1913 मधील एक कल्पना उद्योगातील वापरल्या जाणाऱ्या द्रव समीकरणांचे कार्य का चालते हे स्पष्ट करू शकते

शतकी जुन्या भौतिकशास्त्रीय वळणामुळे उद्योगातील सर्वात उपयुक्त साधनांपैकी एक अधिक अचूक होऊ शकते

दशकांपासून अभियंते तापमान आणि दाब बदलल्यावर द्रवांचे वर्तन कसे बदलते याचा अंदाज घेण्यासाठी cubic equations of state नावाच्या सूत्रकुटुंबावर अवलंबून आहेत. ही गणिते रासायनिक प्रकल्प, refrigeration systems, natural-gas processing, आणि औद्योगिक रचनांच्या मोठ्या यादीखाली असतात, जिथे volume, phase behavior, आणि operating conditions चूक ठरल्यास प्रत्यक्ष खर्च होऊ शकतो. ही सूत्रे विशेषतः टिकाऊ बनण्याचे कारण म्हणजे ती मोठ्या प्रमाणावर वापरण्यास पुरेशी सोपी आहेत, पण अनेक प्रत्यक्ष उपयोगांसाठी पुरेशी अचूकही आहेत.

विचित्र गोष्ट अशी की त्यांच्या सर्वात परिचित गणिती वैशिष्ट्यांपैकी एकाला आजवर पूर्णतः समाधानकारक first-principles स्पष्टीकरण मिळालेले नाही. Soave-Redlich-Kwong, Peng-Robinson, आणि Patel-Teja यांसारख्या व्यापकपणे वापरल्या जाणाऱ्या समीकरणांनी, अणूंमधील आकर्षण बलांचे प्रतिनिधित्व करणारा पद पुन्हा मांडण्यासाठी विशिष्ट quadratic form स्वीकारून कामगिरी सुधारली. ती रचना काम करत होती. उद्योग ती वापरत राहिला. पण ती इतकी सातत्याने का काम करत होती, हे मात्र उघडे कोडे राहिले.

Korea Institute of Civil Engineering and Building Technology येथील संशोधकांचा आता असा युक्तिवाद आहे की उत्तर भौतिकशास्त्रातील खूप जुन्या संकल्पनेत दडलेले असू शकते. Chemical Engineering Science मध्ये प्रकाशित कामात, Dr. Jai-Yeop Lee यांनी ही रचना 1913 मधील डच भौतिकशास्त्रज्ञ Hugo Tetrode यांच्या कल्पनेशी जोडली; त्यांनी द्रवांचे वर्णन केवळ मुक्तपणे हालणारे कण म्हणून नव्हे, तर vibrating oscillatorsच्या संग्रहांप्रमाणे केले होते. त्या चौकटीकडे पुन्हा पाहून आणि एक नवा parameter सादर करून, या अभ्यासाने रासायनिक अभियांत्रिकीने मोठ्या प्रमाणावर trial and error मधून स्वीकारलेल्या गणिती सवयीसाठी भौतिक कारणमीमांसा सुचवली आहे.

क्यूबिक समीकरणांचे महत्त्व इतके का आहे

State equations या केवळ सैद्धांतिक कुतूहलाच्या गोष्टी नाहीत. तापमान आणि दाब बदलल्यावर एखाद्या पदार्थाचे volume कसे प्रतिसाद देते याचा अंदाज घेणारी ती मूलभूत predictive tools आहेत. प्रत्यक्षात, त्यामुळे distillation columns, refrigeration cycles, आणि natural-gas handling systems यांचे डिझाइन करणे अनिवार्य होते. खूपच ढोबळ model चुकीच्या operating windows किंवा अकार्यक्षम equipment कडे नेऊ शकतो. खूप गुंतागुंतीचा model व्यापक engineering वापरासाठी अव्यवहार्य ठरू शकतो.

