Universidad Nacional de San Luis

Facultad de Ciencias Fsico-Matemticas y Naturales

Departamento de Fsica

Caracterizacin de Medios Porosos y

Procesos Percolativos y de Transporte.

Maestrando: Lic. Ral Horacio Lpez.

Asesor Cientfico: Dr. Jorge Andrs Zgrablich.
Co-Asesor Cientfico: Dra. Ana Mara Vidales.

San Luis, Argentina - 2002

Este trabajo, un humilde tributo a la imaginacin, est dedicado a:

Pap, Estela y Malena

Negro y Norma
Tot y Porota

Agradecimientos:

Son muchas las personas ha quienes les debo agradecer, ya que, de no haber sido por
ellas, difcilmente podra haber concretado este trabajo.
En primer lugar quiero agradecer a un "Grupo" de personas, que hace unos cuantos
aos atrs, me brind la oportunidad de comenzar con este apasionante trabajo que es el de
la investigacin cientfica. Al principio eran compaeros de trabajo, pero luego de
compartir momentos tan gratos, tengo la inmensa fortuna de poder contar con ellos como
amigos: Roly, Federico y Moira, Charly, Daniel, Flix, Vctor, Sergio, Ana, Karim y Mnika,
Jse, Chelco, Diego y Andrea, Rodolfo, Marcelo y Valeria, Pepe y Fernando.
De ms est decir que este agradecimiento lo hago extensivo a sus respectivas familias.
A "Usted" Giorgio, que es el gran responsable de haber formado este excelente Grupo,
le agradezco el haberme dirigido en este trabajo, como as tambin su paciencia,
permanente aliento y apoyo.
A mis Amigos, que me han acompaado en las buenas y malas desde que llegu a San
Luis, hace ya ms de veinte aos.
A toda mi Familia, a quienes les debo lo que soy.
Y muy especialmente a "la Ani."
Al Departamento de Fsica de la Facultad de Ciencias Fsico-Matemticas y Naturales de la
Univ. Nac. de San Luis y al Conicet, instituciones que hicieron posible este trabajo.

Indice
Introduccin ............................................................................. 1
Captulo 1: Modelos Discretos y Correlaciones .............. 4
1.1 Modelos Discretos versus Continuos .............................. 5
1.2 Modelo Dual de Sitios y Enlaces ...................................... 7
1.3 Simulacin de la Red ......................................................... 11
1.4 Efectos de Tamao Finito ............................................... 16
1.5 Funcin de Correlacin Espacial .................................... 18
1.6 Redes Tridimensionales .................................................... 28
Referencias ......................................................................... 35

Captulo 2: Procesos Percolativos ................ .................. 37

2.1 Introduccin a la teora de la percolacin ...................... 38
2.2 Percolacin invasiva .......................................................... 46
Referencias ......................................................................... 55

Captulo 3:
Resultados de la Percolacin Invasiva con Correlacin .. 57
3.1 Resultados .......................................................................... 58
Referencias ......................................................................... 78

Conclusiones y Perspectivas Futuras .......... ................ 79

Introduccin
La mayora de los fenmenos de transporte y percolativos relacionados con una gran
variedad de problemas fsicos que tienen lugar en la superficie y en el interior de la materia son
simulados con la ayuda de un espacio discreto representado por un arreglo regular de sitios o
enlaces o por una combinacin de ambos1.
Diferentes problemas fsicos pueden ser tratados asociando cada elemento de la red
(sitios y enlaces) con alguna propiedad del sistema bajo estudio, por ejemplo, un slido poroso
puede ser representado por una red tridimensional de poros (sitios) conectados por canales
(enlaces), donde la propiedad relevante en este caso es el tamao caracterstico del poro o del
canal. Una superficie adsortiva heterognea puede ser representada por una red bidimensional
de pozos adsortivos (sitios) conectados por barreras de potencial (enlaces) a travs de los
cuales las partculas adsorbidas podrn migrar de un sitio a otro, en este caso la propiedad
relevante de cada elemento es la energa. Nos concentraremos en el estudio de esta clase de
medios desordenados, en donde la propiedad asociada con cada elemento tiene una
distribucin de probabilidad y especialmente en los slidos porosos.
La complejidad en estas redes puede ser introducida de diferentes formas:

Modificando la homogeneidad del medio (por homogneo entendemos un sistema en

donde las propiedades son independientes del tamao lineal).

Mediante correlaciones espaciales entre las propiedades asociadas con cada elemento
en funcin de su distancia de separacin

Variando la conectividad.

Por la presencia de anisotropas, etc.

El entendimiento de cmo influye la complejidad sobre los procesos fsicos a ser considerados
est basado en un completo conocimiento de la manera en que la topologa de la red es
afectada una vez que la complejidad es introducida.
En las primeras etapas del estudio de los fenmenos de transporte en medios porosos, la
mayora de los investigadores asumieron que la heterogeneidad en una regin del sistema era
aleatoria y no correlacionada con otras regiones del medio. Adems, supusieron que tal
heterogeneidad ocurra a escalas mucho ms pequeas que el tamao lineal del sistema. Estas

suposiciones fueron hechas debido a la dificultad para modelar el sistema en una forma ms
realstica, dada las limitaciones computacionales de la poca y/o por falta de evidencia
experimental. Estos modelos simples permitieron un primer entendimiento de los fenmenos
de transporte en medios porosos. Sin embargo, la evidencia actual nos sugiere que una gran
cantidad de materiales porosos no estn de acuerdo con estas suposiciones simplistas. Dichos
materiales exhiben correlaciones a diferentes escalas, por lo que, para tratar tales correlaciones,
ha sido necesaria la introduccin de la geometra fractal 2 la cul nos dice cmo los valores de
las propiedades del sistema en diferentes regiones dependen de la escala de observacin, cmo
estn correlacionadas unas con otras y cmo se puede modelar tales correlaciones en una
forma realstica.
Una vez que hemos aceptado que los medios porosos son heterogneos, debemos ser
cuidadosos con sus consecuencias. Por ejemplo, consideremos la permeabilidad de un medio
poroso, la cual es una medida de cuan fcilmente un determinado fluido puede fluir a travs
del mismo. En un medio poroso natural, la permeabilidad vara segn la regin del medio, por
lo que mientras una parte del medio puede ser altamente permeable, otra regin puede ser
prcticamente impermeable. Adems, la zona permeable puede estar (o no) conectada a la
impermeable, por lo que si nuestro objetivo es describir de una manera realstica el medio
poroso, es necesario tomar en cuenta la interconectividad.
La herramienta para considerar el efecto de la interconectividad de las diferentes
regiones de un medio poroso es la teora de la percolacin 3. La percolacin nos dice como la
interconectividad de un dado sistema afecta a sus propiedades globales, y si por ejemplo, la
fraccin de volumen de la regin permeable es menor que cierto volumen crtico, el medio
poroso no es permeable y la permeabilidad total del sistema es cero. En el problema clsico de
percolacin se asume que las regiones permeables e impermeables estn distribuidas
aleatoriamente y son independientes unas de otras. Posteriormente fueron desarrollados
modelos percolativos ms realsticos capaces de tomar en cuenta correlaciones y otros factores
que afectan al sistema.
En el presente trabajo, nos enfocaremos sobre los efectos de las correlaciones
espaciales, por lo que es necesario un completo conocimiento de la Funcin de Correlacin
Espacial C(r), entre sitios ( y/o enlaces) separados por una distancia r (en unidades de red).

En una geometra de poros esfricos, cada sitio de la red almacenar el radio de dicho poro.

Esta funcin de correlacin puede ser medida4 a travs de simulaciones de Monte Carlo,
usando redes de tamao finito L .
La simulacin de dichas redes involucra esencialmente un modelo y una sucesin de
estados que lleven al sistema al estado final de equilibrio. Adems, debido al tamao finito
de la red, C(r) no puede ser medida para cualquier r arbitrariamente grande debido a los
efectos de tamao siempre presentes. Es importante investigar cual debe ser la longitud L de
la red para la cual los efectos de tamao se vuelven despreciables y cul es la cantidad de pasos
necesarios para alcanzar el equilibrio. Un estudio cuidadoso del comportamiento de las
correlaciones ha sido omitido hasta el presente por lo que creemos importante llevar a cabo
dicho estudio.
En el primer captulo de este trabajo desarrollamos mediante simulaciones de Monte
Carlo, un estudio de la propagacin de las correlaciones en redes de sitios y enlaces generadas a
travs del Modelo Dual de sitios y enlaces (DSBM) 5, 6, 7 introducido por el Profesor Vicente
Mayagoitia,

en donde los valores de las propiedades asignadas a sitios y enlaces son

muestreados desde dos distribuciones que pueden llegar a tener un cierto traslape. Las
correlaciones aparecen cuando el principio de construccin es establecido. Este modelo ha
sido usado con xito en diversos problemas fsicos, tales como: adsorcin, difusin superficial
sobre superficies heterogneas, procesos percolativos, fenmenos de transporte en medios
porosos, etc. Adems el tiempo de relajacin necesario para alcanzar el equilibrio del sistema es
determinado y el tamao mnimo de la red ha ser usado es establecido para diferentes
correlaciones, representadas por el traslape del sistema. Por ltimo, presentamos una
ecuacin emprica ms adecuada para relacionar la longitud de correlacin caracterstica l0 con
el traslape. Este estudio se realiz en 2 y 3 dimensiones.
En el Captulo 2 introduciremos los conceptos bsicos de la percolacin y haremos una breve
descripcin de la percolacin invasiva con entrampamiento. Los parmetros presentados en
este captulo son comunes a todos los procesos percolativos y veremos que factores los afectan
.
En el captulo 3 se estudiar el problema de la percolacin invasiva sobre superficies
correlacionadas dentro del marco del DSBM y veremos con son afectados los parmetros de
inters. Por ltimo daremos las conclusiones y perspectivas futuras.

Captulo 1

Modelos Discretos y Correlaciones

1.1.- Modelos Continuos versus Discretos

Entender las propiedades de transporte y flujo en el seno de un medio poroso de

cualquier naturaleza, implica contar con una representacin realstica del mismo. Cada modelo
utilizado depender del tipo de medio que se intenta modelar y adems de las limitaciones
matemticas y computacionales que se tenga. Por lo que debern usarse modelos
suficientemente simplificados para simular los procesos de inters en un tiempo de cmputo
razonable y sin dejar de lado las caractersticas ms sobresalientes del sistema en estudio.
Podemos separar los modelos en dos grandes familias:
I.

Los modelos continuos son usados generalmente en la ingeniera para describir

materiales complejos y de geometra irregular, caracterizados por diversas longitudes de
escala. Las leyes fsicas que gobiernan el flujo y el transporte a nivel microscpico son
bien entendidas, por lo que uno, en principio, podra plantear las ecuaciones
diferenciales para el momento, energa y masa junto con las condiciones iniciales y de
contorno para la interfase fluido-slido y resolver el problema. Sin embargo, las
interfases tpicas en los slidos porosos son muy irregulares lo que se traduce en
problemas de contorno intratables matemticamente. Otra limitacin de estos modelos
aparece cuando queremos describir la interconectividad en la red o cuando en el
sistema estn presentes correlaciones, en especial, cuando stas son del orden del
tamao lineal del sistema.

II.

La segunda clase de modelos, los modelos discretos, estn libres de estas

limitaciones. Estos modelos han sido desarrollados para describir fenmenos a nivel
microscpico y han sido extendidos en los ltimos aos para tratar sistemas
macroscpicos. Su principal desventaja, desde un punto de vista prctico, es su elevado
costo computacional para describir

un sistema real en una forma discreta.

Dependiendo del tamao del sistema y del fenmeno a simular, es posible que los

tiempos de clculo se vuelvan prohibitivos, si bien, hoy por hoy, podemos atacar
problemas que eran impensables 10 aos atrs.
Estas clases de modelos son muy tiles cuando en el sistema juega un papel central la
interconectividad y cuando hay presente correlaciones. La idea original de representar un
medio poroso a travs de una red discreta tuvo su origen en la dcada del 50, pero recin a
principios de los 80 fue cuando se desarrollaron procedimientos rigurosos que permitieron
mapear, en principio, cualquier medio poroso desordenado en una red equivalente. Una vez
realizado el mapeo uno puede estudiar un dado fenmeno en forma completa.
El modelo Dual de Sitios y Enlaces corresponde a la familia de los modelos discretos. En la
siguiente seccin daremos una descripcin general del modelo, el lector que est interesado
puede consultar las referencias: [8] y [9] para ms detalles.

En los aos 90 el Laboratorio de Ciencia de Superficie y Medios Porosos contaba con microprocesadores 486,
cuya velocidad era de unos 10 MIPS (Millones de instrucciones por segundo) actualmente la capacidad propia de
clculo es de unos 10000 MIPS.

1.2.- Modelo Dual de Sitios y Enlaces

Supongamos que un slido poroso puede ser representado por una red de sitios
conectados por enlaces. El nmero medio de enlaces que emergen de un sitio define la
conectividad z de la red. Cualquier distribucin de tamao para sitios y enlaces considerados
como elementos diferentes, puede ser descripta mediante las funciones densidad FS(R) y FB(R),
de forma tal que: F S (R)dR (F B (R)dR) es la probabilidad de hallar un sitio (enlace) de tamao
comprendido entre R y R+dR. Las funciones de distribucin de sitios y enlaces, S(R) y B(R)
estn definidas por:
R

S(R) = FS ( R)dR

B(R) = FB ( R)dR

(1.1)

y representan la probabilidad de hallar respectivamente un sitio o un enlace de tamao no

mayor que R
Sean b =[b1, b2 ) y s =[s1, s2 ) los intervalos en donde las funciones densidad estn
definidas (en el caso ms simple stas sern uniformes, como muestra la Figura 1-1). La
manera en que sitios y enlaces se conecten para formar la red estar dada por la densidad de

probabilidad conjunta sitio-enlace , F( RS , RB ) , de encontrar un sitio de tamao entre RS y RS

+ dRS conectado a un enlace de tamao entre RB y RB + dRB .

distribuciones. FB est definida en el

intervalo

sombreada denota el traslape entre las

enlaces (---) y para sitios (

). El rea

Funciones densidades uniformes para

Figura 1-1 :

b =[b1, b2) y FS en el s =[s1,

s2).

s1

s2

La conectividad se mantuvo constante en este trabajo.

Ahora estamos en condiciones de formular las dos leyes bsicas que describen y dan
consistencia al DSBM, ellas son:

Primera Ley : B(R) - S(R) 0

(1.2)

Segunda Ley : F(R S , R B ) = 0 para R S < R B

(1.3)

La primera ley establece que slo podrn conectarse en una red todos los sitios de una
dada distribucin si existe un nmero suficiente de enlaces de tamao adecuado, lo que implica
que b1 s1 y b2 s2 , por lo que la distribucin de enlaces estar siempre a la izquierda de la
distribucin de sitios. Mientras que la segunda, llamada Principio de Construccin ( PC) , es de
naturaleza local y expresa el hecho de que el tamao RS de un sitio debe ser mayor que o al
menos igual al tamao RB de sus enlaces vecinos. La densidad de probabilidad conjunta

F ( RS , FR ) , est definida mediante:

F ( R S , R B )dR S dR B = FS ( R S )FB ( R B ) ( R S , R B )dR S dR B

(1.4)

en donde (R S ,R B ) representa la Funcin de Correlacin entre sitios y enlaces y es la que

lleva la informacin de cmo es la asignacin de sitios y enlaces en la red. Por supuesto que la
funcin de correlacin ser diferente para los diferentes mtodos de construccin de la red. En
el caso ms simple, en donde la asignacin es de la forma ms aleatoria posible permitida por
el Principio de Construccin, llamado el caso Auto consistente , se reduce a:
0
RS

dB

B-S
( R S ,R B ) =
RB
e
B(R B ) - S(R B )

RS < RB
(1.5)
RS RB

En otras palabras, esto significa mxima entropa configuracional para un dado conjunto de pares de (RS, RB)
muestreados desde FS(RS), FB(RB),

La funcin de correlacin sitios-enlaces ( (R S ,R B ) ) puede calcularse explcitamente

para el caso de distribuciones de tamao uniformes. Supongamos que sitios y enlaces se hallan
uniformemente distribuidos, con densidades:
F0 si s1 R s 2
FS (R) =
0 en otro caso

(1.6)

F0 si b1 R b 2
FB (R) =
0 en otro caso

(1.7)

En la Figura 1-2 se representan estas funciones para diferentes traslapes. A partir de la

ecuacin (1.5) resulta:
(R S ,R B ) =

-( R S ,R B )
(1-)

(1.8)

(1 - )

donde:
R S - s1
b -s
2 1
1

(R S ,R B ) = R S - R B
b -s
2 1
b2 - R B
b -s
2 1

si R B s1

y R S b2

si R B s1

y R S > b2

si R B > s1

y R S b2

si R B > s1

y R S > b2

(1.9)

F0 (b2 - s1 )

FB
FS

FB , FS

(1.10)

FB
FS

FB
FS

=0

= 0.5
0

b1

b 2 s1

s2

b1

s1

b2

= 0.9

s2

b 1 s1

b 2 s2

Figura 1-2
Funciones densidades uniformes para enlaces (---) y para sitios (). Los diferentes traslapes se
obtuvieron desplazando la distribucin de enlaces a la derecha y manteniendo fija la de sitio.

