Static Properties of a Simulated Supercooled Polymer Melt: Structure Factors, Monomer Distributions Relative to the Center of Mass, and Triple Correlation Functions
我们分析了非纠缠，过冷聚合物熔体的模拟珠弹簧模型的结构和构象特性。我们通过各种结构因素，不仅涉及单体，但也质心（CM）的模型探讨静态。我们发现，链的构象和CM-CM结构因子，这是最近提出的近似[Krakoviack等人，欧罗巴Lett. 58，53（2002）]，在冷却到模式耦合理论的临界玻璃化转变温度时基本上保持不变。然而，不同链上的单体之间的空间相关性取决于温度，尽管是平稳的。这意味着我们的模型的玻璃态行为不能从静态链内或CM-CM相关性。它必须与单体水平上的链间相关性有关。此外，我们还研究了链间关联函数对单体沿链骨架位置的依赖性。我们发现，这种网站的依赖性可以很好地占聚合物参考相互作用网站模型（PRISM）的基础上的理论。我们还分析了三重相关的熔体和链的三单体结构因子的装置。这些结构因素进行了比较与卷积近似，分解成两个单体的结构因素的产品。对于链，这种因子分解非常有效，表明链连接性在我们的模型中不会引入特殊的三重相关。对于熔体偏差更明显，特别是在波矢量接近静态结构因子的最大值。
2004-02-25 cond-mat.soft
Dynamical Networking of Polymer Networks with Dedicated Cross-linker Particles
Stellenbosch University（斯泰伦博斯大学）；National Institute for Theoretical and Computational Sciences（理论计算科学国家研究所）；University of KwaZulu-Natal（夸祖鲁-纳塔尔大学）
本文扩展聚合物动态网络化场论框架纳入专用交联剂粒子，推导有效势计算相关物理量，结合分子动力学模拟验证了交联对聚合物动力学性质的影响，为研究复杂交联网络提供基础。
2025-11-17 cond-mat.soft
A Physics-informed Assembly of Feed-Forward Neural Network Engines to Predict Inelasticity in Cross-Linked Polymers
在固体力学中，数据驱动方法被广泛认为是一种新的范式，可以克服本构模型的经典问题，如极限假设，复杂性和对训练数据的高度依赖。然而，由于数据空间的高维性、缺失数据的显著大小和有限的收敛性，在材料建模中实现机器学习方法一直是适度的。这项工作提出了一个框架，雇用概念从聚合物科学，统计物理学和连续介质力学提供超约束机器学习技术的降阶，以克服许多现有的困难。使用顺序降阶，我们简化了三维应力应变张量映射问题到有限数量的超约束一维映射问题。接下来，我们引入了一个多个复制神经网络代理的集合，将这些映射问题系统地分类为几个类别，所有这些类别都是一些不同代理类型的复制。通过捕获所有的加载模式，通过一组简化的分散的实验数据，提出的混合组装的代理提供了新一代的机器学习方法，简单地优于大多数本构关系的训练数据量，训练速度和精度，即使在复杂的加载情况。此外，它避免了传统的基于AI的模型的低可解释性。
2020-11-20 cond-mat.soft
Phase diagrams of polymer-containing liquid mixtures with a theory-embedded neural network
我们开发了一个深度神经网络（DNN），用于解释含聚合物液体混合物的相行为。DNN中的关键组件由理论嵌入层组成，该理论嵌入层通过粗粒度平均场论和标度律捕获相位行为的特征，并大大提高DNN的准确性。此外，这一层使我们能够减少混合物相图的DNN的大小。本研究还提出了DNN的预测能力的聚合物溶液和无盐和盐掺杂的二嵌段共聚物熔体的相行为。
2020-01-15 cond-mat.dis-nn cond-mat.soft cond-mat.stat-mech
Relating monomer to centre-of-mass distribution functions in polymer solutions
可测量的单体-单体结构因子和稀或半稀聚合物溶液的质量中心（CM）结构因子之间的关系是从"聚合物参考相互作用位点模型“（PRISM）形式主义内的Ornstein-Zernike关系导出的，通过考虑每个聚合物的CM作为辅助位点并且忽略后者与相邻聚合物的CM和单体之间的直接相关性。的预测同意与Monte Carlo数据的自避免行走聚合物，是相当准确的预测比简单的因式分解近似。
2002-05-08 cond-mat.soft cond-mat.stat-mech
"Wet-to-Dry" Conformational Transition of Polymer Layers Grafted to Nanoparticles in Nanocomposite