या स्पर्धात्मक गरजांमध्ये समतोल साधल्यामुळे cubic equationsना त्यांचे स्थान मिळाले. त्या गणिती दृष्ट्या हाताळण्याजोग्या आहेत, आणि तरीही अभियंत्यांना महत्त्वाच्या वाटणाऱ्या अनेक द्रवांचे वर्णन करण्याइतक्या लवचिक आहेत. कालांतराने, अनेक रूपे उद्योगात मानक बनली. तरीही, त्यांच्या सामायिक quadratic structureचे यश स्पष्टीकरणात्मकपेक्षा अधिक अनुभवजन्य होते. हा आकार परिणाम सुधारतो हे अभियंत्यांना माहीत होते, पण निसर्ग त्याला इतका चांगला प्रतिसाद का देतो हे माहीत नव्हते.

ही दरी महत्त्वाची आहे, कारण स्पष्टीकरण ही अनेकदा सुधारण्याची दुवा असते. जेव्हा model भौतिकशास्त्रात अधिक स्पष्टपणे आधारित असतो, तेव्हा संशोधकांना तो अधिक चांगला करण्यासाठी, नव्या पदार्थांपर्यंत वाढवण्यासाठी, आणि तो कुठे अपयशी ठरू शकतो हे समजण्यासाठी अधिक ठोस आधार मिळतो.

Tetrode यांच्या दुर्लक्षित प्रस्तावाकडे पुन्हा पाहणे

Lee यांचा अभ्यास Tetrode यांच्या विसाव्या शतकाच्या सुरुवातीच्या सूचनेवर केंद्रित आहे, ज्यात द्रवांचे वर्तन vibrating oscillators म्हणून molecules मानून समजावता येईल असे म्हटले होते. नवीन paper मध्ये तो vibrational correction d नावाच्या parameter च्या माध्यमातून समाविष्ट केला आहे. नोंदवलेल्या विश्लेषणानुसार, हा भर केवळ कामगिरी थोडी बदलत नाही. तो cubic equations मधील परिचित quadratic structure मुळीच मनमानी नाही हे दाखवण्यास मदत करतो.

अभ्यासाचा युक्तिवाद असा आहे की हा आकार एकाच वेळी तीन गरजा पूर्ण करणारे किमान solution म्हणून उदयास येतो. पहिले, समीकरण कमी घनतेवर ideal-gas law पर्यंत अचूकपणे खाली यायला हवे. दुसरे, ते cubic equation म्हणून सोडवता येण्याजोगे राहिले पाहिजे, जेणेकरून त्या model class ची व्यावहारिक साधेपणा टिकून राहील. तिसरे, critical point जवळ, जिथे द्रव आणि वायू यातील फरक नाहीसा होतो, त्या प्रत्येक पदार्थाच्या critical compressibility चे पुनरुत्पादन करण्याइतके ते लवचिक असले पाहिजे.

त्या दृष्टीने पाहिले तर quadratic structure ही फक्त ऐतिहासिक सोय नाही. ते भौतिक वास्तववाद, गणिती सोडवणूकक्षमता, आणि पदार्थ-विशिष्ट लवचिकता यांच्यातील संक्षिप्त तडजोड बनते.

नवा parameter काय पकडत असल्यासारखा दिसतो

d हा parameter interaction strength चा मागोवा घेणारा म्हणून मांडला आहे. मूळ मजकुरात, त्याचे size-scaled magnitude weakly interacting argon पासून strongly hydrogen-bonded water पर्यंत वाढते. त्यामुळे हा parameter केवळ fitting device न राहता भौतिकदृष्ट्या समजावता येणारी भूमिका बजावतो. ती व्याख्या मोठ्या प्रमाणात चाचणीत टिकली, तर वेगवेगळ्या पदार्थांना state equation कडून वेगवेगळे वर्तन का आवश्यक असते, हे अभियंते आणि thermodynamics संशोधक अधिक सहजतेने समजू शकतील.

अशी interpretability महत्त्वाची आहे. अनेक engineering models केवळ data शी जुळतात का यावर नाही, तर त्यांचे adjustable भाग ओळखण्याजोग्या भौतिक परिणामांशी सुसंगत आहेत का यावरही मोजले जातात. interaction strength शी जोडलेला parameter, फार वेगळ्या intermolecular वर्तन असलेल्या द्रवांची तुलना करण्यासाठी अधिक पारदर्शक आधार देतो.