El grado de traslape , definido como el rea comn entre las funciones de densidad
de sitios y enlaces, es una medida natural de la correlacin sitio-enlace. La funcin tiene las
siguientes propiedades:
i.

0 ( R S ,R B ) = 1 , R S ,R B , Sitios y enlaces estn distribuidos completamente al azar

ii.

1( R S ,R B ) ( R S - R B ) , R S ,R B , Sitios y enlaces vecinos estn fuertemente

correlacionados formando grandes parches de aproximadamente el mismo tamao.
Por lo tanto el parmetro fundamental que describe la topologa de la red en el modelo

Dual es el traslape . Este comportamiento tambin sugiere que debe poder relacionarse
con alguna longitud de correlacin espacial 10 (la cual ser un parmetro fsico ms
representativo) caracterstica de la funcin de correlacin espacial definida en la ecuacin
(1.14). En efecto, es esperable que C(r) decaiga aproximadamente en una forma exponencial
(este podra ser el comportamiento exacto para una red unidimensional generada por una
sucesin de eventos de Markov) :
C(r) e

r
r0

(1.11)

donde r 0 es la longitud de correlacin (medida en constantes de red). Esta expresin ha sido

extensivamente usada en diferentes aplicaciones del DSBM junto con el ansatz 10, 11 :
r0

(1.12)

que relaciona el traslape con la longitud de correlacin, de forma tal que:

r 0 0 cuando 0

r 0 cuando 1

Ms adelante veremos que la ecuacin (1.12) no se cumple en forma general, en particular, falla
para traslapes elevados ( > 0.7). Es por esta razn que, en lo que sigue, se har un cuidadoso
estudio de cmo alcanzar el equilibrio en la generacin de redes en el modelo Dual y el efecto
de tamao finito en dichas redes.

10

1.3.- Simulacin de la Red.

La generacin de redes en el DSBM ha sido intensamente investigada a lo largo de
estos ltimos aos, logrndose un entendimiento casi total del problema. El mtodo que
usaremos es el propuesto en la Ref. [12], el cual puede ser resumido de la siguiente manera:

L
Figura 1-3:
Representacin esquemtica de una red
bidimensional de LxL sitios y 2LxL

Sitio

enlaces (L=4). Por simplicidad los sitios y

los enlaces son del mismo tamao. Los

Enlace

enlaces en lnea de puntos representan las

condiciones de borde peridicas usadas en
todas las simulaciones.

i.

Una red inicial de tamao lineal L es generada (Figura 1-3), en donde cada elemento
del red contendr el valor del radio del sitio RS , y el de sus z enlaces RB , ambos
muestreados desde las correspondientes funciones densidad FS(R) y FB(R) (Figura 1-1).
Los radios de sitios y enlaces son distribuidos aleatoriamente en el red. La red as
generada tendr las funciones FS(R) y FB(R) correctas, pero no la (R S ,R B ) correcta
(Figura 1-4-a), en particular no se cumplir el PC.

ii.

A continuacin una sucesin de eventos de Markov es generada eligiendo al azar

pares de sitios (o enlaces) y se intenta intercambiarlos. El intercambio es realizado
(probabilidad de transicin igual a 1) si se verifica el PC, caso contrario es rechazado

Si no hay traslape entre las distribuciones todos los radios de los enlaces sern menores o iguales al de los sitios,
de modo que, cuando = 0 se cumple el PC independientemente de cmo estn distribuidos espacialmente sitios
y enlaces.

11

(probabilidad de transicin igual a 0). Esta sucesin de eventos conduce finalmente al

estado de equilibrio, es decir, se cumple el principio de construccin en toda la red.
(Figura 1-4-b).
Este procedimiento no sufre de los efectos espurios introducidos por mtodos
anteriores, los cuales asignaban los tamaos de los sitios y enlaces a travs de una secuencia
determinstica sobre el red lo que introduca una fuerte anisotropa en la correlacin entre
los elementos del red.
a)

RB = RS
0

b)

(R S , R B )

(R S , R B )

b1

Figura 1-4

s1

RB

b2

RB = RS

s2

b1

s1

RB

b2

s2

a) Funcin de correlacin sitio-enlace (R S ,R B ) , para un dado valor de RS. Se observa que la

funcin de correlacin obtenida por simulacin difiere notablemente de la analtica, esto se debe al
no cumplimiento del PC. (Paso i).
b) Al finalizar el Paso ii) se tiene una plena coincidencia entre la curva analtica y la simulacin.
() (R S ,R B ) analtica. (*) (R S ,R B ) obtenida por simulacin.

Una vez que la (R S ,R B ) analtica coincide con la experimental (simulada) se podra

suponer que la red alcanz el equilibrio. Pero, qu pasar con la topografa de la red si uno
contina intercambiando elementos entre si (siempre y cuando se respete el PC).
Adelantndonos al final del trabajo, podemos asegurar que la topografa se ve fuertemente
afectada si uno contina "batiendo" la red. Es por esta razn que surge la necesidad de
estudiar cmo y cunto es afectada la red y que parmetro es necesario monitorear para poder
asegurar que se ha alcanzado el equilibrio. El parmetro que usaremos, y que demostr ser el
indicado, es la longitud de correlacin espacial r 0 , obtenida de la funcin de correlacin
espacial C(r). En los sistemas en donde existe una transicin de estados, la longitud de
correlacin es la medida tpica del grado de ordenamiento del sistema en su bsqueda del

12

estado de equilibrio, y como veremos ms adelante el Modelo Dual muestra una transicin en
su morfologa alrededor de 0.5 en donde el sistema pasa de un estado diluido sin una
longitud de correlacin caracterstica, a un estado fuertemente correlacionado en donde los
elementos de la red se agrupan formando parches de tamaos similares. Es en este punto
donde la longitud de correlacin se vuelve importante debido a que su valor es proporcional al
tamao medio de los parches.
En lo que sigue de este captulo demostraremos que la forma en que se alcanza el
equilibrio depende del traslape y del tamao de la red y veremos que la cadena de eventos
de Markov necesarios para lograr el equilibrio estadstico es considerablemente mayor que
la necesaria para lograr el cumplimiento del PC.
De modo que, las preguntas centrales a ser contestadas son: Cundo la red alcanza el
equilibrio estadstico? y cmo est relacionada la longitud de correlacin con el traslape?.
Comenzaremos nuestro estudio sobre redes cuadradas bidimensionales para luego extenderlo a
3-D. Para esto usaremos en todos nuestros clculos distribuciones uniformes del tipo de las
mostradas en la Figura 1-2. Los diferentes traslapes sern obtenidos mediante el
desplazamiento de la distribucin de sitios, manteniendo fija la de los enlaces.
En primer lugar, un conjunto de simulaciones numricas de redes bidimensionales de
tamao lineal L, con L comprendido entre 102 y 103 fueron llevadas a cabo para un dado
traslape. Luego, el translape fue cambiado y un nuevo conjunto de redes fue generado y as
sucesivamente para = 0, 0.1, 0.2, .........., 0.8, 0.85, y 0.9. Por simplicidad F0=1, (s1,s2)=(2,3) y
(b1,b2) fueron desplazados de acuerdo al traslape requerido.
El nmero de transiciones necesario para alcanzar el equilibrio es del orden de 100
pasos de Monte Carlo (MCS) para un = 0.5 (1 MCS = LxL intentos de transicin), de 500
MCS para = 0.7 y para traslapes cercanos a la unidad la cantidad de MCS crece
considerablemente. (100000 MCS para = 0.9). En todos los casos el estado inicial fue una
distribucin aleatoria de sitios y enlaces.

Para una red tridimensional 1 MCS = LxLxL.

13

La funcin de correlacin simulada en el equilibrio S i m (R S ,R B )fue comparada con la

analtica de acuerdo a la Ec. (1.8). A partir de la Ec. (1.4):

Sim (R S ,R B ) =

F Sim (R S ,R B )dR S dR B
FS (R S )dR S FB (R B )dR B

(1.13)

En donde F S i m (RS , RB) es la funcin densidad de probabilidad conjunta sitio-enlace simulada,

de encontrar un sitio de tamao entre RS y RS + dRS conectado a un enlace de tamao entre RB
y RB + dRB . En la Figura 1-5 se observa la funcin de correlacin al comienzo de la
simulacin, en donde el PC an no se cumple debido a que la distribucin espacial de sitios y
enlaces es totalmente aleatoria. Una vez que se alcanza el equilibrio, se obtiene una
concordancia excelente entre la funcin de correlacin obtenida por simulacin y la analtica.
En la Figura 1-6 podemos apreciar dichas funciones para diferentes traslapes y para
determinados valores de RS ya que la funcin de correlacin define una superficie (ver Figura
1-7).
3.5

(
(

(R S , R B )

3.0

) = 0.5
) = 0.7

2.5
2.0
1.5
1.0
0.5

R S = 2.5

0.0
1.00

1.25

1.50

1.75

2.00

2.25

2.50

2.75

3.00

RB
Figura 1-5
Funcin de correlacin sitios-enlaces ( R S ,R B )para diferentes traslapes y un RS fijo. Las lneas
corresponden a la analtica y los smbolos a la S i m antes de comenzar con el intercambio.

14

3.5

3.5

R S = 2.1
R S = 2.3
R S = 2.5

2.5

2.5

2.0

= 0.7

R S = 2.1
R S = 2.3
R S = 2.5

3.0

(R S , R B )

(R S , R B )

3.0

= 0.5

2.0

1.5

1.5

1.0

1.0

0.5

0.5

0.0
1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

0.0
1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80 3.00

RB

RB

Figura 1-6
Idem que la Figura 1-5 pero en el estado de equilibrio. En todos los casos el rango (s1,s2) se mantuvo
constante en (2,3) y se desplazo la distribucin de enlaces (b1,b2) hasta conseguir el traslape deseado.

2.0
1.8

= 0.5

(R S , R B )

1.6

RS
RS
RS
RS
RS

1.4
1.2
1.0
0.8
0.6

=
=
=
=
=

2.1
2.2
2.3
2.4
2.5

0.4
0.2
3.0

0.0

2.8

1.6

2.6

1.8

RB

2.4

2.0
2.2

2.2
2.4

RS

2.0

Figura 1-7
Esta grfica nos da una idea del tipo de superficie que forma la funcin de correlacin.

15

1.4.- Efectos de Tamao Finito.

En los sistemas reales las dimensiones de la muestra pueden considerarse infinitas en
comparacin con los tamaos atmicos. En una computadora la cantidad de memoria
disponible para almacenar una red es finita, y adems, a medida que se trabaje con redes de
tamao mayor, se consumir ms tiempo para ejecutar todas los clculos necesarios. Esto
resulta en una restriccin en el tamao del sistema simulado.
A los efectos de determinar las dimensiones del sistema a simular es necesario tener en
cuenta cules son las longitudes caractersticas del sistema bajo estudio. En algunos casos,
por ejemplo en el modelo de Ising, la longitud de correlacin en una transicin de fase de
segundo orden para un ferromagneto a la temperatura crtica Tc , diverge en el punto crtico
para el lmite termodinmico.

Por lo tanto, para obtener informacin fiable, es necesario que las dimensiones del sistema
sean en lo posible mucho mayores que las longitudes caractersticas
En la Figura 1-8 se observan cualitativamente los efectos de tamao finito a travs de los

tpicos snapshots correspondientes a redes de diversos traslapes. Los diversos sombreados

representan diferentes intervalos de tamao de sitio. Para traslapes bajos la topografa de la red
no presenta discrepancias para los diversos tamaos. Para el caso de = 0.9 la importancia del
tamao de la red se vuelve ms que evidente, la red correspondiente a L = 200 puede verse
como si fuera una porcin de la red de L = 700. Uno podra cometer el error (si slo viera la
red para L = 200) de suponer que alguna clase de estratificacin se despliega sobre la red
debido al elevado traslape, es decir, debido a la presencia de fuertes correlaciones. Como se
observa, este efecto desaparece a medida que aumentamos el valor de L.
Para determinar cuantitativamente el tamao lineal mnimo de una red dado su traslape, es
necesario contar con un parmetro que nos de informacin acerca de la longitud caracterstica
del sistema. El parmetro que demostr ser el adecuado fue la longitud de correlacin espacial,
r0 , obtenida de la Funcin de Correlacin Espacial.

16

 = 0.5

= 0.7

= 0.9

Figura 1-8
Representacin grfica de las redes de sitios y enlaces (no mostrados) obtenidas por simulacin. Se
observan los efectos de tamao finito para diferentes valores del traslape. La fila superior corresponde a
L = 200, la del medio L = 400 y la inferior a L = 700. El color negro corresponde a los sitio de menor
tamao (RS = 2) y el blanco a los ms grandes (RS = 3).

17

1.5.- Funcin de Correlacin Espacial.

Haciendo un anlisis estadstico de los tamaos de los sitios y/o enlaces, se encuentra
que existe un parmetro r 0 asociado a la topografa de la red, este aparece al medir la
correlacin espacial entre los sitios y/o enlaces de la red. La funcin correlacin espacial entre
el tamao de los sitios C S S como funcin de la distancia entre sitios r (en unidades de red)
puede calcularse como:
C SS (r) =

(R - R ) (R - R )
(R - R )
S

j
S

(1.14)

en donde R S , R Sj representan el tamao del sitio i y j respectivamente separados una distancia

r , R S el valor medio del tamao de poros y los corchetes angulares se refieren al promedio
sobre una asamblea estadstica de sistemas similares. Anlogamente, se pueden calcular la
funcin de correlacin entre enlaces C B B y entre sitios y enlaces C S B . En la Ec. (1.14) se ha
considerado al sistema invariante bajo traslaciones13 ( R Si = R Sj ).
Midiendo esta funcin sobre las redes simuladas y haciendo uso de la Ec. (1.11) uno
puede obtener el parmetro r 0 para diferentes traslapes y establecer un criterio para el tamao
lineal mnimo de la red. Ahora bien, cuando uno mide la funcin de correlacin espacial se
encuentra con que la topografa de la red es modificada considerablemente si continuamos
intercambiando elementos estando la red en equilibrio, una vez que se verifica el principio de
construccin. Continuar intercambiando elementos estando el principio de construccin ya
satisfecho significa seguir intercambiando elementos al azar con probabilidad igual a uno si
verifican el principio y probabilidad de transicin igual cero si no lo verifican. Estos sucesivos
intercambios provocan un aumento del tamao medio de los parches, es decir, los elementos
de tamao similar se agrupan entre s formando islas cada vez ms grandes, esto es reflejado en
un incremento en la longitud de correlacin y como se aprecia en la Figura 1-10 el aumento
dependiendo del traslape puede ser de ms del 100%. Como se observa en los snapshoots (ver
Figura 1-11) estas islas estn compuestas por elementos de tamao muy parecidos entre s y a

Dicha funcin es la usual funcin de correlacin de pares de sitios (enlaces) separados una distancia r definida
como: C S S ( r) =c ov ( R S (0) ,R S ( r ) ) / v a r( R S ) , donde c ov y v a r significan covariancia y variancia respectivamente.

18

medida que aumentamos el traslape este efecto sobre el tamao de los parches se vuelve ms
notorio. Resumiendo:

A medida que aumentamos el intercambio de elementos (estando el PC satisfecho) la

longitud de correlacin aumenta.

Este aumento continua hasta que se estabiliza en un determinado valor, y el tiempo que tarda
la longitud de correlacin en alcanzar el equilibrio depende del traslape, y como es de esperar,
es mayor cuanto ms alto sea este ltimo.
Es de importancia destacar que, a medida que intercambiamos elementos, la funcin de
correlacin (R S ,R B ) no se modifica.
La convergencia al equilibrio para entre 0 y 0.6 est entre 0 y 1x105 MCS para todos los
valores de L empleados. Los efectos de tamao finito no fueron importantes para los tamaos
usados, comenzado con L = 200. Esto es, no hubo diferencias apreciables entre los tiempos de
relajacin ni tampoco en el valor de r0 obtenido para diferentes L . Por lo tanto, es de esperar
que un tiempo de equilibrio igual a teq= 1x105 MCS sera adecuado para este traslape.
Para traslapes mayores que 0.6 y menores que 0.85 el tiempo necesario est acotado entre
1x105 MCS y 6x105 MCS, y los efectos de tamao se vuelven significativos a partir de = 0.7
(Ver Figura 1-11).
Cuando el traslape se incrementa an ms ( = 0.9) el tamao de la red se vuelve
determinante, como se puede observar en las fotografas de la Figura 1-8. En la Figura 1-9 se
muestra cuantitativamente el efecto de tamao para redes de traslape 0.9 . En la parte a) el
logaritmo de la funcin correlacin espacial C(r) definida en la Ec. (1.14) es graficado versus r
para diferentes valores de t y para dos tamaos de red L = 200 (smbolos vacos) y L = 700
(smbolos llenos). Como se ve para L = 200 el equilibrio se alcanza en t e q = 6x105 MCS, pero
cuando L es incrementado a L= 700 , los valores de C(r) para r grandes necesitan ms tiempo
de relajacin para alcanzar el equilibrio.

