Med riktig fysikk er det mulig å sprenge en boks med kretser klar over solsystemet med presis nøyaktighet for å komme innenfor et værhår av fjerne verdener.
Men rør en skvett melk i teen din, og det beste fysikerne kan gjøre er å gjette på hva slags mønstre du vil se virvle i drikken.
Væsker er virkelig kaotiske elementer når det gjelder vitenskapen, men en ny måte å beregne bevegelsen på kan snart gjøre flyten deres mye mer forutsigbar.
Ikke bare kunne forskere bruke dette til å forbedre vår forståelse av hydrodynamikk, men det kan gjøre alt fra værmeldinger til kjøretøydesign mye mer nøyaktig.
Fysikere fra Georgia Institute of Technology har vist at det er mulig å identifisere øyeblikk når turbulens reflekterer målbare mønstre, og finner effektivt flimmer av matematisk forordnet rekkefølge innenfor pandemoniumet.
“I nesten et århundre har turbulens blitt beskrevet statistisk som en tilfeldig prosess,” sier Georgia Tech fysiker Roman Grigoriev.
“Våre resultater gir den første eksperimentelle illustrasjonen at på passende korte tidsskalaer er dynamikken til turbulens deterministisk – og kobler den til de underliggende deterministiske styrende ligningene.”
Turbulens er vanskelig å forutsi i stor grad på grunn av måten små boblebad, eller virvler, dannes i en væske. Når materialet flyter i en rett linje i en jevn strøm, er det lett å forutsi hastigheten og banen. Skulle en bane i strømmen bli treg, kanskje ved å bli dratt langs en mindre bevegelig overflate, vil væsken krølle seg tilbake på seg selv.
Med hver ny krøllestrøm dannes det en ny overflate som kan produsere nye virvler.
Bare for å gjøre det enda mer komplisert, oppfører hver virvel seg etter innfall av en rekke faktorer – fra trykk til viskositet – og legger seg raskt opp til en storm i en tekopp som ingen datamaskin kunne håpe på å holde styr på.
På nært hold virker det hele så tilfeldig. Ta et skritt tilbake, og statistikk gjør det klart at den generelle prosessen forblir fast innebygd i de samme gamle reglene som styrer alle andre bevegelige objekter i universet.
“Turbulens kan betraktes som en bil som følger en rekke veier,” sier Grigoriev.
“Kanskje en enda bedre analogi er et tog, som ikke bare følger en jernbane på en fastsatt ruteplan, men som også har samme form som jernbanen det følger.”
Akkurat som med vår analoge jernbane, er det mulig å beskrive turbulens som enten en numerisk simulering eller ved hjelp av fysiske modeller. Og akkurat som en togrute er nyttig for å få deg til å jobbe i tide, er det å holde seg til en matematisk tilnærming for turbulens den eneste veien å gå hvis du vil ha pålitelige spådommer.
Dessverre kan alle disse tallene raskt summere seg, noe som gjør beregninger kostbare.
For å se om det var en måte å forenkle spådommer på, satte teamet opp en tank med gjennomsiktige vegger og en væske som inneholder små fluorescerende partikler. Å kanalisere væsken mellom et par uavhengig roterende sylindre og holde styr på det glødende innholdet var som å se tog rulle gjennom stasjonen i sanntid.
Men forskerne trengte faktisk å komme med tidtabeller først og se hvilke som lignet det de så.
Å gjøre det innebar dataløsninger til et sett med ligninger utviklet for nesten 200 år siden. Ved å justere eksperimentet med de matematiske resultatene, kunne teamet identifisere når spesielle turbulensmønstre kalt koherente strukturer dukket opp.
Mens de regelmessig oppstår i bevegelige væsker, er tidspunktet for sammenhengende strukturer uforutsigbart. I dette spesielle oppsettet holdt de koherente strukturene seg til et kvasiperiodisk mønster bestående av to frekvenser – den ene pitchet rundt symmetriaksen til strømmen, den andre basert på et annet sett med skift i den omkringliggende strømmen.
Selv om det ikke akkurat er et enkelt sett med ligninger som kan beskrive turbulens i alle dens former, viser det rollen sammenhengende strukturer kan spille for å gjøre dem mer forutsigbare.
Ved å utvide dette arbeidet, kan fremtidig forskning gjøre deres “tidsplaner” for turbulens mer dynamiske, og beskrive dem mer detaljert enn statistiske gjennomsnitt kan gi.
“Det kan gi oss muligheten til å dramatisk forbedre nøyaktigheten av værmeldinger og, spesielt, muliggjøre prediksjon av ekstreme hendelser som orkaner og tornadoer,” sier Grigoriev.
“Dynamisk rammeverk er også avgjørende for vår evne til å konstruere strømmer med ønskede egenskaper, for eksempel redusert luftmotstand rundt kjøretøy for å forbedre drivstoffeffektiviteten, eller forbedret massetransport for å bidra til å fjerne mer karbondioksid fra atmosfæren i den nye direkte luftfangstindustrien.”
Det kan til og med endelig fortelle deg hva du kan forvente å se i din neste kopp te.
Denne forskningen ble publisert i PNAS.