In this review, we discuss past theoretical works on fluid-solid reactions in a porous medium. Such reactions are often accompanied by a continuous alteration of the pore structure of the medium, and at high conversions they exhibit percolation-type behavior, i.e. the solid matrix of the medium and/or the fluid phase lose their macroscopic connectivity. These phenomena are, therefore, characterized by a percolation threshold which is the volume or area fraction of a phase (solid or fluid) below which that phase exists only in isolated clusters or islands. Important classes of such processes are acid dissolution of a porous medium and gas—solid reactions with pore volume growth, e.g. coal gasification, and with pore closure, e.g. lime sulfation, and catalyst deactivation. These processes are characterized by continuous changes in the pore space as a result of a chemical reaction. We also consider here other processes such as the flow of fines, stable emulsions and solid particles in a porous medium which also alter the structure of the pore space, but by physical interaction of the particles and the solid surface of the pores. In this review we compare two different modelling approaches to reactions accompanied by structural changes. First we review the continuum approach, which is based on the classical equations of transport and reaction supplemented with constitutive equations describing the effect of structural changes on reaction and transport parameters. We then outline the relevant concepts, ideas and techniques of percolation theory and the statistical physics of disordered media, and review their application to the phenomena mentioned above. In particular, we emphasize the fundamental role of connectivity of the porous medium in such phenomena. Since in both approaches one needs to estimate the effective transport properties of the porous medium that is undergoing continuous change, we also review continuum and statistical methods of estimating the effective transport properties of disordered porous media.

Soil plays a vital role in maintaining ecosystem functionality, supporting biodiversity, facilitating successful crop production, and ensuring socio-economic stability. Soil quality is, however, constantly threatened by various factors, such as adverse climate conditions, hydrogeological processes, and human activities. One particularly significant stressor is soil salinity, which has a detrimental effect on soil quality. This study focuses specifically on understanding how soil properties contribute to the accumulation of surface soil salinity in the presence of shallow saline groundwater. To achieve this objective, advanced groundwater modeling techniques are employed to simulate saltwater intrusion in a riparian area known as Altes Land in northern Germany. A realistic representation of the salinization process is created and evaluated using a comprehensive dataset of hydrogeological information specific to the region. Additionally, the study examines the influence of soil heterogeneity on regional soil salinity by varying soil properties through devising six distinct scenarios for generating the numerical models that represent variations in soil texture and structure. The study reveals that regional soil texture and layering arrangement significantly influence the availability of water and the propagation of saline water in the vadose zone, and are major contributors to surface soil salinity. Subtle alterations and simplifications, often inconspicuous or deemed inconsequential in the context of small-scale experiments, may carry substantial ramifications for the formulation of enhanced management strategies in regions characterized by low elevation and influenced by groundwater salinity. Furthermore, the insights gained from this research provide valuable information for applications in agricultural practices and environmental conservation. Plain language summary Saltwater intrusion occurs when seawater enters coastal groundwater. In low-lying coastal regions, saline groundwater can rise close to the soil surface, leading to soil salinization that negatively impacts soil health and plant growth. The extent of soil salinization can be impacted by soil texture and heterogeneity, which is not fully understood at regional scales. In this study, we developed a new decision-support framework capable of describing and predicting salt transport through unsaturated zones lying over groundwater affected by seawater intrusion, and evaluated it against field measurements. This enabled us to investigate soil salinity under a variety of conditions and quantify the effects of important parameters, including soil texture, heterogeneity, and layering arrangement, on salt deposition close to the surface. Our study offers new quantitative insights into and tools for revealing the mechanisms governing the spatial distribution of soil salinity, as well as its health, hence contributing to global efforts for sustainable resource management and United Nations Sustainable Development Goals, particularly UN SDG15.

We propose a machine learning (ML) method to classify ALS–causative and non–ALS–causative variants based on 24 variables in five different datasets. The proposed ML method classifies the five datasets with very high accuracy. In particular, it predicts the ALS variants with 100 percent accuracy, while its accuracy for the non-ALS variants is up to 99.31 percent. The trained classifier also identifies the nine most influencial mutation assessors that help distinguishing the two classes from each other. They are FATHMM_score, PROVEAN_score, Vest3_score, CADD_phred, DANN_score, meta-SVM_score, phyloP7way_vertebrate, metaLR, and REVEL. Thus, they may be used in future studies in order to reduce the time and cost of collecting data and carrying out experimental tests, as well as in studies with more focus on the recognized assessors.