No confundir este tiempo con el tiempo de equilibrio necesario para lograr que se cumpla el PC.

19

-6
L = 200
t= 0
5
t = 1x10
5
t = 5x10
5
t = 6x10

Ln (C (r ))

-5
-4
-3
-2
-1

(a)

0
10

Ln (C (r ))

-0.25

20

L =
t
t
t
t

-0.20
-0.15

30

40

50

60

70

80

90

100

700
= 0
5
= 1x 10
5
= 9x 10
6
= 1x 10

-0.10
-0.05

(b)
0.00
1

10

Figura 1-9
Grfica semilogartimica de la funcin de correlacin espacial C(r) versus r para diferentes MCS y para
dos tamaos diferentes de red. a) Para r entre 1 y 100. b) Para r entre 1 y 10.

En la parte b) se repiten las mismas curvas pero slo se grafic hasta r = 10 para poder
apreciar que el efecto no es importante para r < 4 .
Haciendo un ajuste lineal sobre las diferentes curvas hasta r = 10 en la grfica del
Ln(C(r)) , obtenemos, desde las correspondientes pendientes, el valor de r0 como funcin de
t. El resultado se muestra en la Figura 1-10 donde la parte (a) corresponde a = 0.9 y la parte
(b) a = 0.7 . Estas grficas muestran el comportamiento de la longitud de correlacin con t
hasta que el equilibrio, teq , es alcanzado. Como se observa, este se alcanza rpidamente para

= 0.7. Tambin se aprecia leves fluctuaciones con el tamao de la red, pero estas
desaparecen cuando aumentamos el tamao de la red.

20

130
120
110

r0

100
90
80
= 0.9

70

L = 200
L = 400
L = 700

60
50

(a)

40
0.0

2.0x10

4.0x10

6.0x10

8.0x10

1.0x10

8
7
6

r0

5
4
= 0.7

L = 200
L = 400
L = 700

2
1

(b)

0
0.0

Figura 1-10

5.0x10 1.0x10 1.5x10 2.0x10 2.5x10 3.0x10

Longitud de correlacin r0 versus t hasta que el equilibrio es alcanzado.(a) Para =0.9 y (b) = 0.7

Para = 0.9 la convergencia al equilibrio es ms lenta. Adems, para L = 200 y para L = 400
se obtienen longitudes de correlacin diferentes; la longitud de correlacin aumenta al
aumentar L. En L = 700 r0 se estabiliza y las fluctuaciones que se observan en L = 400
desaparecen. En la Figura 1-11 se observa la importancia que tiene el intercambio posterior al
haberse cumplido el PC . Este efecto es ms notorio cuanto ms elevado es el traslape y para
traslapes del orden de 0.9 el problema de la dependencia con el tamao se vuelve crtico.
Esta grfica nos da una idea de cuanto es afectada la topografa de la red dependiendo del
nmero de intercambios, a medida que se intercambian elementos, el tamao medio de los
parches se incrementa notablemente hasta que se logra el equilibrio a t = t e q .

21

L = 200
t=0
Se cumple
el PC.
L = 200

t = teq

t=0

L = 400

Se cumple
el PC.

L = 400

t = teq

t=0

L = 700

Se cumple
el PC.
L = 700

t = teq
Figura 1-11
Idem que la Figura 1-8. La columna de la izquierda corresponde a = 0.7 y la de la derecha a = 0.9.
La primer fila de cada juego de fotografas representa al sistema en el instante en que se verifica el PC.
La segunda fila es para t = t e q , es decir, cuando el valor de r0 se estabiliza.

22

Esto se ve reflejado en un aumento en la longitud de correlacin. Por ejemplo, para = 0.9 ,

el valor de r0 se increment al doble respecto del valor que tena a t = 0 (pas de 60 a 120
unidades de red). Este cambio tan grande en la topografa debe tenerse en cuenta a la hora de
simular cualquier tipo de proceso fsico-qumico sobre esta clase de redes generadas a travs
del Modelo Dual.
1.0

(a)

0.9

t= t eq

0.8

C (r )

0.7
0.6
0.5

=
=
=
=
=
=
=

0.9
0.85
0.8
0.75
0.7
0.65
0.6

0.4
0.3
0.2
0.1
0.0
20

40

-3.0

80

100

(b)

-2.5

ln (C (r ))

60

-2.0
-1.5
-1.0
-0.5
0.0
1

10

Figura 1-12
(a) Funcin de Correlacin Espacial para diversos valores del traslape para L = 700. (b) Grfica
semilogartmica de C(r) que muestra un buen comportamiento lineal hasta r = 10.

En la Figura 1-12 C(r) versus r es graficado para diversos valores del traslape y para un
tamao de red de L = 700. El criterio usado para la determinacin del nmero necesario de
MCS necesario para alcanzar el equilibrio estadstico, t e q fue el siguiente:

23


El cambio en r0 desde t = teq a t = teq + 105 MCS deber ser menor al 1%.

La Figura 1-12(a) muestra el comportamiento lineal de la funcin de correlacin

espacial hasta r = 10 (Siempre medido en unidades de red). Las curvas de la Figura 1-12(b)
fueron ajustadas mediante una regresin lineal, de donde se obtuvo el valor de la longitud de

teq

correlacin espacial r0 .
1x10

9x10

8x10

7x10

6x10

5x10

4x10

3x10

2x10

5
5

1x10
0
0.45 0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95

Figura 1-13

Tiempo de relajacin necesario para llegar al equilibrio versus el traslape para L = 700.

En la Figura 1-13 se muestra la variacin de teq con el traslape de acuerdo con el criterio
anteriormente mencionado. Mediante este procedimiento, el comportamiento de r0 como
funcin de puede ser determinado como se observa en la Figura 1-14, en donde los
smbolos corresponden a los resultados obtenidos por simulacin, los cuales fueron ajustados
con la funcin:

r0 = 2

(1 - )

(1.15)

Hay otras formas de definir la longitud de correlacin a partir de la Funcin de Correlacin, por ejemplo,
tomando la distancia a la cual la funcin ha decado un cierto porcentaje.

24

Como se puede ver, para valores de traslape elevado esta funcin difiere sustancialmente de la
dada en la Ec. (1.12), pero ajusta muy bien si consideramos los datos obtenidos a t = 0, salvo
para traslapes mayores o iguales a 0.9.
140

/(1- )

120

2 /(1- )
Sim u laci n (t = t eq )
Sim u laci n (t = 0 )

100

r 0 80
60
40
20
0
0.4

0.5

0.6

0.7

0.8

0.9

1.0

Figura 1-14
Relacin entre la longitud de correlacin r0 y el traslape . Los smbolos abiertos representan el valor
de r0 al instante en que se empieza a cumplir el PC. Los smbolos llenos a t = teq .

Para traslapes tan altos como es 0.9 hay que tener en cuenta que el tiempo para lograr
que una red de L = 700 logre cumplir el PC puede ser de varios das, ya que la mayora de los
intentos de cambios entre elementos, sitio-sitio o enlace-enlace no es favorable. Debido a la
gran cantidad de tiempo que demanda la generacin de redes de elevado traslape y su posterior
relajacin sera muy til implementar un algoritmo que aproveche alguna caracterstica del
sistema para llevarlo ms rpidamente al equilibrio y por supuesto que no introduzca ningn
tipo de anisotropa. Para determinar esto graficamos los histogramas de los eventos favorables
(intercambios que se realizaron con xito) versus diversas cantidades: tamao medio de los
elementos intercambiados, distancia en unidades de red entre elementos intercambiados, etc. y

En una Pentium II de 400 Mhz. es de unas 36 hs.

25

encontramos que el comportamiento de los eventos favorables en funcin de la diferencia de

tamao de los elementos intercambiados ( R Si - R S j ) poda resultar de utilidad.
En la Figura 1-15 se han graficado dichos histogramas para varios traslapes y diversos tiempos
(slo se han graficado los histogramas correspondientes a sitios). Estos histogramas se
obtienen de la siguiente forma:
1. Fijado el t en cierto valor se continua intercambiando elementos por 10 MCS ms y se
contabilizaba los eventos favorables que ocurran segn su diferencia de tamao.
2. Se cambia de red, y se vuelve al punto 1 (este procedimiento se promedia varias veces).
Para = 0 obtenemos una curva que decrece linealmente a medida que aumenta la diferencia
de tamao, esto se explica fcilmente ya que la cantidad de elementos cuya diferencia es 1 es
cero, recordemos que 2 < RS < 3.
Una diferencia intermedia de por ejemplo ( R Si - R S j = 0.8 ) slo puede llegar a ser creada
cuando intercambiamos algn sitio RS > (2 + 0.8 ) , y slo un 20 % de los sitios verifican esa
condicin. Al disminuir ms la diferencia de tamao, mayor cantidad de sitios verifican la
condicin y por ende aumenta la cantidad de eventos favorables; adems en = 0 siempre se
verifica el PC . Cuando aumentamos el traslape, el histograma presenta un comportamiento
exponencial decreciente, lo que nos dice que hay una alta probabilidad de xito al intentar
intercambiar elementos semejantes y una muy baja entre elementos de tamao diferente. Estas
caractersticas se acentan a medida que aumenta el traslape. Resulta interesante destacar que
dichos histogramas son independientes del tiempo. Resumiendo:

Los eventos ms favorables son los intercambios entre elementos de tamao semejante.

Teniendo en cuenta este comportamiento, pueden acelerarse notablemente los tiempos de

relajacin. La idea es ordenar en un arreglo todos los elementos (sitios y enlaces) de menor a
mayor y sortear, en alguna posicin del mismo tratando de intercambiar el elemento presente

El comportamiento de los enlaces es anlogo al observado en los sitios.

Tngase presente que, para una red de L =700, esto implica ordenar, de menor a mayor 1470000 elementos, por
lo tanto se deben emplear algoritmos de ordenamiento altamente optimizados (El implementado demora unos 5
segundos).

26

en esa posicin con algn vecino. El rango de vecinos disponibles para el intercambio se
deduce de los mencionados histogramas).

Even tos Favor ables

1 .0

0
t = 0
5
t = 1x10

0 .8

0 .6

0 .4

0 .2

Even tos Favor ables

0 .0
1 .0

0 .7
t = 0
5
t = 1x10
5
t = 3x10

0 .8

0 .6

0 .4

0 .2

0 .0

Even tos Favor ables

1 .0

t
t
t
t

0 .8

0 .6

0 .4

=
=
=
=

0 .9
0
5
1x10
5
5x10
6
1x10

0 .2

0 .0
0 .0

0 .2

0 .4

0 .6

Si

- R

0 .8

1 .0

Sj

Figura 1-15
Eventos Favorables versus la diferencia de tamao entre sitios intercambiados, ( R Si - R S j ) para
diferentes traslapes y para diversos tiempos.

27

1.6.- Redes Tridimensionales.

En el captulo anterior presentamos el Modelo Dual y lo aplicamos en la generacin de
redes bidimensionales. En el prximo captulo simularemos en ellas el flujo de fluidos
inmiscibles y se estudiar como las correlaciones afectan dicho fenmeno. El otro problema
en el que estamos interesados es el de la caracterizacin de materiales porosos, para atacarlo,
es necesario contar con una adecuada representacin del medio, es decir, necesitamos simular
una muestra porosa real mediante una red tridimensional de sitios (poros) y enlaces (canales)
interconectados entre s.
Existen innumerables ejemplos de materiales tanto naturales como sintticos que
presentan una composicin en dos fases: una matriz slida y una fase hueca dispersa sobre la
primera, de modo ms o menos desordenado, constituyendo lo que se define como un material
poroso. Los medios porosos son protagonistas de numerosos procesos de inters tanto
cientfico como tecnolgico, en reas como la agricultura, medicina, fisicoqumica, ingeniera
en petrleo, etc. Especficamente estn involucrados en procesos tales como extraccin de
petrleo, recuperacin de aguas subterrneas, catlisis heterogneas, adsorcin de gases,
desplazamientos de fluidos inmiscibles y procesos separativos, entre otros tantos. Todo esto
explica el inters tanto cientfico como econmico en el estudio de estos sistemas por parte de
experimentales y tericos. Dentro de las descripciones ms usuales para estos medios se
encuentran los llamados modelos discretos que representan al sistema poroso como un
conjunto de elementos que pueden ser sitios, enlaces o la combinacin de ambos, en un
arreglo topolgico particular y que son simulados generalmente a travs de mtodos de Monte
Carlo. Los resultados obtenidos de este tipo de modelos han sido de gran utilidad para
entender y caracterizar estos medios y los procesos que en ellos ocurren.
La descripcin de materiales porosos es un problema de gran inters en la ciencia de los
materiales, el mismo involucra :
(i)

El modelado puramente terico (idealizado) de la forma geomtrica de un poro

individual y el tratamiento de los fenmenos que toman lugar dentro de el.2, 14, 15.

28

(ii)

La caracterizacin del espacio poroso combinando modelos analticos y simulacin con

tcnicas experimentales16, 17.

Figura 1-16
Representacin

esquemtica

de

una

red

tridimensional de LxLxL sitios y 3LxLxL

enlaces (L=4). Por simplicidad los sitios y los
enlaces son del mismo tamao. Las condiciones
de borde usadas fueron condiciones peridicas.
Para una mayor claridad estas no fueron
"dibujadas" pero son las mismas que las que se
observan en la Figura 1-3.

El ltimo punto incorpora la simulacin por computadora para tratar problemas irresolubles
analticamente dada la complejidad y la inhomogeneidad de un medio poroso y los procesos
que se desarrollan en ellos, como por ejemplo, la condensacin-evaporacin capilar, intrusinretraccin de mercurio, desplazamiento de fluidos miscibles e inmiscibles , etc1. Como es de
esperar, las caractersticas topolgicas (geometra de la red, correlaciones espaciales,
conectividad, etc.) del espacio poroso influyen fuertemente en los procesos mencionados
anteriormente, por lo que debern ser incorporados consistentemente en la descripcin terica.
Actualmente, la obtencin de informacin detallada del espacio poroso como la distribucin
de sitios (cavidades) y enlaces (gargantas), conectividad, correlaciones espaciales, entre otras, es
una de las mayores limitaciones para caracterizar adecuadamente los materiales porosos. La
utilizacin del Modelo Dual, el cual est dentro de los llamados modelos discretos, nos permite
una representacin intuitiva del espacio poroso como as tambin la incorporacin en forma
consistente de distinto grado de desorden, siempre presente en los mismos. Esta es una ventaja
importante del Modelo Dual frente a otros modelos los cuales incorporan dichas caractersticas
de una forma independiente1 y aparentemente alejada de la realidad.
En trabajos anteriores18 se ha utilizado el Modelo Dual para caracterizar slidos porosos
tridimensionales, pero sin tomar en cuenta las correlaciones espaciales en ellos presentes y tan

29

importantes a la hora de simular los distintos fenmenos de inters. Por lo que extenderemos
el estudio del comportamiento de las correlaciones espaciales a sistemas tridimensionales.
A continuacin presentaremos los resultados obtenidos en redes tridimensionales de
conectividad constante z = 6, es decir, cada sitio esta conectado a 6 enlaces en un arreglo
tridimensional cbico simple. El problema se enriquece notablemente si variamos la
conectividad pero se dificulta notoriamente a la hora de discernir sobre cual es el efecto
predominante sobre un determinado proceso simulado sobre dichas redes, adems, estudios
recientes sugieren que el efecto ms importante es debido a las correlaciones19. Como en la
seccin anterior, nos concentraremos en el estudio de las correlaciones espaciales que se
presentan en las estructuras generadas a travs del Modelo Dual.
Para disminuir el efecto de tamao finito se utilizaron condiciones de borde peridicas, y se
determin, mediante el estudio de la funcin de correlacin espacial, cul deba ser el tamao
lineal mnimo de una red, dado su traslape para alcanzar el equilibrio estadstico.
El comportamiento observado es anlogo al encontrado en redes bidimensionales,
observndose una menor velocidad en alcanzar el equilibrio, es decir, un mayor tiempo de
intercambio t e q (tiempo de equilibrio). Adems, como se hace necesario generar redes de
tamao lineal mayor que la longitud de correlacin espacial caracterstica para ese (como
mnimo un orden de magnitud mayor). Por ejemplo para = 0.7 se obtiene un r0 30 ; por
lo que si deseamos una red libre de efectos de tamao deberemos generarla con un L 10 r0 ,
o sea, L 300. Esto implica generar un arreglo que pueda almacenar 2.7 x 107 sitios y 8.1 x 107
enlaces, considerando que cada elemento ocupa 4 bytes necesitamos unos 400 megabytes de
memoria RAM para almacenar dicha estructura. Si bien contamos con computadoras con esa
cantidad de memoria RAM, los procesos a simular en dichas redes consumen mucho tiempo
de clculo. Esto nos limita a utilizar tamaos de red del orden de L 128. Adems, como en el
caso bidimensional, la longitud de correlacin espacial aumenta a medida que incrementamos
el traslape, por lo que traslapes mayores a 0.7 ( L = 300) no podrn ser simulados con la
capacidad de clculo actual.

