限尺寸比的极限下，所有协议都应产生相等的指数（$D_f = \alpha = D$）。然而，由于实现高尺寸比所需的模拟时间呈剧增（按 $(R/a)^2$ 比例缩放），达到这一极限在计算上是难以实现的。本研究确立了孔隙统计与构型随机程度之间的紧密联系，并强调分析孔隙尺寸分布对于正确解释致密堆积的分形特性至关重要。这项工作强调了在模拟从混凝土到生物系统等材料时，必须仔细考虑尺寸比和孔隙结构。