Using the discrete-element method, we study loss of shear strength at frictional asperity contacts, induced by flash heating, in a granular fault gouge. The magnitude of the reduction in the shear stress and the local friction coefficients are computed over a wide range of shear velocities Vs. For small strain rates, there is negligible difference between the frictional stress for packings with and without frictional weakening that arises due to flash heating. As strain rate increases, however, the difference between the two becomes significant. The results indicate a clear transition in the shear stress-shear strain response corresponding to Vs > 0.3 m/s and those with Vs ≤ 0.3 m/s. Specifically, the stress–strain diagrams at lower Vs exhibit a pronounced decreasing strength over small distances, whereas they indicate a progressive increase in the shear stress at higher Vs, which is reminiscent of a transition from ductile behavior at high velocities to brittle response at low velocities. Only a small fraction of the contacts experience lower friction, with the majority having friction coefficients closer to 0.5, hence suggesting that fast slip is accommodated only at a few contacts, with the rest either not sliding at all, or sliding very slowly. Moreover, if we define an effective macroscopic friction coefficient, µe = τ/P, where τ is the shear stress, and P is the pressure, and the inertial number I by, I = γD√(ρ/P), where γ is the strain rate, and D is the average size of the particles, we find that the weakening packing follows a nonlinear friction law, well approximated by, µe ≈ I3/4. Thus, the model with flash heating deviates from linear friction law even at smaller, albeit not too small, values of I, which is intriguing and novel. The implications of the results for earthquake physics and the principal slip planes in fault z ones are discussed.

Time series often exhibit a combination of long-range drift and short-term stochastic fluctuations. Traditional methods for analyzing such series involve fitting regression models to capture the drift component and using the residuals to estimate the random component. We demonstrate, however, that estimating the drift in a real-time (time-resolved) manner poses significant challenges. We find, surprisingly, that contrary to conventional expectations, estimation of the drift is less accurate than evaluating short-term fluctuations in data with a given number of data points. Two factors contribute to this unexpected complexity: measurement noise, and the slower convergence rate of the drift estimation. As a result, real-time estimation of stochastic fluctuations can be more accurate. We introduce the term stochasticity, as the square of the estimated short-term fluctuations within a time window of length dt, which can be estimated in real-time (time-resolved) for given non-stationary time series and those exhibiting unique trajectories. To demonstrate the practical applications of the concept of real-time stochasticity, we calculate it for synthetic time series generated by both linear and nonlinear dynamical equations, which generate stationary and non-stationary trajectories for which we have access to the ground truth. We have also analyzed various real-world datasets: global temperature anomalies in 12 distinct geographical regions, keystroke time series from Parkinson's disease patients, fluctuations in gold prices, atmospheric CO2 concentration, wind velocity data, and earthquake occurrences. Our method exclusively provides the time dependency, rather than both state and time dependencies, of the stochasticity.

Solute transport and mixing in heterogeneous porous media are important to many processes of practical applications. Most of the previous studies focused on solute transport in flow of Newtonian fluids, whereas there are many processes in which the phenomenon takes place in flow of a non-Newtonian fluid. In this paper, we develop a computational approach to evaluate and upscale dispersion of a solute in flow of a shear-thinning (ST) fluid in a heterogeneous porous medium. Our results indicate that the dispersivity is a non-monotonic function of the Péclet number and the shear rate, and this behavior is accentuated by the heterogeneity of the pore space and spatial correlations between the local permeabilities. As a result, solute transport in ST fluids deviates significantly from the same phenomenon in Newtonian fluids. Moreover, the shear-dependence of the dispersivity strongly influences the fate of solute transport in porous media at large length scales, including larger effluent concentration at the breakthrough point, which also occurs much faster than Newtonian fluids. To provide further evidence for the numerical findings, we compare dispersion in flow of a power-law fluid in a single tube with the same in a bundle of such tubes. Our results emphasize the shortcomings of the current theories of dispersion to account for the role of fluid rheology in solute mixing and spreading.