30

En este ltimo punto hay que hacer una observacin, cuando decimos que no podemos
construir redes de traslape mayor a 0.7, nos referimos a generar redes en donde la longitud de
correlacin espacial ha llegado al equilibrio, bien podramos simular redes de hasta 0.9
con un dado valor de r0 que an no ha llegado al equilibrio, por ende el valor de r0 no ser muy
grande y el tamao lineal de red necesario para evitar efectos de tamao no ser prohibitivo.
Adems, hay que tener en cuenta para que sern usadas dichas redes, en nuestro caso el
presente trabajo est pensado para que en una segunda etapa se utilicen est clase de redes para
representar slidos mesoporosos tridimensionales, simulando en ellos procesos de adsorcindesorcin y levantar las correspondientes isotermas20. Esta clase de redes han demostrado ser
aptas para tratar este tipo de problema. Al da de hoy, se continua trabajando en este tema con
el objeto de caracterizar slidos mesoporosos a partir de datos experimentales, obtenindose
resultados ms que alentadores21.
En las imgenes de la Figura 1-17 se observa la importancia del tamao lineal de las redes
tridimensionales y como vara la topografa de las mismas a medida que aumenta el tiempo.
Igual que en el caso bidimensional se observa la formacin de regiones de elementos similares
entre s (parches). Estas son cada vez ms grandes a medida que aumenta el traslape y dicho
aumento es acentuado cuando el sistema llega al t = t e q . Estas fotografas nos advierten sobre
cuan importante es el efecto de las correlaciones sobre la topologa del sistema (incluso para
traslapes intermedios), y por ende, la precaucin que debemos de tener cuando simulemos en
ellos los procesos fsico-qumicos de inters ya que sern fuertemente afectados.
Obteniendo la Funcin de Correlacin Espacial y, a partir de sta, la longitud de correlacin
espacial, podemos establecer criterios de equilibrio anlogos al caso en 2 Dimensiones, con la
salvedad de que estaremos limitados a < 0.7 debido a la capacidad computacional actual.

Los elementos son del tipo Float, es decir, cada dato ocupa 32 bits (4 bytes).

31

 = 0.5

= 0.6

= 0.7

L = 32
t=0

L = 32
t = teq

RS

L = 64
t=0

L = 64
t = teq

32

 = 0.5
2

L = 128
t=0

= 0.6
RS

= 0.7
3

L = 128
t = teq

Figura 1-17 :Fotografas de redes tridimensionales para diferentes tamaos y traslapes. Se observa
como la topografa del sistema es fuertemente influenciada por estos parmetros y por el tiempo.
La columna de la izquierda corresponde a = 0.5, la central a = 0.6 y la de la derecha a = 0.7. La
primer fila de cada juego de fotografa representa al sistema en el instante en que se verifica el PC. La
segunda fila es para t = t e q , es decir, cuando el valor de r0 se estabiliza.

En la Figura 1-18 podemos observar la variacin de r0 con t para diferentes valores de L . La

fuerte dependencia de r0 con L, para traslapes mayores que 0.5, exige que para evitar efectos
de borde deben usarse mayores tamaos de red y/o estudiar cuan fuertemente es afectado por
este hecho el fenmeno a simular. Por ejemplo, en un ciclo de adsorcin-desorcin de
nitrgeno, un tamao lineal de red pequeo se traduce en que la rama de desorcin comienza a

33

descender a una presin levemente mayor a la que debera ser22. Dicho efecto desaparece para
L 100 ( <0.75).
1.2
1.0
0.8

r 0 0.6

L = 32
L = 64
L = 128

0.4
0.2
0.0

1x10

2x10

3x10

4x10

5x10

50
40

r0

30

L
L
L
L

20
10

=
=
=
=

32
64
100
128

50

r0

40
30
20

L = 32
L = 64
L = 128

10
0
0

1x10

2x10

3x10

t 4x10

5x10

6x10

Figura 1-18 :Longitud de correlacin r0 versus t hasta que el equilibrio es alcanzado. De arriba hacia

abajo: =0.5, =0.6 y = 0.7. En =0.5 la escala del tiempo llega hasta 5x104, mientras que para
las otras dos llega hasta 6x105 pasos de Monte Carlo.

Resumiendo, en las redes tridimensionales la longitud de correlacin es fuertemente afectada

por el tamao del sistema para traslapes mayores 0.5 y el t e q es mayor que el correspondiente al
caso bidimensional. Por lo que dado el proceso a estudiar, es conveniente un estudio en
particular de cuan fuertemente es afectado por las correlaciones y en base a esta informacin
determinar la longitud mnima de red ha ser utilizado.

34

Referencias
1

M. Sahimi, Flow and Transport in Porous Medias and Fractured Rock; VCH: Weinheim, Germany,
1995; and references therein.
2

A.-L. Barabsi and H.E.Stanley, Fractal Concepts in Surface Growth; Cambridge University Press,
1995.
3

D. Stauffer, Introduction to Percolation Theory, Taylor and Francis, London 1985.

R. H. Lpez, A. Vidales and G. Zgrablich. Correlated Site-Bond Ensembles: Statistical

Equilibrium and Finite Size Effects; Langmuir 16, 3441-3445, (2000).

V. Mayagoitia, B. Gilot, F. Rojas and I. Kornhouser. J. Chem. Soc., Faraday Trans. I, 84,
801, (1988).
6

V. Mayagoitia, M. J. Cruz and F. Rojas. J. Chem. Soc., Faraday Trans. I, 85, 2071, (1989).

V. Mayagoitia, F. Rojas, J. L. Riccardo, V. Pereyra and G. Zgrablich. Phys. Rev. B, 41,

7150 (1990).
8

R. Faccio. Tesis de PhD. Univ. Nac. de San Luis. (1993).

A. M. Vidales. Tesis de PhD. Univ. Nac. de San Luis. (1996).

10

J.L. Riccardo, M.A. Chade, V.D. Pereyra and G. Zgrablich, Adsorption and Surface
Diffusion on Generalized Heterogenous Surfaces. Langmuir 8, 1518. (1992)
11

J. L . Riccardo. Tesis de PhD. Univ. Nac. de San Luis. (1991).

12

J. L. Riccardo, W. A. Steele, A. J. Ramirez Cuesta and G. Zgrablich. Pure Monte Carlo

Simulation of Model Heterogeneous Subtrates: From Random Surfaces to Many-Site Correlations ;
Langmuir 13, 1064-1072, (1997).
J. M. Yeomans. Statistical Mechanics of Phase Transitions. Oxford Science Publications. USA,
1992.
13

14

G. J. Gregg and K. S. W Sing, Adsorption, Surface Area and Porosity. Academic Press, London
1982.
15

F . A. L. Dullien, Porous Media: Fluid Transport and Pore Structure. (Academic Press, New York,
1979).
16

N. A. Seaton, Determination of the connectivity of Porous Solids from Nitrogen Sorption Measurements.
Chem. Eng. Sci. 46, 1895 (1991), H. Liu, L. Zhang and N. A. Seaton, Chem. Eng. Sci. 47,

35

4393 (1992), H. Liu, L. Zhang and N. A. Seaton, Chem. Eng. Sci. 49, 1869 (1993).
R.H. Lpez, A.M. Vidales , G. Zgrablich, F. Rojas, I. Kornhauser and S. Cordero.
Determination of Pore Size Distributions Using the Dual Site-Bond Model: Experimental Evidence. Colloid
and Surfaces, A: Physiochem. and Eng. Asp. In Press (2002).
17

A. J. Ramirez Cuesta, S. Cordero, F. Rojas, R. Faccio and J. L. Riccardo. On Modeling ,

Simulation and Statistical Properties of Realistic Three Dimensional Porous Networks. Journals of Porous
Materials 8, 61-76, 2001.
18

S. Cordero Snchez. Tesis de PhD. Univ. Autnoma Metropolitana - Iztapalapa - Mxico.

(2002).
19

R. H. Lpez, A. M. Vidales and G. Zgrablich. Percolation Effects on Adsorption-Desorption

Hysteresis". Langmuir. 16, 6999 (2000).
20

R. H. Lpez, A.M. Vidales and G. Zgrablich. Determination of The Pore Size Distribution of
Correlated Mesoporous Networks, Granular Matter, 3 Issue 1/2 69-73 (2001).
21

R. H. Lpez, A.M. Vidales and G. Zgrablich Influence of Pore Size Distributions on Sorption
Isotherms: 3-D Simulation Experiments, Proceedings of the Sixth International Conference of
Fundamentals of Adsorption (FOA 6), 873, (1998).
22

36

Capitulo 2

Procesos Percolativos

37

2.1.- Introduccin a la teora de la percolacin (Figura 1)

El trmino percolacin fue introducido por Broadbent y Hammersley1 en 1957

motivados por el comportamiento de un fluido (por ejemplo agua) cuando atraviesa un
medio poroso (como el caf). La teora de la percolacin es el modelo ms sencillo para un
nmero considerable de fenmenos fsicos, en los cuales el desorden est presente. Junto
con el concepto de los fractales , los cuales estn ntimamente ligados al problema de la
percolacin, y las leyes de scaling , son herramientas de una gran importancia terica en
diversos campos de la ciencia, la biologa, la fsica, la qumica y la geofsica, y de gran
importancia prctica , por ejemplo, en la industria del petrleo. En esta seccin
desarrollaremos brevemente los conceptos bsicos de la teora de la percolacin y de los
fractales.
Para introducirnos en el
tema, consideremos el siguiente
ejemplo clsico: Supongamos
una malla cuadrada conductora
como la de la Fig. 2-1, la cual
est siendo atacada por un

"saboteador estocstico", quin

azar.

La

malla

tiene

sus

extremos conectados a una

diferencia

de

potencial,

de

modo que, al estar intacta,

C or r ien te

va cortando interconexiones al

pc

circular por ella una corriente

dada (I = IMx). A medida que
el saboteador corte enlaces, la
corriente

ir

disminuyendo,

hasta que, luego de cortar una

cierta fraccin de enlaces, la
corriente ser cero.

0.0

0.5

1.0

F r accin de en laces n o cor tados (p )

Figura 2.1:
2-0: Esquema del problema del saboteador
estocstico. En la parte inferior se grafica la corriente en
funcin del porcentaje de enlaces no cortados.

38

La pregunta que nos hacemos es: cuntas (que porcentaje de) conexiones deber
cortar el saboteador para interrumpir el flujo de corriente?
Esta pregunta apunta hacia la cuestin central del Modelo de Percolacin:
La existencia de una transicin aguda donde la conectividad de largo alcance desaparece (la
corriente se hace cero). El porcentaje de enlaces para el cual se produce este cambio
dramtico en la longitud de correlacin del sistema, es lo que se denomina umbral de
percolacin, pc . En este punto, todas las propiedades significativas del sistema varan
cuantitativamente. La parte inferior de la Fig. 2.1 muestra la curva de la corriente en
funcin del porcentaje de conexiones no cortadas, observndose el efecto macroscpico
que ocurre cuando la fraccin de enlaces no cortados es del 50%. En este punto el sistema
pasa de conducir electricidad a no conducir.
Para utilizar un lenguaje comn, ilustraremos el problema de percolacin con un
arreglo de sitios cuadrados tal como es mostrado en la Figura 2-2, en donde cada sitio est
aleatoriamente ocupado con una probabilidad de ocupacin (concentracin) p , esto es,
cada sitio est ocupado (con probabilidad p) vaco (con una probabilidad 1-p = q )
independientemente del estado (lleno u ocupado ) de cualquiera de sus vecinos. En dicha
Figura se puede apreciar grupos de sitios ocupados o vacos. Llamaremos cluster o racimo
a un grupo de sitios ocupados de primeros vecinos. La teora de la percolacin trata con el
nmero y las propiedades de estos clusters.

Figura 2-2: Percolacin sobre una red bidimensional de tamao lineal L = 6. Los sitios estn
ocupados con una probabilidad p = 21/36 0.59. En dicho red existe un cluster percolante de
tamao 8 (), un cluster de tamao 7 (), un cluster de tamao 4 () y dos cluster de tamao 1 ().

39

Para redes finitos L < , es intuitivamente claro que si la probabilidad de

ocupacin p , es pequea, la chance de tener un cluster percolante, es decir, un cluster que
atraviese el red de un dado extremo al opuesto es baja. En cambio, para p 1, tenemos
una alta probabilidad de tener un cluster percolante. En la Figura 2-3 un red cuadrado
bidimensional est ocupado aleatoriamente con una probabilidad de ocupacin p cada vez
mayor.
Llamaremos umbral de percolacin, pC a la concentracin (probabilidad de
ocupacin) p , a la cual aparece por primera vez un cluster percolante (cluster infinito).
En la inmediata vecindad del umbral de percolacin ocurren cambios dramticos en el
sistema. En particular, las ideas de cambio de escala o scaling (se obtienen leyes generales a
partir del comportamiento del sistema frente a cambios de escala), que tienen tanta
prominencia en las teoras modernas de las transiciones de fase, estructuras de polmeros,
etc. , encuentran una representacin transparente en el marco de los modelos de
percolacin.
Cuando p pC , el tamao promedio del cluster diverge y, cerca de pC , esta
divergencia puede ser descripta por un exponente crtico universal , del tipo de los usados
en las teoras de transiciones de fase y que son sugeridos por los argumentos de cambio de
escala.
El problema de la red cuadrada de sitios de la Figura 2-3, recibe el nombre de percolacin
aleatoria de sitios y se encuentra que su umbral de percolacin es: pC = 0.59. El mismo
problema pero para una red de enlaces conduce a una pC = 1/2. En la Tabla 1 se listan
varios umbrales de percolacin para diferentes redes.
Red
1d
2d Hexagonal
2d Cuadrada
2d Triangular

# nn
2
3
4
6

pc (Sitios)
1
0.6962
0.592746
1/2

3d Diamante
3d Cbica simple
3d BBC
3d FCC
Red de Bethe

4
6
8
12
z

0.43
0.3116
0.246
0.198
1/(z-1)

pc (Enlaces)
1
1-2sen(/18) 0.65271
1/2
2sen(/18) 0.34729
0.388
0.2488
0.1083
0.119
1/(z-1)

Tabla 2-1: Los umbrales de percolacin del problema de percolacin de sitios para diferentes
geometras estn dados en la tercer columna. La columna 2 lista el nmero de primeros vecinos.
Observes que en una dada dimensin, el umbral de percolacin disminuye a medida que aumenta
el nmero de primeros vecinos.

40

Figura 2-3: Percolacin en un cluster bidimensional de tamao lineal L x L = 150 x 150 para
diferentes probabilidad p = 0.45, 0.55, 0.59, 0.65 y 0.75 de izquierda a derecha. Los sitios ocupados
son mostrados en gris mientras que los sitios que pertenecen al cluster ms grande son
representados en negro. Los sitios blancos no estn ocupados. Observe que el cluster ms grande
percola para p 0.59.