Benchmark परिणाम हे फक्त सैद्धांतिक नसून व्यावहारिक लाभही देतात, असे सूचित करतात

नवीन कामाचे आकर्षण हे आहे की ते सिद्धांतावर थांबत नाही. मूळ मजकुरात उद्धृत benchmark मध्ये, model ने 76 द्रवांमध्ये fully predictive mode मध्ये saturated-liquid volume साठी सर्वात कमी mean error दिला, आणि deviation 4.0% होता. याचा अर्थ असा नाही की तो प्रत्येक thermodynamic modeling समस्या सोडवतो, पण तो सूचित करतो की हा approach अभियंत्यांना महत्त्वाची असलेली compact structure जपत अचूकता वाढवू शकतो.

हा फरक महत्त्वाचा आहे, कारण औद्योगिक modeling चा इतिहास उपयोगिता गमावून भौतिक सौंदर्य मिळवलेल्या पद्धतींनी भरलेला आहे. एखादा model cubic राहू शकला, व्यापक engineering practicality टिकवू शकला, आणि तरीही error कमी करू शकला, तर तो केवळ संकल्पनात्मक पुनर्व्याख्येपेक्षा खूपच रंजक ठरेल.

हे परिपक्व तांत्रिक क्षेत्रांतील एक व्यापक नमुना सूचित करते: कधी कधी प्रगती पूर्णपणे नवा framework शोधण्यापेक्षा परिचित approximation का काम करते हे समजावून सांगणे आणि मग त्याला आतून अधिक घट्ट करणे यातून येते. त्या अर्थाने, हा अभ्यास संयतही आहे आणि महत्त्वाकांक्षीही. तो उद्योगासाठी उपयुक्त architecture तशीच ठेवून तिची पायाभरणी पुन्हा बांधण्याचा प्रयत्न करतो.

याचा engineering research साठी काय अर्थ असू शकतो

तात्काळ महत्त्व म्हणजे संकल्पनात्मक स्पष्टता. Quadratic attraction-term structure जर ऐतिहासिक यशाऐवजी भौतिकदृष्ट्या प्रेरित correction मधून काढता आली, तर या क्षेत्राला त्याच्या सर्वात सामान्य साधनांपैकी एकाबद्दल अधिक स्वच्छ कथा मिळेल. याचा शिक्षण, model development, आणि ही equations कधी वापराव्यात यावरील विश्वास यांवर परिणाम होऊ शकतो.

दीर्घकालीन महत्त्व पद्धतशीर आहे. अधिक भक्कम आधार असलेले cubic state equation, process engineering आणि energy systems यांसह अशा क्षेत्रांत fluid-property prediction सुधारू शकते, जिथे थोडीशी error reduction देखील मोठ्या प्रमाणावर महत्त्वाची ठरते. अनेक installations मध्ये equipment sizing, energy consumption, आणि operating margins यांवर परिणाम होत असल्याने, लहान predictive gains देखील एकत्रित होऊन मोठा फरक करू शकतात.

हे काम दुर्लक्षित वैज्ञानिक कल्पनांकडे परत जाण्याचे मूल्यही अधोरेखित करते. इथे Tetrode यांचा प्रस्ताव फक्त ऐतिहासिक टिपण नव्हता; तो आधुनिक engineering standard नव्याने समजून घेण्याचा प्रारंभबिंदू ठरला. नवतेकडे झुकलेल्या संशोधन वातावरणात, कधी कधी न सोडवलेले प्रश्न खूप पूर्वी प्रश्न विचारणे थांबवलेल्या गृहितकांच्या आतच स्पष्टपणे लपलेले असतात, याची आठवण हे करून देते.

सध्या, मथळ्याचा दावा मोजून-मापून पण महत्त्वाचा आहे: chemical आणि petroleum industries ने अर्ध्या शतकाहून अधिक काळ ज्यावर अवलंबून राहिले त्या संरचनेसाठी अखेर अधिक स्पष्ट भौतिक आधार मिळू शकतो, आणि त्या स्पष्टीकरणाशी जोडलेले सुधारित model किमान एका महत्त्वाच्या benchmark मध्ये predictive performance सुधारताना दिसते. विश्वासार्ह approximation वर उभ्या असलेल्या क्षेत्रासाठी, ही लक्षणीय घडामोड आहे.

हा लेख Phys.org च्या वार्तांकनावर आधारित आहे. मूळ लेख वाचा.