Consideremos ahora el problema de calcular el nmero medio de singuletes,

dobletes, tripletes, etc. en la percolacin de sitios sobre una red cuadrada.
Sean N sitios en una red con condiciones de contorno peridicas y N .
Consideremos la probabilidad de que un sitio sea un singulete. Para ello, el sitio debe estar
ocupado y sus cuatro vecinos deben estar vacos, o sea la probabilidad es pq 4 . Por lo tanto
el nmero medio de singuletes es: Npq 4 . Si definimos n S (p) como el nmero medio de
racimos de tamao s por sitio, entonces:

n1 (p) = pq 4

(2.1)

Cuando contamos dobletes, la correspondiente probabilidad es p 2 q 6 , pero cada doblete

puede orientarse segn dos direcciones en la red:

n 2 (p) = 2p 2 q 6

(2.2)

41

Para calcular n S (p) nos encontramos con un problema de teora de grafos que
consiste en enumerar todos los diferentes racimos conectados que pueden construirse con s
sitios de la red. Este problema fue considerado por primera vez por Golomb2 que
denomin a los racimos con el nombre de polinomios . Harary 3 hizo notar que el mismo
problema se presenta en biologa en la enumeracin de los diferentes posibles tipos de
animales celulares, y llam a los racimos animales reticulados, trmino que es ahora
ampliamente aceptado. Para calcular su contribucin a n S (p) se necesitan dos nmeros
asociados a un tipo particular de animal reticulado:
1. El nmero de sitios perimtricos t necesario para aislarlo.
2. El nmero de maneras independientes g st en que pueden colocarse sobre la red un
animal reticulado de tamao s y permetro t.
En general la expresin para el nmero de cluster es:

ns (p) = g(s,t) p s q t

(2.3)

Adems, si no hay racimo infinito, lo que es de esperar a concentraciones lo

suficientemente bajas, la probabilidad de que un sitio pertenezca a un cluster de tamao s es
n S s , y la probabilidad de que un sitio arbitrario pertenezca a algn cluster debe ser igual a
p , es decir, se debe satisfacer la condicin:

sns (p) = p
s

( p < pc )

(2.4)

La generalizacin de la ec. (2.4), vlida para todo p es:

P ( p ) + sn s (p) = p
s

(2.5)

La suma corre sobre todos los s finitos y por supuesto excluye al cluster infinito. La ec.
(2.5)se reduce a la (2.4) para p < pC , ya que P(p), la probabilidad de que un sitio
arbitrario pertenezca al cluster infinito, es idntica a cero en ese rango.
Desafortunadamente no es posible obtener una solucin analtica para el nmero de
cluster n S (p) en d > 1, ya que hay un nmero muy grande de diferentes formas en que los

42

cluster pueden acomodarse. An en 2d , para cluster relativamente pequeos uno no puede

calcular en forma exacta a n S (p) . Una simulacin por computadora4 cont
20.457.802.016.011 diferentes configuraciones posibles de racimos con s = 25 sobre un
sistema bidimensional. A pesar de estas complicaciones, estamos capacitados, mediante las
propiedades de escaleo de contabilizar ciertos parmetros que caracterizan a los clusters.
En particular estamos interesados en encontrar el comportamiento asinttico del nmero
de cluster en el umbral de percolacin, n S (p C ) .
Cuando p pC , es de esperar que S, el tamao medio de racimo tienda a infinito, es decir:
2
s =1 s n s ( p )
S( p ) =
para p pc

s =1 sn s

(2.6)

en p = pC el denominador permanece finito, por lo que en el umbral el numerador debe

diverger. Si por ejemplo, nS decayera exponencialmente con s , el tamao medio del
cluster S , permanecera constante en p = pC , luego, un decaimiento tipo ley de potencias
es ms plausible y define el llamado exponente de Fisher5 a travs de:

ns (pc ) s -

(2.7)

Esta relacin es vlida para grandes valores de s. El parmetro es un exponente crtico

universal que depende slo de la dimensin, en 2d =187/91 ( 2.05) y para 3d, = 2.2 .
En general se tiene que:

converge si a < -1
a
s =
s=1
diverge si a -1

(2.8)

Como el numerador de la ec. (2.6) debe diverger implica que :

2 - -1 3

(2.9)

y adems como (2.5) debe permanecer finita en p = pC , se tiene que:

s=1

s=1

1-
sn s (p) s < > 2

(2.10)

Que esta de acuerdo con los valores obtenidos por simulacin para el exponente crtico
universal .

43

Por supuesto, existen otra relaciones de escaleo con sus correspondientes exponentes
crticos. Un sumario de exponentes crticos y de relaciones entre ellos puede ser consultado
en la Ref. 7.
Por ltimo enfocaremos nuestra atencin a la geometra del cluster, para esto,
estudiaremos la geometra fractal, la cual nos da informacin sobre la densidad del cluster
en diferentes escalas de longitud. Consideremos la cantidad M(L), la cual denota la masa del
cluster percolante encerrada en un red de tamao lineal L . Si el cluster percolante fuera un
objeto compacto, entonces, M(L) LD, en donde D es la dimensin Eucldea (para un
cluster bidimensional D = 2). Sin embargo, se encuentra que, para p = pC el cluster
percolante es un objeto fractal con una dimensin fractal Df < D. Es decir para el cluster
percolante tenemos que:

M(L ) L

Df

(2.11)

La interpretacin de la ec. (2.11) es que para p = pC la correlacin espacial en el sistema

crece enormemente, pero los racimos grandes y el racimo infinito no se presentan como
objetos geomtricos compactos, sino que por el contrario aparecen como objetos tortuosos
y con huecos en su interior. As, la masa del racimo no vara con su longitud lineal como
ocurrira para un objeto normal en el espacio eucldeo, sino que lo hace con un exponente
menor que D.
En el umbral de percolacin p = pc , el cluster infinito de percolacin es un objeto fractal, y
podemos estimar su comportamiento geomtrico mediante su dimensin fractal.
Existen diversos mtodos para calcular la dimensin fractal del cluster infinito de
percolacin. El ms simple consiste en graficar en una escala doble-logartmica el tamao
del cluster ms grande (el cluster percolante) en funcin de L, el tamao lineal de la red. La
pendiente de esta curva equivale a la dimensin fractal (Figura 2-4). Para el problema de la
percolacin aleatoria de sitios en 2d se tiene que Df = 91/48 1.89 (en 3d , Df = 2.53).
Muchos materiales de inters tecnolgico, como superficies rugosas o medios
porosos heterogneos, son de naturaleza fractal, sin embargo su dimensin fractal puede
no coincidir con la de un racimo infinito de percolacin. Por otra parte, varias leyes
fundamentales de la fsica han sido modificadas para tratar procesos en sistemas fractales,
as por ejemplo la ley de Fick con un coeficiente de difusin constante no describe

44

correctamente la difusin en un medio fractal, ya que en este caso dicho coeficiente

depende del tiempo y de la longitud.
M

Figura 2-4: Masa del cluster ms grande a p = pc (cluster percolante), como funcin del tamao
lineal del red, L.

El estudio de las propiedades y cantidades de inters en el problema de percolacin

y en especial de las caractersticas del cluster de percolacin puede ser profundizado en
numerosas contribuciones cientficas6, 7 , tal estudio est fuera del alcance de este resumen
introductorio a la teora de percolacin. En la siguiente seccin introduciremos otro tipo de
percolacin, la percolacin invasiva. Este tipo de percolacin es ms adecuado para
simular desplazamientos de fluidos inmiscibles en medios porosos que la percolacin
aleatoria.

45

2.2.- Percolacin invasiva

La percolacin invasiva fue propuesta por vez primera por Wilkinson y
Willemsen8 (1983), inspirado en los trabajos de Lenormand y Bories9 (1980) y Chandler10 et.
al (1982). El trabajo original de Wilkinson trat sobre el problema del desplazamiento de
un fluido, el defensor, por otro fluido, el atacante, en un medio poroso. Posteriormente se
generaliz para cualquier proceso percolativo que se desarrolla a lo largo del camino de ms
baja resistencia.
Esta clase de percolacin tuvo su origen en el estudio del flujo de dos fluidos
inmiscibles en un medio poroso y nos parece adecuado introducir brevemente los
conceptos fsicos involucrados en este problema.
La mayora de los slidos porosos pueden ser representados adecuadamente como
una red de poros conectados entre s por canales ms angostos que los poros11. Este medio
puede ser idealizado como un red regular en donde los sitios y los enlaces de la red
representan a los poros y a los canales respectivamente (Figura 2-5). En 3D podemos
imaginarnos, por simplicidad, a los poros como esferas y a los canales como cilindros, por
supuesto, otro tipo de geometra puede ser empleado.

Canal
Espacio poroso

Enlace
Sitio

Espacio poroso

Figura 2-5: Representacin esquemtica del espacio poroso mediante sitios y enlaces. En la fila
superior se observa una porcin de un material poroso (derecha) y una ampliacin de dicha
estructura (izquierda). En la fila siguiente se muestra como se asocia el espacio poroso y los canales
a los sitios y enlaces respectivamente.

46

Consideremos un slido poroso cuyo espacio poroso est ocupado por un fluido
no mojante (ver Figura 2-6 ) , por ejemplo petrleo, el cual est siendo desplazado por un
fluido mojante como el agua a una velocidad infinitesimal y constante. En este lmite, las
fuerzas viscosas son dominadas completamente por las fuerzas capilares que actan sobre
la interfase petrleo-agua. Como el desplazamiento es cuasi-esttico, la diferencia de
presin entre los dos fluidos en la interfase est dada por la ecuacin de Young-Laplace12:

1 1
Pcap = Pn w Pw = +
r1 r2

(2.12)

en donde los subndice w y nw se refieren a la fase mojante (wetting) y a la no mojante

(nonwetting) respectivamente, es la tensin interfacial y r1 y r2 son los radios principales
de curvatura. Las fuerzas capilares son tales que el agua desplaza espontneamente al
petrleo, de hecho, para mantener una velocidad de flujo infinitesimal debe ser aplicado un
gradiente de presin negativo a travs del sistema.

Figura 2-6: Un fluido

mojante es aquel cuyo
ngulo de contacto , es
menor a 90, de modo que
el lquido puede fluir
fcilmente por la superficie.
En cambio si las fuerzas de
cohesin son mayores a las
de adhesin, es mayor
que 90 y hablamos de un
lquido no mojante.

> 90

> 90
<<9090

Las fuerzas capilares son ms fuertes en los espacios ms estrechos del medio
poroso, por lo que la interfase agua-petrleo avanzar por los poros de radios ms
pequeos, estando la dinmica del proceso gobernada por el radio local de los poros. Esto
es consistente con modelos tericos simples y observaciones experimentales13, en donde el
agua desplazaba al petrleo de los poros accesibles ms pequeos.
Cuando un fluido mojante (agua) desplaza espontneamente a uno no mojante
(petrleo) de un slido poroso hablaremos de imbibicin. Si es el no-mojante el que se
inyecta en el medio poroso y desplaza al mojante diremos que se produce un drenaje.

47

Como hemos visto, en la imbibicin el frente avanza por el espacio mas pequeo, con lo
que, si simulamos dicho fenmeno en una red de sitios y enlaces generada con el modelo
Dual, en donde cada sitio est conectado a enlaces de menor tamao, la interfase avanzar
preferentemente por los enlaces. De modo que, en la imbibicin el avance estar
determinado principalmente por el tamao de los sitios, que son los "ms difciles" de
ocupar. En cambio, en el drenaje son los enlaces los que limitan el avance del frente.

Figura 2-7: Representacin esquemtica de cmo un canal

poroso es ocupado por un fluido
mojante y uno no mojante.

No mojante

Mojante

Debemos distinguir dos tipos de percolacin invasiva, el primero y ms usado es la

percolacin invasiva con entrampamiento (TIP)

8 , 14

en donde se asume que el fluido

defensor es incompresible, por lo que puede ser entrampado si es rodeado por el fluido
invasor, en este caso se forman regiones aisladas de fluido defensor a las que llamaremos
islas. (Figura 2-8).
El otro modelo, la percolacin invasiva sin entrampamiento (NTIP) 8 asume que el
fluido defensor es compresible por lo que no habr entrampamiento.
Es claro que el primer modelo es el que ms se adecua para tratar el problema de flujo de
lquidos y es en el que nos concentraremos. En la versin estndar de este modelo se
trabaj con una red bidimensional slo de sitios, y se le asign a cada sitio un nmero
random uniformemente distribuido entre [0 , 1]. Luego, el fluido invasor fue inyectado en
el medio, desplazando en primer lugar al fluido defensor que ocupaba los sitios con el
menor nmero random, luego de invadir un sitio se debe controlar la formacin de
regiones de fluido defensor entrampado. Esta clase de procesos tiene dos umbrales de
percolacin (percolation threshold), el primero es cuando el fluido invasor arriba por
primera vez al extremo opuesto del medio que es el instante en donde se forma el cluster
percolante de fluido invasor y el segundo es cuando el fluido defensor cesa de percolar, es
decir, solo queda en el medio islas o fluido invasor. El algoritmo que emplearon fue el
siguiente :

48

Figura 2-8:
Representacin de una red
de LxL sitios y 2LxL enlaces, con
L = 5. Inicialmente la red est llena
con el fluido defensor (), en este
caso, un fluido no-mojante por
ejemplo petrleo. El fluido atacante
()

ser

agua

(mojante).

El

atacante entra por el extremo

superior de la red y desplaza al
defensor por la parte inferior. Por
simplicidad

se

han

supuesto

condiciones de borde cerradas en

los extremos izquierdo y derecho y
se han dibujado los sitios y enlaces
de un dado tamao.
En la Figura inferior el
fluido mojante ha invadido el slido
poroso y una fraccin del fluido
defensor ha sido extrado del slido
por su extremo inferior. La parte
encerrada entre lneas de punto es
una porcin de fluido defensor que
ha quedado entrampada por el
atacante, formndose una isla de
fluido defensor entrampado de
tamao 2. En la recuperacin de
petrleo por agua, cerca del 40%
del petrleo es entrampado por
agua15.

49

Algoritmo original para simular una TIP:

1. Se genera una red cuadrada de sitios aleatoriamente distribuidos entre [ 0 , 1 ).
Inicialmente todos los sitios estn ocupados con el fluido defensor.
2. Se identifica la fuente por donde el fluido invasor va a ingresar y el sumidero por donde
va a escapar el defensor. Esta eleccin depender del problema fsico bajo estudio. En
este caso la fuente y el sumidero son dos caras opuestas, los otros dos lados de la red
presentan condiciones de borde cerradas.
3. La interfase avanza ocupando el sitio ms pequeo disponible, es decir, un sitio primer
vecino que este en contacto con la interfase. Para hacer esto se debe recorrer toda la
interfase y seleccionar el menor elemento
4. Las regiones ocupadas por el defensor que estn desconectadas del sumidero son
entrampadas y no sern invadidas (Figura

2-8). La bsqueda de las regiones

entrampadas se realiza usando el algoritmo de Hoshen-Kopelman 16 (HK). Dicho

algoritmo recorre toda la red y etiqueta las distintas regiones entrampadas con un
nmero en particular para no invadirlas en el paso siguiente.
5. El proceso termina cuando el invasor alcanza el lado opuesto, en ese punto se forma el
cluster percolante y se almacenan las cantidades de inters (volumen invadido, nmero
de sitios-enlaces invadidos, cantidad de islas entrampadas, etc.). Dependiendo del
problema el proceso puede ser continuado hasta que no quede fluido defensor en la
red, es decir, slo queda fluido defensor entrampado y el invasor.
Este tipo simulaciones originan patrones del tipo de los mostrados en la Figura 2-9.
Existen dos diferencias importantes entre la percolacin ordinaria y la percolacin invasiva:
a) En la IP el invasor crece a lo largo del camino de menor resistencia y forma un
nico cluster. No como en la percolacin ordinaria en la cual se pueden formar
clusters desconectados.
b) La IP es un proceso dinmico , el cual sigue un secuencia determinada de sitios a
invadir.
La combinacin de estos dos efectos provocan un cambio en la clase de universalidad a la
que pertenece la TIP en substratos bidimensionales, respecto a la percolacin comn.

50

Esto esta avalado por un sin nmero de estudios numricos y simulaciones de Monte
Carlo. En 3 dimensiones no se ha reportado diferencias importantes en la dimensin fractal
del cluster percolante entre la TIP y la percolacin random (Df 2.53).

Fludo
Defensor

Fludo
Invasor

Figura 2-9: Representacin esquemtica de una simulacin de percolacin invasiva con

entrampamiento sobre una red bidimensional aleatoria de sitios y enlaces con L = 256. El fluido
invasor (en negro) fue inyectado por el borde izquierdo. El defensor es el color gris y el fluido
defensor entrampado est en blanco. La fotografa corresponde al instante en que el fluido invasor
llega por primera vez al extremo derecho. El sistema cuenta con condiciones de borde peridicas.

Este tipo de patrones fueron confirmados experimentalmente por Lenormand y Zarcone17,

que obtuvieron un valor de Df = 1.83 0.01 para el cluster percolante en excelente
acuerdo con el valor predicho por las simulaciones. En dicho trabajo, los autores
desarrollaron una tcnica que les permiti moldear una resina transparente mediante
tcnicas de fotograbado, con lo que generaron un red conteniendo 250000 canales con
diferentes radios. El fluido mojante (defensor) fue un aceite de parafina y el no mojante
(invasor) fue aire. La Figura 2-10 muestra los patrones que obtuvieron mediante esta clase
de experimentos. Cabe mencionar que para calcular la dimensin fractal fijaban un origen
O y contaban (a ojo!!!) la cantidad de canales invadidos dentro del cuadrado de LxL
centrado en O.
En cuanto a la estructura del camino que sigue el fluido, se han observado
diferencias importantes si se permite entrampamiento o no, y la pregunta de a que clase de
universalidad pertenece la IP ha sido investigado intensamente en los ltimos aos18, 19. Se
acepta que las propiedades de escaleo de la NTIP son consistentes con las de la percolacin

51

random, con una dimensin fractal de Df = 1.8959 para el cluster percolante sobre una red
cuadrada

de sitios19. Mientras

que para la TIP la dimensin fractal

aceptada es,

Df = 1.825, algo menor que la de la percolacin random. En otras palabras, hasta ahora se
asuma que las propiedades de escaleo de la TIP en dos dimensiones eran universales,
independientes del tipo de red y distintas de las de la percolacin random.
A principios del ao 2002, Knackstedt et al 19 publicaron resultados de TIP y NTIP
obtenidos de simulaciones sobre arreglos en 2D en donde reportaron estimaciones muy
precisas de la dimensin fractal del cluster percolante en diversos tipos de redes que
indicaban, en contra de lo que se supona, que las propiedades de escaleo de este modelo
no son universales y dependen del red. Los resultados indican que la Df del cluster
percolante en redes con bajo nmero de coordinacin Z , tienen el valor generalmente
aceptado de Df = 1.82, pero tiende al valor Df = 1.89 de la percolacin random para valores
de Z lo suficientemente grandes. Al aumentar la conectividad disminuye el efecto del
entrampamiento por lo que es de esperar este tipo de comportamiento. La Tabla 2-2
muestra dichos resultados.

Figura 2-10: A la izquierda se observa una fotografa del experimento de la Ref. 17, en la cual el
fluido mojante (negro) es desplazado por el no mojante (blanco), el cual ha sido inyectado desde el
extremo izquierdo. A la derecha se observa una ampliacin de la red en donde se puede apreciar
con detalle los canales y la interfase. La distancia aproximada entre nodos es de 0.8 mm.

52

Red
Sitios NTIP
Sitios TIP
Hexagonal
Cuadrada
Triangular
Estrella
Enlaces TIP
Cuadrada

Df
1.8959 (1)

3
4
6
8

1.831 (6)
1.825 (4)
1.890 (2)
1.896 (2)
1.822 (8)

Tabla 2-2: Valores de la dimensin fractal de varios redes en 2D. Dichos resultados fueron
extrados de la Ref. 19. El nmero entre parntesis indica el error estimado en la ltima cifra.

Sin embargo, la mayora de los procesos de percolacin invasiva que han sido
tratados hasta el presente no tienen en cuenta la presencia de correlaciones espaciales. La
naturaleza del desorden en mucha clases de medios porosos desordenados est lejos de ser
aleatoria y por el contrario existen correlaciones espaciales de cierta extensin. Sin
embargo, las propiedades de escaleo de modelos percolativos con correlaciones finitas son
las mismas a las de la percolacin ordinaria, siempre y cuando la longitud de escala de
inters sea mayor que la longitud de correlacin. Mas an, si la funcin de correlacin
decae ms rpido que:

C(r)
r - d

(2.13)

donde r es la distancia entre dos puntos y d la dimensin del sistema, las propiedades del
sistema son idnticas a las de la percolacin esttica7. Ahora bien, en los reservorios de
petrleo o de agua, hay presente correlaciones de largo alcance cuya extensin es la misma
o comparable con la extensin del sistema. El Modelo Dual presenta correlaciones que
pueden describir este tipo de comportamiento y como vimos en el captulo anterior estn
dadas por:

C(r)
e

r
r0

(2.14)

Dicha red es construida mediante el agregado de enlaces diagonales al red cuadrado.

53

Si r0 1 la curva descripta por (2.14) ir siempre por debajo de la (2.13), por lo que las
propiedades del sistema sern las mismas que las de la percolacin esttica. Pero si r0 > 2 la
situacin se revierte y en este caso las propiedades del sistema sern diferentes.
Aumentando el valor de r0 se pueden lograr correlaciones del orden del tamao del sistema.
Las ec. (2.13) y (2.14) describen sistemas en los cuales las correlaciones decrecen a medida
que se incrementa r. La percolacin con correlaciones de largo alcance en las cuales C(r) se
incrementa cuando crece r presenta caractersticas muy distintas a las anteriores. Un
proceso estocstico con una funcin de correlacin que se incrementa con r es el
movimiento fraccional Browniano (FBM) 20 en donde:

C (r)
r 2H

(2.15)

H es el exponente de Hurt y slo son de inters fsico los H > 0, en especial los H <1/2 ya
que para esos valores el cluster percolante presenta dimensin fractal, mientras que para
H>1/2 las correlaciones son positivas y el racimo percolante es compacto.
Sahimi 21 fue el primero en proponer un proceso percolativo con este tipo de correlaciones.
La motivacin para usar esta clase de modelo provino de los trabajos de Hewett22, quien
analiz la distribucin de permeabilidad y la porosidad de rocas heterogneas a grandes
longitudes de escala, (del orden de cientos de metros) y mostr que la distribucin de
permeabilidad de ciertos reservorios de petrleo y de agua podran ser descriptos por el
FBM.
Lo anterior justifica un estudio en profundidad de cmo la percolacin invasiva es afectada
por las correlaciones del tipo de las generadas por el modelo Dual. Para ello utilizaremos
un modelo de sitios y enlaces23 que es ms representativo de un slido poroso real.
En el captulo siguiente nuestro objetivo ser mostrar como son afectados los diferentes
parmetros de inters de la TIP realizada sobre redes cuadradas de sitios y enlaces ante la
presencia de correlaciones espaciales generadas por el Modelo Dual, en particular veremos
que anlogamente con la conectividad, la Df

del cluster percolante aumenta con la

correlacin y tiende al valor de la dimensin fractal del cluster percolante de la percolacin

random.

54

Referencias:

J. M. Hammersley, Proc. Cambridge Phil. Soc. 53, 642 (1957).

Golomb, American Mathematical Monthly, 61, 672 (1954).

Harary, Graph Theory and Theoretical Physics, Academic Press (1965).

A. R. Conway and A. J. Guttmann, J. Phys. A 28, 891 (1995).

M. E. Fisher, Physics, 3, 255 (1967).

R. Zallen, The Physics of Amorphous Solids , John Willey & Sons, NY (1983).

D.Stauffer, Introduction to Percolation Theory, Taylor & Francis (1985).

D. Wilkinson and J. Willemsen. Invasion percolation: a new form of percolation theory. J. Phys
A: Math. Gen. 16, 3365 (1983).

Lenormand, R. and S. Bories, C. R. Acad. Sci. Paris B291, 279 (1980).

10

Chandler R., Koplij J., Lerman K., and J. Willemsen. J. Fluid Mech. 119, 249 (1982).

11

Lin C. and Cohen M. J. Appl. Phys. 53, 6 (1982).

12

LS. J. Gregg, K. S.W. Sing, Adsorption, Surface Area and Porosity, Academic Press, New
York (1982).

13

R. Lenormand, E. Touboul and C. Zarcone Numerical models and experiments on

immiscible displacements in porous media. J. Fluid Mech. 189, 165 (1988).
14

Madalena M. Dias and D. Wilkinson. Percolation with trapping. J. Phys A: Math. Gen. 19,
3131 (1986).
15

Martin J. Blunt and Harvey Scher. Pore-level modeling of wetting. Phys. Rev. E. 52, 6387
(1995).
16

Hoshen J. And Kopelman R. , Percolation and cluster distribution I. Cluster multiple labeling
technique and critical concentration algorithm. Physical Review B. 14, 3438 (1976).
17

Lenormand, R. and Zarcone C. Invasion Percolation in a Etched Network: Measurement of a

Fractal Dimension. Physical Review Letters. 54, 2226 (1985).
18

Mark A. Knackstedt, Muhammad Sahimi and Adrian P. Sheppard. Invasion

percolation with long-range correlations: First-order phase transition and nonuniversal properties. Phys.
Rev. E. 61, 4920 (2000).

55

19

Mark A. Knackstedt, Muhammad Sahimi and Adrian P. Sheppard. Nonuniversality of

invasion percolation in two dimensional systems. Phys. Rev. E. 65, 035101(R) (2002).

20

B. B. Mandelbrot and J. W. Van Ness. SIAM Rev. 10, 422 (1968).

21

M. Sahimi. J. Phys I. 4, 1263 (1994).

22

T. A. Hewett. Society of Petroleum Engineers Report No. 15386. (1986).

23

M. Sahimi, M. Hashemi and J. Ghassemzadeh. Site-bond invasion percolation with fluid

trapping. Physica A. 260, 231 (1998).

56

Capitulo 3

Resultados de la Percolacin Invasiva con Correlacin

57

3.1.- Resultados de la percolacin invasiva de sitios y enlaces con

entrampamiento sobre redes correlacionadas en 2D.
Nuestras simulaciones fueron realizadas sobre redes cuadradas de sitios y enlaces
con conectividad constante Z = 4 (cada sitio tiene 4 enlaces), construidas en base al modelo
dual y de tamao lineal L . Las distribuciones de sitios y enlaces fueron las mismas que se
usaron en el captulo 1, es decir, distribuciones uniformes con r

comprendido en

[ 1.5 , 2.5] para sitios y la de enlaces era desplazada hasta obtener el traslape deseado. El
valor de L fue variado desde 32 a 512, dependiendo del traslape. Para evitar efectos de
tamao finito se utilizaron condiciones de borde peridicas1 en los laterales y, la eleccin
del valor del L mnimo, Lm i n , fue realizado en base a la discusin del captulo 1 en donde
concluimos que una buena eleccin es: Lm i n > 10 r0 . Todas las simulaciones fueron
promediadas, dependiendo del tamao de L , entre 5000 y 10000 veces para las redes con
128 L y entre 500 y 1000 promedios para las redes con 128 < L < 300.

Figura 3-1: Esquema ilustrativo de las condiciones iniciales del proceso invasivo. El fluido
invasor es inyectado desde la izquierda a travs de los enlaces, desplazando al fluido defensor que al
inicio de la simulacin ocupa todo el espacio poroso. Los enlaces en lnea de puntos nos dan idea
de las condiciones de borde peridicas en los laterales. Por simplicidad sitios y enlaces presentan el
mismo tamao.

Se supone fluidos incompresibles con lo que el fluido defensor slo puede retraerse
y escapar por la arista opuesta por la que es inyectado el atacante. Las otras dos caras

58

poseen condiciones de borde peridicas. El esquema de la Figura 3-1 nos da una idea de
las condiciones iniciales del proceso.
Simularemos un proceso de imbibicin, por lo que el fluido invasor ser mojante y la
invasin comenzar por el enlace ms pequeo de la izquierda. El algoritmo utilizado es
similar al de la seccin anterior, salvo ciertas diferencias que sirven para acelerar las
simulaciones. El algoritmo empleado fue el siguiente:
1. Se genera una red cuadrada de sitios y enlaces de un determinado traslape en base al
Modelo Dual. Inicialmente todos los sitios y enlaces estn ocupados con el fluido
defensor.
2. Se identifica el menor de los enlaces de la cara izquierda y se lo invade.
3. Se actualiza la interfase, es decir, se agregan a la lista de elementos a invadir, todos los
primeros vecinos disponibles del ltimo elemento invadido. Si el ltimo elemento
invadido fue un enlace se agrega a la lista un sitio, si fue un sitio se pueden llegar a
agregar tres enlaces. Dicha lista es automticamente ordenada de menor a mayor.
4. Las regiones ocupadas por el defensor que estn rodeadas por el invasor son
entrampadas y no sern invadidas. Para detectar las regiones entrampadas usamos un
algoritmo recursivo2 que ha mostrado ser entre un 30 y un 40% ms veloz que el de
Hoshen-Kopelman.
5. Se invade el primer elemento de la lista ordenada en el paso 3 y se actualiza dicha lista.
6. El proceso termina cuando el invasor alcanza el lado opuesto, en ese punto se forma el
cluster percolante y se almacenan las cantidades de inters (Volumen invadido, nmero
de sitios-enlaces invadidos, cantidad de islas entrampadas, etc.). Si an no se ha
formado el cluster, se vuelve al punto 3.
7. A la red generada en el punto 1) se la termaliza un determinado nmero de pasos de
Monte Carlo hasta alcanzar el equilibrio (por lo que aumenta la longitud de correlacin
espacial r0 ) y se realiza una nueva TIP en esta nueva red.
La principal modificacin introducida al algoritmo original est en el punto 3), en donde se
ha creado una lista para almacenar en forma ordenada de menor a mayor todos los
elementos que pueden ser invadidos. Esto hace mucho ms eficiente el algoritmo ya que no
es necesario recorrer en cada paso de la invasin toda la interfase buscando el menor

59

elemento disponible. La otra modificacin es haber reemplazado el algoritmo HK de

deteccin de regiones entrampadas por uno del tipo recursivo.
Esta claro que debido a la naturaleza dinmica de la IP y el hecho de permitir el
entrampamiento, las simulaciones de TIP consumen mucho ms tiempo de clculo que las
de percolacin ordinaria. Como el lector debe haber notado el paso 4) es el ms caro,
computacionalmente hablando, ya que, en cada paso de invasin se debe recorrer la red por
completo para detectar islas entrampadas. Esto es altamente ineficiente, ya que un pequeo
cambio local implica una bsqueda global en toda la red. Para restringir la bsqueda de islas
a una regin lo ms local posible, se podran emplear tcnicas computacionales como las de
la Ref. 3 , las cuales estn siendo analizadas para su posterior utilizacin y as acelerar los
tiempos de clculo y poder tratar sistemas de mayor tamao, en especial sistemas en 3D,
los cuales necesitan para traslapes mayores a 0.8 una Lmin > 200 con lo que las simulaciones
se vuelven extremadamente lentas.
Al presente hemos logrado simular una TIP sobre redes bidimensionales de tamao lineal
L = 512 en un tiempo de alrededor de 150 minutos utilizando Pentium III de 700 Mhz
bajo Linux, si utilizamos L = 256, el tiempo de clculo disminuye a unos 10 minutos. Al
tiempo necesario para simular el fenmeno, se le debe agregar el necesario para construir la
red y llevarla al equilibrio, lo que, como hemos visto, puede ser muy costoso para traslapes
altos. Cuando el frente alcanza por vez primera algn sitio de la columna derecha el
sistema llega al breakthrough y su aspecto es el que se aprecia en la Figura 3-2. En la
misma Figura tambin se represent el mapa topogrfico de la superficie para = 0 y la
dinmica del proceso, es decir, como avanza temporalmente el fluido4.
Si las redes utilizadas son no correlacionadas ( = 0 ) , estamos en las mismas condiciones
que las de la TIP ordinaria, por lo que tendramos que recuperar la dimensin fractal,
Df 1.82 obtenida en trabajos anteriores5. Para calcular la Df graficamos en una escala
doble-logartmica el tamao del cluster (como hay sitios y enlaces, contamos por separado
el nmero de sitios y el de enlaces) percolante versus L . La pendiente de estas curvas
equivalen a la dimensin fractal para sitios y para enlaces, y como se observa, los datos de
la simulacin estn en un muy buen grado de acuerdo con los valores clsicos. Con una
Df = 1.828 para sitios y Df =1.82 para enlaces. Tambin calculamos la Df correspondiente
a la suma de sitios y enlaces, obtenindose Df = 1.821.

La simulacin de mayor tamao reportada de una TIP sobre una red cuadrada bidimensional es para
L = 8192. (Ref. 5)

60

RS = 3.0

RS

RS = 2.0

t= 0

t = 50000

t [Pasos de Invasin]

Figura 3-2: La ilustracin superior representa una superficie generada por el Modelo Dual con
L = 512 y traslape 0. El tamao de los sitios esta distribuido uniformemente entre 2 (azul) y 3
(verde). La figura siguiente (izquierda) muestra el instante de tiempo cuando el fluido invasor (rojo)
lleg al breakthrough, luego de haber invadido 49135 sitios y 133781 enlaces (182916 pasos de
invasin). Las zonas en gris corresponden al fluido defensor entrampado. La figura de la derecha
representa la dinmica del proceso, en ella se aprecia la secuencia temporal (en intervalos de 50000
pasos de invasin) de invasin del fluido.
Nota: De 500 redes generadas con L = 512, se eligi est red, ya que es la estadsticamente ms
representativa .

61

 = 0.0

162755
59874
22026

M 8103
2981
1097

(En laces + Sitios): D f = 1.821 ( 0.003)

En laces: D f = 1.820 ( 0.003)
Sitio s: D f = 1.828 ( 0.002)

403
148
32

55

148

403 512

Figura 3-3: Representacin sobre una escala doble-logartmica del nmero de sitios, enlaces y el
total de elementos invadidos versus el tamao lineal L del sistema. Las lneas llenas, de trazos y
punteadas representan los ajustes lineales respectivos. La barra de error de cada punto no se la ha
representado ya que es del orden del tamao del smbolo.

Nr o . Isla s (%)

0.5

0.4

0.3

0.2

0.1

0.0
0

Tam a o

10

11

12

Figura 3-4
Histograma de la distribucin de islas de sitios. Casi el 50% corresponden a islas de tamao 1. Se ha
graficado slo hasta un tamao 12, ya que las islas de mayor tamao son muy escasas (pero existen
y debido a su tamao influyen fuertemente en el proceso).

62

Como era de esperar la recta correspondiente a los enlaces va por encima de la de sitios
(recordemos que hay el doble de enlaces que de sitios y, adems, cuando no hay traslape,
todos los enlaces son ms pequeos que los sitios y por lo tanto ms fciles de invadir).
Estos resultados numricos estn avalados por trabajos tericos6 en donde se obtuvieron
aproximaciones analticas del valor de Df

para la percolacin invasiva con y sin

entrampamiento utilizando RTS (run time statistic) y transformaciones de escala.

En cuanto a la estadstica de islas, en la Figura

3-4 se ha representado la

distribucin de tamao de islas de sitios en el breakthrough. El histograma nos muestra la

gran cantidad de islas de pequeo tamao que se producen, alrededor del 90% de las islas
son menores a 5 y la mitad corresponde a islas de tamao 1.
Se ha demostrado7 que el exponente crtico universal de la percolacin esttica es el
mismo que el de la TIP, con lo que el anlisis hecho anteriormente es vlido y por
analoga, en el umbral crtico el nmero de cluster de tamao s debe escalear de acuerdo a
la ec.:

ns s

(3.1)

Graficando en un escala doble logartmica el nmero de cluster de tamao s versus s

podremos obtener una estimacin del valor de a partir de la pendiente del ajuste lineal de
los datos. En la Figura 3-5 se observa dicha grfica y el valor que se obtuvo fue 1.90 .
Este valor no est dentro del intervalo (2,3] discutido anteriormente. La desviacin se debe
a la gran variacin de las diferentes configuraciones de cluster y al tamao finito del
sistema, esto ltimo se aprecia en la gran dispersin que hay en los datos para s grandes.
Una forma ms adecuada de estudiar la estadstica del tamao de los clusters es calculando
N S (s) , la fraccin de sitios que estn contenidos en cluster de tamao s y ms grandes que
s.

N s (s) = sn s
s>

(3.2)

es de esperar que esta cantidad escalee como:

N s (s) s 2 -

(3.3)

Como NS es una funcin decreciente de s , no es posible que ajustando la ec. (3.3)

obtengamos un valor para menor a 2. En la Figura 3-6 se ve claramente que la porcin

63

recta de la curva tiene pendiente negativa, como era de esperar. El valor obtenido a partir
del ajuste de la ec. (3.3) para diferentes valores de L fue de 2.06 , lo que esta en un
muy buen grado de acuerdo con el valor de la percolacin esttica.
10

10

10

-1

10

-2

10

-3

10

-4

Ns

L = 256
L = 512
10

10

10

10

10

Figura 3-5: Grfica de ns vs. s para una red de L =512. La lnea a trazos representa el ajuste lineal y
su pendiente nos da el valor de -. (El exponente de Fisher). Observes como aumenta la
dispersin en los datos a medida que crece s.

2980.96
1096.63
403.43
148.41
54.60

ns

20.09
7.39
2.72
1.00
0.37
0.14
0.05
0.02
0.01
0.00
1

20

55

148

250

Figura 3-6: Distribucin de tamaos de islas entrampadas acumulada en el umbral NS , vs. s para
dos valores de L. La lnea a trazos representa el ajuste lineal.

64

Los primeros indicios sobre la naturaleza de la dinmica de la TIP provienen de los

trabajos experimentales de Shaw8, en los cuales llenaba un medio poroso con agua y lo
secaba con aire caliente, de esta manera, se formaba con los poros secos un racimo de
percolacin con la misma dimensin fractal de la TIP. En dichos experimentos se observ
que el frente se desplazaba invadiendo rea locales. En la Figura 3-2 tambin se puede
observar la dinmica de la TIP sin correlacin y el comportamiento es anlogo al reportado
experimentalmente, es decir, una vez que un nuevo sitio fue invadido, la interfase tiende a
permanecer en esa vecindad. El crecimiento dentro de un intervalo de tiempo t tiende a
ocurrir dentro de una "regin", y las diferentes regiones coloreadas tienen una extensin
lineal rt similar entre s, de hecho, se encuentra que para la TIP de sitios rt t

1 /D

. Esto

puede ser explicado cualitativamente de la siguiente manera:

Al principio, el frente invasor agota todos los poros "fciles de invadir", luego, fuerza al
invasor a una nueva regin travs de un "poro difcil", el cual puede tener vecinos "fciles
de invadir", esta regin es recorrida por el frente hasta que todos los poros "fciles" se
agotan y nuevamente va en busca de otra regin (poro difcil).
Para obtener una estimacin cuantitativa de esta correlacin temporal, se debe calcular la
funcin de correlacin de pares, N (r,t), la cual nos da la probabilidad de que un sitio, a
una distancia r de un sitio de referencia, sea invadido en un tiempo t ms tarde que el sitio
de referencia.
Si bien en este trabajo no profundizaremos sobre la dinmica de la TIP,
observaremos importantes diferencias cualitativas cuando en la TIP se introducen
correlaciones espaciales, lo que amerita un posterior estudio sobre el tema. La ref. 4 es un
excelente punto de partida para tratar este tpico.
Ya hemos visto que para el caso no correlacionado nuestros datos estn en
concordancia con los de la TIP, y todos los parmetros estudiados nos sugieren que
pertenece a la misma universalidad de la percolacin esttica. El prximo paso ser ver
como influye en ellos la correlacin. Para empezar en las Figuras I, II, III y IV, hemos
representado el cambio cualitativo que se produce sobre la estructura del racimo percolante
debido a la variacin de la topografa de la superficie, provocado por el aumento de la
correlacin. La distribucin de estas figuras segn la columna es la siguiente:
1. Topografas de las superficies, el sitio de menor tamao est en azul y el ms grande en
verde claro.

65

2.0

RS

3.0

0 64 128

256

512

50000 t[Pa s o s d e I nv a si n]

Figura I (
= 0.5) : Islas= 3929 - VS.= 0.13872 - Vb.= 0.46566 - Sitios= 51648 - Enlaces= 135636 - v m = 0.00275
Islas= 4072 - VS.=0 .13602 - Vb.= 0.45593 - Sitios= 52462 - Enlaces= 132690 - v m = 0.00281

Figura II (0.7): Islas=3748 - VS.=0.1537 - Vb.= 0.47503 - Sitios= 57890 - Enlaces= 145549 - v m = 0.00252
Islas=4779 - VS =0.13636 - Vb.= 0.42202 - Sitios= 51998 - Enlaces= 131277 - v m = 0.00279

2.0

RS

3.0

0 64 128

256

512

50000 t [P a so s d e Inv asin ]

Figura III (0.8): Islas= 4529 - VS = 0.14232 - Vb.= 0.4232 - Sitios= 54380 - Enlaces= 131632 - v m = 0.00275
Islas= 5152 - VS = 0.13118 - Vb.= 0.40317 - Sitios= 52272 - Enlaces= 131117 - v m = 0.00279

Figura IV (0.9): Islas= 5969 - VS = 0.141 - Vb.= 0.421 - Sitios= 55696 - Enlaces= 136068 - v m = 0.00267
Islas= 5776 - VS = 0.135 - Vb.= 0.390 - Sitios= 53899 - Enlaces= 132752 - v m = 0.00274

2. Racimo invasor (rojo) e islas de fluido entrampado (gris claro) en el umbral percolante.
3. Dinmica del proceso hasta el breakthrough, los diferentes colores representan
intervalos de 50000 pasos de invasin (las islas entrampadas estn en gris ).
Adems la primer fila de cada juego de Figuras es para t = 0 y la segunda fila para t = t e q .
Si observamos slo las primeras filas de cada conjunto de fotos , vemos que el racimos
percolante se vuelve mas compacto a medida que aumenta la correlacin (dejemos de lado
por ahora la correspondiente a =0.9).
En la Figura 3-7 se muestra la dependencia con de vm , la velocidad media del frente,
definida como:
vm =

L
N

(3.4)

donde N es el nmero de pasos invasivos necesarios para atravesar la red de longitud L y

llegar al otro extremo.
En dicha grfica se han representado dos curvas, la de smbolos llenos (t=0) son
simulaciones realizadas sobre redes sin relajar, es decir redes que han alcanzado el Principio
de Construccin por primera vez. La otra curva esta asociada a redes que han sido relajadas
hasta que su longitud de correlacin lleg al equilibrio. Este tipo de anlisis ser muy
comn de aqu en adelante. Debe tenerse en cuenta que la curva t = t e q puede verse como
la curva a t =0 pero con una longitud de correlacin espacial mayor. Se observa que vm
( t = 0 ) flucta alrededor de vm = 0.0051 y logra su mximo valor para = 0.9, es decir el
frente de invasin avanza con una efectividad levemente mayor para traslapes altos. ( Si
bien, el valor logrado en = 0.5 est muy cercano al de = 0.9 ).
Para la curva t = t e q el efecto de la correlacin se aprecia ms claramente y se observa que
a medida que crece el traslape (la correlacin) aumenta la efectividad de la velocidad media
del frente invasor hasta el breaktrough. El por qu aumenta Vm lo discutiremos ms
adelante.

66

Ve lo c i d a d m e d i a e n e l U m b r a l

0.0064

t= 0
t= t eq

0.0062
0.0060
0.0058
0.0056
0.0054
0.0052
0.0050
0.0048
0.0046
0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Figura 3-7: Dependencia de la velocidad media con el traslape . Los smbolos llenos
corresponden a simulaciones realizadas sobre redes sin relajar. Los smbolos vacos a redes que han
alcanzado su equilibrio, es decir, su longitud de correlacin se ha estabilizado. Las lneas son slo
guas y las barras indican los errores estadsticos.

Otra cantidad de inters en el umbral de percolacin fue la fraccin de volumen

invadido, V s y V b para sitios y enlaces respectivamente. Esta se muestra en la Figura 3-8,
donde se ha supuesto una geometra esfrica para los sitios y una cilndrica para los enlaces.
En el caso de estos ltimos se supone adems que todos poseen la misma longitud unitaria.
Para la curva correspondiente a t = 0 no se observa un cambio apreciable en Vs al variar
el traslape.
La curva para t = t e q se comporta en forma similar a la curva sin relajar hasta 0.6 que
es donde la longitud de correlacin espacial comienza a separarse del valor que tiene en las
redes con t = 0. A partir de este traslape el volumen invadido empieza a disminuir
alcanzando un mnimo alrededor de

0.75 para luego aumentar levemente. La

presencia de este mnimo se puede explicar observando las fotos de la Figura III, en

67

donde se represent una red de L = 512 con un traslape de = 0.8 antes y despus de
relajar.
0.180
0.175
0.170
0.165

Vs

0.160
0.155
0.150
0.145
0.140
0.135

t= 0
t= t eq

0.130
0.125
0.120
0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Figura 3-8: Fraccin del volumen de los sitios invadidos hasta el momento del breakthrough en
funcin de . Las barras indican los errores estadsticos y las lneas son slo guas.

Al principio, (sin relajar) la topografa nos muestra una superficie dividida en parches de
un tamao medio de aproximadamente 10 unidades de ltice, recordemos que estos
parches son regiones de sitios y enlaces de tamaos similares, y que cuanto ms grande es la
longitud de correlacin ms extensos sern dichos parches. Ante este paisaje, el frente
invasor ingresa al primer parche que encuentra disponible e invade un sitio (enlace); como
los vecinos de ese elemento invadido son de un tamao muy similar (ya que pertenecen al
mismo parche) el frente continua invadiendo gran parte de la superficie de la regin hasta
que no queden ms elementos similares para invadir, en ese punto el frente viajar a otro
parche y as sucesivamente hasta el breakthrough. Adems, como los parches no son muy
grandes, hay poca probabilidad de que se produzcan grandes entrampamientos dentro de
los parches, en su interior slo podr haber pequeas islas (menores al tamao medio del
parche). Sin embargo, se observan grandes entrampamientos en el sistema, los cuales son
generados por conjuntos de parches que encierran regiones de fluido defensor.
Ahora bien, cuando relajamos la red, el efecto es que aumente la longitud de correlacin, es
decir, aumenta el tamao medio del parche por lo que de tener un sistema con muchos

68

parches pequeos, pasamos a tener un sistema con unos pocos parches grandes. Para el
frente invasor un parche sigue siendo un parche y una vez que ingresa en uno de ellos, le es
"ms favorable" permanecer en l. La diferencia est en que, debido a la gran extensin y la
poca cantidad de los nuevos parches, lo ms probable es que, una vez que el invasor
ingrese a uno, lo recorra hasta agotarlo, salte al siguiente parche, lo recorra, etc. pero esto
slo lo puede hacer pocas veces (debido a la poca cantidad de parches). Al tercer o cuarto
parche recorrido, el fluido habr llegado al otro extremo. Tngase presente que as como
hay parches de sitios-enlaces pequeos, tambin los hay de sitios-enlaces grandes muy
difciles de invadir y, adems, stos pueden envolver a los parches "fciles de invadir"
hacindolos inaccesibles para el fluido invasor.
Esta suma de factores hace que para un dado traslape, cuanto mayor sea su tiempo de
relajacin menor ser la efectividad de la invasin en cuanto al volumen invadido hasta el
breakthrough, es decir menor ser el volumen invadido. Obviamente esto implica un
aumento en la velocidad media para traslapes > 0.6. Dicho mecanismo de llenado puede
ser confirmado apreciando las fotografas de las Figuras II y III de la dinmica del proceso.
En la Figura 3-9 se observa la distribucin de islas versus el ln(s)/ln(2) para redes de
L = 256 y = 0.8 antes y despus de relajar, junto con la correspondiente para redes con
traslape cero. Como se discuti previamente, la curva para t = 0 nos muestra una mayor
1096.63

=0

403.43
148.41
54.60

Ns

20.09
7.39
2.72
1.00
0.37

= 0.8

0.14

t= 0
t = t eq

0.05

s = 128

0.02
0

ln (s)/ln (2)

10

12

14

Figura 3-9: Distribucin del tamao de islas en el breakthrouhg para redes de L = 256 y diferente
traslape.

Las islas de tamao s =1 estarn en ln(1)/ln(2) =0, las de s = 2, 3 en 1, las de s = 5,6,7 en 3 y as siguiendo....

69

cantidad de islas de tamao 1 que la curva correspondiente a (t = t e q ), debido

principalmente a que los parches pequeos presentes en las redes sin relajar favorecen la
creacin de islas menores que al tamao medio de los parches. A medida que s aumenta, es
la curva (t = t e q ) la que presenta mayor nmero de islas de tamao intermedio, esto ocurre
ya que los parches de mayor tamao de las redes relajadas permiten la formacin de islas
ms grandes en su interior, esta tendencia se mantiene hasta que s 128 ; observando las
Figuras III vemos que este valor coincide con el tamao medio aproximado de los parches.
Este tamao medio de parche dificultar la formacin de islas mayores, ya que para que
esto ocurra se tiene que formar parches mayores a 128, es decir, mayores a la media. En
cambio en las redes sin relajar se pueden formar ms fcilmente estas islas mediante un
conjunto de pequeos parches invadidos que rodeen grandes regiones de fluido defensor y
as formar islas entrampadas mayores a 128.
Como hemos visto, para superficies relajadas en = 0.6 comienza la formacin de
parches, y estos aumentan en tamao a medida que aumenta el traslape. Cuando el fluido
invasor ingresa a uno de ellos le es muy fcil continuar dentro de l (debido a la similitud de
tamao de los elementos dentro de l), lo que dificultar la creacin de islas de tamao
mayor que el del parche medio. Adems, como para tales valores de traslape existen pocos
parches (pero de gran extensin) el fluido, luego de invadir un escaso nmero de ellos,
rpidamente llegar al otro extremo haciendo que el volumen invadido disminuya. Segn
esto, cuanto ms grande sean los parches menor tiempo tardar el invasor en alcanzar el
extremo opuesto del sistema y menor ser el volumen invadido. Sin embargo la Figura 3-8
nos muestra que esta tendencia del volumen a disminuir a medida que el traslape aumenta,
se revierte en

0.75 en donde empieza a aumentar. Para comprender este

comportamiento observes las Figuras III y IV, especialmente las correspondientes a la

dinmica del proceso, en ellas se observa que a partir de = 0.8 la dinmica del llenado de
los parches cambia en forma cualitativa. Los parches son invadidos capa a capa
comenzando desde su parte central, esta invasin por capas contina hasta que una capa de
fluido invasor llega a la frontera del parche, en ese instante el frente buscar la forma ms
fcil de llegar a otro parche para nuevamente llenarlo desde el interior al exterior, en forma
de capas que siguen la forma del permetro del parche. Esto ocurre debido que a traslapes
tan altos, el parche mismo presenta una estructura con un cierto orden, y como el lector

70

sospecha, los sitios-enlaces ms pequeos estn en la zona central, y a medida que nos
acercamos al borde, encontramos los elementos ms grandes. La aparicin de este
gradiente de tamao provoca tan particular mecanismo de llenado de estas regiones, lo que
da lugar a un menor entrampamiento (dentro de los parches) y en consecuencia a un
aumento del volumen invadido. Este comportamiento no monnoto de ciertas cantidad
como funcin del traslape se ha observado en el umbral percolativo en sistemas
correlacionados de sitios-enlaces9
Como puede apreciarse en las Figura 3-10, la distribucin del tamao de islas para los
distintos traslapes presentan, cualitativamente, caractersticas similares al caso sin traslape,
predominando las islas de menor tamao. Alrededor del 90% de las islas son de un tamao
menor a 5 (independientemente del traslape) y la mitad o ms corresponde a islas de
tamao 1 (para = 0.8 el 65% de las islas son de tamao unidad).

0.7

0.7

= 0.55

Nr o . Isl a s (% )

0.6
0.5

t= 0
t = t eq

0.5

0.4

0.4

0.3

0.3

0.2

0.2

0.1

0.1
0.0

0.0
0

0.7

T a m a o (s)

10

11

12

0.7

= 0.8

0.6

Nr o . Isl a s (% )

= 0.7

0.6

t= 0
t = t eq

0.4

0.3

0.3

0.2

0.2

0.1

0.1

11

12

t= 0
t = t eq

0.5

0.4

10

= 0.9

0.6

t= 0
t = t eq

0.5

T a m a o (s)

0.0

0.0
0

T a m a o (s)

10

11

12

T a m a o (s)

10

11

12

Figura 3-10: Histograma de las distribuciones de islas en el breakthrough para diferentes traslapes y
con redes sin relajar y en equilibrio. En todas las grficas se incluy la correspondiente a = 0
como referencia. Slo se grafic hasta un tamao s =12 debido que las islas ms grandes son
escasas, pero tngase muy presente que existen y su gran superficie afecta considerablemente el
proceso.

71

Debido a la gran cantidad de islas de pequeo tamao en la Figura 3-11 se represent la

dependencia de las islas de tamao s = 1 y s = 2 con el traslape. Se observa que todas la
curvas presentan un mnimo en 0.6 , y luego aumentan hasta lograr sus valores
mximos para 1. Este comportamiento est ntimamente relacionado con el efecto de
las correlaciones espaciales sobre la invasin. Recurdese que, alrededor de 0.5 , el
tamao medio del parche vale una unidad de red y, a medida que aumenta la correlacin, se
incrementa el tamao medio de parche. As, dependiendo del tamao medio del parche,
ser el tamao de isla que pueda formarse dentro de l. Obviamente, si por ejemplo, los
parches son de 2 unidades, ser muy poco probable que se formen en su interior islas de
una unidad, ya que una vez invadido uno de los sitios al fluido le resultar muy fcil invadir
el otro debido a su similitud de tamao. Y como el fluido prefiere viajar por los parches la
formacin de islas de ese tamao se ver disminuida.
900

(s = 1)
t = 0
t = t eq

800

Nr o . d e Isla s

700
600
500

(s = 2)
t = 0
t = t eq

400
300
200
100
0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Figura 3-11: Nmero de islas de tamao s = 1 y s = 2 en funcin del traslape y para diferentes
tiempos.

72

La cantidad total de islas en el umbral presenta un comportamiento similar al de las islas de

s =1 debido a la gran cantidad de estas. La Figura 3-12 muestra este comportamiento.

Nr o . d e Isla s e n e l U m b r a l

1700
1600
1500
1400
1300
1200
1100

t= 0
t = teq

1000
900
0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Figura 3-12: Nmero total de islas del defensor en el umbral de percolacin en funcin del
traslape.

En la Figura 3-13 se observa la distribucin de islas versus el ln(s)/ln(2) para redes de

L = 256 y dos traslapes, = 0.7 y = 0.5 antes y despus de relajar, junto con la
correspondiente para redes con traslape cero. La curva correspondiente al traslape ms alto
presenta un comportamiento anlogo al de la Figura 3-9 y como se discuti previamente,
la curva para t = t e q presenta mayor cantidad de islas en comparacin con la de t = 0, esta
tendencia se mantiene hasta que s es del orden del tamao medio del parche, a partir de
este valor la tendencia se revierte y es ms probable encontrar islas de mayor tamao en las
redes sin relajar.. Para las redes de traslape menor no se aprecia este efecto debido a que las
correlaciones son despreciables.

Las islas de tamao s =1 estarn en ln(1)/ln(2) =0, las de s = 2, 3 en 1, las de s = 5,6,7 en 3 y as siguiendo....

73

1096.63

1096.63

=0

403.43

148.41

54.60

54.60

20.09

20.09

7.39

7.39

2.72

2.72

Ns

=0

403.43

148.41

1.00

1.00

= 0.5

0.37

0.37

t =0
t = t eq

0.14
0.05

= 0.7

0.14

t =0
t = t eq

0.05

s = 64

0.02

0.02
0

10

12

14

ln (s)/ln (2)

10

12

14

ln (s)/ln (2)

Figura 3-13: Idem que la Figura 3-9 pero para distintos traslapes. Estas grficas corroboran el
efecto de las correlaciones sobre la formacin de islas.

Dimensin fractal:
Graficando en una escala doble logartmica la masa del cluster percolante podemos
obtener su dimensin fractal. Esto se hizo para la masa de los sitios, los enlaces y la suma
de ambos y se obtuvieron sus correspondientes dimensiones fractales. En la Figura 3-14 se
han graficado los ajustes y en la Figura 3-15 se puede observar como vara la dimensin
fractal con el traslape.

Sitio s + En laces (t = 0)
Sitio s + En laces (t = t e q )

Sit ios + En laces (t = 0)

Sit ios + En laces (t = t e q )

59874
22026

= 0 .7

= 0 .5

162755

8103
2981
1097
403

Sitios (t = 0)
Sitios (t = t e q )

Sit io s (t = 0)
Sit io s (t = t e q )

En laces (t = 0)
En laces (t = t e q )

En laces (t = 0)
En laces (t = t e q )

148
32

55

148

403 512 32

55

148

40 3 512

Figura 3-14: Representacin sobre una escala doble-logartmica del nmero de sitios, enlaces y el
total de elementos invadidos versus el tamao lineal L del sistema para dos traslapes diferentes. Las
lneas llenas, de trazos y punteadas representan los ajustes lineales respectivos para t =0.

74

1.90
1.89

Sitio s
t= 0
t = t eq

1.88
1.87

Df

1.86
1.85
1.84
1.83
1.82
1.81
1.80
1.90

0.0

1.89

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

0.3

0.4

0.5

0.6

0.7

0.8

0.9

0.5

0.6

0.7

0.8

0.9

En laces
t= 0
t = t eq

1.88
1.87

Df

0.1

1.86
1.85
1.84
1.83
1.82
1.81
1.80

1.90

0.0

1.89

0.2

Sitio s + En laces
t= 0
t = t eq

1.88
1.87

Df

0.1

1.86
1.85
1.84
1.83
1.82
1.81
1.80
0.0

0.1

0.2

0.3

0.4

Figura 3-15: Variacin de la dimensin fractal con el traslape. Se considera por separado la masa
de los sitios, los enlaces y la suma de ambos. Las lneas son slo guas y las barras indican el error
estadstico. Se ha graficado slo hasta = 0.8. Si bien las tendencias se mantienen para traslapes
mayores, dicho datos no se han representado ya que es necesario trabajar con redes con L > 500,
con lo que las simulaciones se hacen muy lentas y slo se pueden hacer unos pocos promedios.

75

La primera conclusin importante es que, independientemente del elemento seleccionado

(sitio, enlace o sitios+enlaces) la dimensin fractal del racimo percolante del fluido invasor
vara con el traslape, es decir, vara con las correlaciones espaciales. Ya sea para redes
relajadas o no, la Df aumenta a medida que se incrementan las correlaciones, logrando su
mximo valor alrededor de 0.7 - 0.8 , dependiendo del elemento y de la clase de redes
utilizadas. Esta tendencia se revierte a traslapes altos y se observa un leve descenso.
Est claro que la TIP no correlacionada presenta una Df 1.82 que es diferente a la
de la percolacin invasiva sin entrampamiento (Df 1.89, recuerde que la percolacin
ordinaria presenta la misma dimensin fractal), es decir, el entrampamiento ha cambiado la
clase de universalidad. Intuitivamente vemos que el cambio en la universalidad est en la
direccin correcta ya que el entrampamiento impide que ciertas regiones se puedan invadir
(si no hubiera estado la condicin del entrampamiento podran haber sido invadidas), lo
que conlleva a una disminucin de la dimensin fractal del racimo percolante.
Cuando en el medio hay correlaciones presentes, del tipo de las del Modelo Dual,
stas provocan que la dimensin fractal tome valores mayores al caracterstico Df 1.82 y,
como se observa, Df se acerca al valor de la percolacin sin entrampamiento. Esto nos
dice que el entrampamiento esta perdiendo fuerza. Un claro indicio de esto ltimo se
aprecia en la Figura 3-12 en donde el nmero de islas entrampadas de fluido defensor
disminuye notablemente a partir de 0.4.
Faltara slo explicar por qu para 0.8 la dimensin fractal disminuye levemente, es
decir, por qu el entrampamiento se vuelve ms importante. Nuevamente la Figura 3-12
nos da indicios que para traslapes tan altos el nmero de islas entrampadas aumenta a un
valor muy similar al que existe para = 0. Este hecho, que es provocado por el efecto de
llenado por capas de los parches hace que la Df disminuya.
Los resultado anteriores nos indican que todas las dimensiones fractales del cluster
percolante (Df de sitios, Df de enlaces y Df de sitios+enlaces) de la TIP con correlacin
dependen de r0 mientras que para el caso sin correlacin ellas son universales y de la misma
clase de la percolacin esttica. Usando un FBM para introducir las correlaciones
Knackstedt10 et al. obtuvieron que la Df aumenta con H (exponente de Hurt) pero de una
forma montona. En nuestro modelo el comportamiento es no-montono, observndose
un mximo para traslapes altos, provocado esencialmente por el llenado de a capas.
Posteriormente en una Rapid Communication al Physical Review E de Febrero de 2002,
Knackstedt5 et al reportaron un aumento de la dimensin fractal con la conectividad, en

76

donde se observa que los sistemas con gran conectividad tienden a la misma Df de la
percolacin esttica.
Resumiendo, usando un algoritmo eficiente hemos demostrado que la universalidad de la
dimensin fractal de la TIP vara con la correlacin espacial generada por el Modelo Dual.
Esto es, la TIP con correlacin, un proceso dinmico, no posee una nica clase de
universalidad. Las implicaciones de este resultado son muy importantes en el modelado del
flujo de fluidos a travs de medios porosos, en especial en la recuperacin y extraccin de
petrleo y/o agua de reservorios.
La extensin de ciertas secciones de este trabajo a sistemas tridimensionales puede
ser consultado en diversas publicaciones 11, 12, 13 . En dichos trabajos se encuentra que, como
el caso bidimensional, los parmetros de inters se ven afectados por la correlacin. Ahora
bien, estos trabajos no tenan en cuenta la presencia de correlaciones espaciales tan
importantes como las que aparecen a altos traslapes (y en el equilibrio). Estas correlaciones
pueden ser del orden del tamao del sistema por lo que los efectos de borde pueden haber
afectado notablemente al proceso. Por lo tanto una revisin de los mismos teniendo
presente la magnitud de las correlaciones debiera ser realizada. Por otro lado en 3D el
efecto del entrampamiento pasa prcticamente inadvertido, esto es as ya que para que se
produzca una isla de fluido defensor entrampado es necesario una superficie de fluido
invasor que la contenga. Es por esto que a la TIP en 3D se la asocia con la misma
universalidad de la percolacin esttica14. Simulaciones en 3D realizadas sobre redes con
bajo traslape, <0.7 , parecieran demostrar que la correlacin tampoco afecta a la
universalidad. Pero, qu pasa a altos traslapes?, en donde como se ha visto la fuerte
correlacin provoca la formacin de parches haciendo que el fluido se aglutine formando
islas. Se producir un mayor entrampamiento? Para responder a estas preguntar es
necesario realizar simulaciones en sistemas tridimensionales de tamao L 100 como
mnimo, lo que por el momento escapa a nuestra capacidad de clculo, no por el tamao en
s, si no por la gran cantidad de muestras necesarias.

77

Referencias:
1

A. Gabrielli, R. Cafiero and G. Caldarelli. Theory of Boundary Effects in Invasion Percolation.

J. Phys A: Math. Gen. 31, 7429 (1998).
2

Martn-Herrero J. and Pen-Fernndez. Alternative techniques for cluster labelling on

percolation theory. J. Phys A: Math. Gen. 33, 1827 (2000).

Babalievski F. Int. J. Mod. Phys. 9, 43 (1998).

Liv Furuberg, Jens Feder, Amnon Aharony and Torstein Jssang. Dynamics of Invasion
Percolation. Physical Review Letters. 61, 2117 (1988).

Mark A. Knackstedt, Muhammad Sahimi and Adrian P. Sheppard. Nonuniversality of

invasion percolation in two dimensional systems. Phys. Rev. E. 65, 035101(R) (2002).

R. Cafiero, A. Gabrielli, M. Marsili and L. Pietronero. Theory of extremal dynamics with

quenched disorder Invasion percolation and related models. Phys. Rev. E. 54, 1406 (1996).
7

Madalena M. Dias and D. Wilkinson. Percolation with trapping. J. Phys A: Math. Gen. 19,
3131 (1986).
8

T. M. Shaw. Drying as an immiscible displacement process with fluid counterflow. Physical Review
Letters. 59, 1671 (1987).

A. J. Ramirez-Cuesta, R. J. Faccio and J. L. Riccardo. Nonmonotonical behavior in

correlated site-bond percolation. Physical Review E. 57, 735 (1998).

10

Mark A. Knackstedt, Muhammad Sahimi and Adrian P. Sheppard. Invasion

percolation with long-range correlations: First-order phase transition and nonuniversal scaling properties.
Phys. Rev. E. 61, 4920 (2000)
11

A. M. Vidales, R. H. Lpez and G. Zgrablich. Role of Size Correlations in Fluid

Displacemenet in Porous Solids. Langmuir 15, 5703 (1999).
12

A. M. Vidales, J. L. Riccardo and G. Zgrablich. Immiscible displacement at pore level for

Correlated Porous Media. I. Journal of Modern Physics C. 9, 837 (1998).
13

A. M. Vidales, J. L. Riccardo and G. Zgrablich. Pore-level modelling of wetting on Correlated

Porous Media. J. Phys. D: Appl. Phys. 31, 2861 (1998).
14

A. P. Sheppard, M. A. Knacksted, W. V. Pinezewski and M. Sahimi. Invasion

Percolation: new aolgorithms and universality classes. J. Phys A: Math. Gen. 32, 521 (1999).

78


Conclusiones:
Del desarrollo de este trabajo se pueden extraer las siguientes conclusiones:

Mediante simulaciones de Monte Carlo hemos realizado un estudio de las propiedades
de las correlaciones generadas por el Modelo Dual de sitios y enlaces y se ha
demostrado cmo estas propiedades son afectadas por el nmero de pasos de Monte
Carlo necesarios para alcanzar el equilibrio estadstico y se ha establecido cul es la
longitud mnima del sistema para evitar efectos de tamao finito.

Se establecieron reglas muy simples para determinar el tiempo de relajacin necesario
para alcanzar el equilibrio estadstico t e q , y el tamao mnimo de la red L para un
determinado traslape, . .

El estudio tambin revel que la suposicin hecha en trabajos anteriores sobre la
relacin entre r0 y . dada por la ec. 1.12 no es vlida para altos valores del traslape. Se
propone una nueva relacin que es ms precisa que la anterior.

El comportamiento de las propiedades de inters en la percolacin invasiva sobre redes

bidimensionales de sitios y enlaces con correlacin construidas en base al Modelo Dual
es tanto cualitativa como cuantitativamente diferente al correspondiente sin correlacin.
Esto lo demuestra:

Cmo son afectadas todas las cantidades de inters por r0 : volumen invadido, velocidad
media, dimensin fractal, etc.

Todas las dimensiones fractales del cluster percolante estudiadas se ven afectadas por la
correlacin. Para el caso no correlacionado se verifica el hecho de que pertenece a una
universalidad diferente de la percolacin ordinaria. Para correlaciones altas se ve una
disminucin del efecto de entrampamiento y la Df tiende a los valores de la percolacin
sin entrampamiento.

En general las cantidades estudiadas no son funciones montonas del traslape (r0 ).

Las estructuras no correlacionadas y las altamente correlacionadas parecen presentar el

mayor grado de eficiencia en la invasin.

79

 Perspectivas Futuras

 La experiencia lograda con este estudio nos permitir atacar un problema ms que
ambicioso y de gran importancia tecnolgica:

la caracterizacin de materiales

porosos correlacionados, especialemente a travs de transporte de fludos. Para avanzar

en el entendimiento de este problema era necesario contar con varias herramientas, en
especial la simulacin por computadora, ya que debido a la complejidad de los sistemas
estos se vuelven intratables analticamente, salvo por aproximaciones, que en general
fallan ante la presencia de correlaciones . Es por esto que era imprescindible realizar un
estudio de esta clase, para comprender de una forma clara y concisa la naturaleza y el
comportamiento de las correlaciones introducidas por el Modelo Dual. Trabajos
preliminares14 han demostrado que este modelo es muy adecuado para representar
slidos porosos y simular en ellos los fenmenos de inters.
 Utilizando el modelo de percolacin invasiva de sitios y enlaces con correlacin en 3D
se pretende avanzar sobre el problema de la caracterizacin de la mojabilidad de rocas
porosas14, un tema de suma importancia en la industria petrolera.

San Luis, Argentina, 28 de Agosto de 2002

80