本通信报告的第一个直接测量的构象的聚合物冠接枝周围的二氧化硅纳米颗粒分散在纳米复合材料，相同的聚合物的基质。该测量构成了基于化学合成的精细组合的实验突破，其允许匹配复合材料内部的中子二氧化硅信号的贡献，以及使用互补散射方法SANS和SAXS从颗粒间二氧化硅结构因子提取接枝聚合物层形状因子。模型化的信号的接枝聚合物的纳米颗粒内的矩阵和直接比较的形状因子的相同的颗粒在溶液中显示了一个明确的变化的聚合物构象从散装的纳米复合材料：从拉伸和溶胀的形式在溶液中的高斯构象在矩阵中的转换，然后与压缩的因子2的接枝冠。在探测范围内，增加接枝颗粒之间的相互作用（通过增加颗粒体积分数）或接枝和自由基质链之间的相互作用（降低接枝-自由链长比）不会影响接枝刷压缩的幅度。这是第一次直接观察到的湿-干的构象转变理论上预期的接枝链与自由基质链的相互作用，说明接枝和自由链的混合熵之间的竞争，和接枝链的弹性形变的溶胀自由能最小化。除了实验验证的理论预测，这一结果构成了一个新的见解，了解的一般问题的纳米粒子分散在聚合物基体内的新的纳米复合材料的设计。
2010-05-10 cond-mat.soft
Machine Learning Inversion from Small-Angle Scattering for Charged Polymers
Neutron Scattering Division, Oak Ridge National Laboratory（橡树岭国家实验室中子散射部）；Center for Nanophase Materials Sciences, Oak Ridge National Laboratory（橡树岭国家实验室纳米材料科学中心）
本研究通过机器学习反演带电聚合物的结构和能量参数，利用小角散射实验数据结合蒙特卡洛模拟和高斯过程回归方法，实现高精度参数提取。
2025-01-24 cond-mat.mtrl-sci cond-mat.soft
Branched Polymers with Excluded Volume Effects/ Configurations of Comb Polymers in Two- and Three-dimensions
我们研究了具有$ν_{0}=1/4$的孤立梳形聚合物在良溶剂中的排斥体积效应。特别是，我们调查的变化的大小指数，$ν$，定义为$\langle s_{N}^{2}\rangle\propto N^{2ν}$，为各种完全扩展的配置。结果表明，给定完全伸展的主链和侧链，指数取值$ν=1/2$，而不考虑侧链的构型异构化;仅指前因子改变。
2022-01-24 cond-mat.soft
Supervised and Unsupervised Machine Learning of Structural Phases of Polymers Adsorbed to Nanowires
我们通过机器学习识别聚合物纳米管复合材料中的构型相和结构转变。我们采用各种无监督的降维方法，传统的神经网络，以及混淆方法，一种无监督的基于神经网络的方法。我们发现神经网络能够可靠地识别所有的配置阶段，已经发现以前在实验和模拟。此外，我们以消除人类直觉或偏见的方式定位构型阶段之间的边界。这在以前只能依靠预先设想的、特别的序参量来完成。
2022-03-22 cond-mat.dis-nn cond-mat.soft
Non-ideal behavior of intramolecular structure factor of dilute polymers in a theta solvent
用键涨落模型的蒙特卡罗模拟研究了单分子聚合物在θ溶剂中的构型性质。在θ点的分子内结构因子被发现是显着不同的理想链。在Kratky图中，结构因子在$q\sim 5/R_g$周围显示出一个峰，在$q\sim 10/R_g$周围显示出一个谷，其中$R_g$是回转半径。这一特征显然类似于熔体中的特征。用Mayer函数将微扰展开到一阶的理论表达式可以很好地拟合所得到的结构因子，但第二维里系数不能设为零。
2009-09-11 cond-mat.soft cond-mat.stat-mech
Intramolecular Form Factor in Dense Polymer Systems: Systematic Deviations from the Debye formula
本文从理论和数值计算两个方面讨论了高分子体系中分子内形状因子$F(q)$。根据Flory的理想假设，熔体中的链采用高斯构型，其形状因子由德拜公式给出。在惊人的差异，我们得到了显着的（高达20%）非单调的偏差，可以追溯到不可压缩的致密的聚合物溶液超出了当地的规模。Kratky图（$q^2F(q)$ { \it与}波矢量$q$）在中间$q$范围内没有表现出高斯链预期的平台。相反，根据校正$δ(F^{-1}(q)) = q^3/32ρ$发现显著降低，该校正仅取决于溶液的浓度$ρ$，而不取决于持续长度或相互作用强度。
2007-01-11 cond-mat.soft cond-mat.stat-mech
A Knowledge-driven Physics-Informed Neural Network model; Pyrolysis and Ablation of Polymers
在航空航天应用中，引入了多种安全法规来解决与热解相关的问题。热解的预测建模是一项具有挑战性的任务，因为多个热化学机械的法律需要同时解决在每个时间步。到目前为止，经典的模拟方法主要集中在定义的基本化学过程（热解和点燃）在微观尺度上的热解解耦，然后验证他们使用的细观尺度的实验结果。近年来，机器学习（ML）和人工智能的出现为构建快速代理ML模型提供了机会，以取代高保真多物理模型，这些模型具有高计算成本并且可能不适用于高度非线性方程。这是引入创新的物理信息神经网络（PINN）来模拟控制热解和消融的多个刚性和半刚性ODE的动机。我们的引擎是专门开发的，用于计算交联聚合物系统热解过程中的焦炭形成和燃烧程度。采用多任务学习方法来确保最佳拟合训练数据。建议的混合PINN（HPINN）求解器的基准对不同的例子有限元高保真解决方案。我们开发了PINN架构，使用搭配训练来预测温度分布和在多个一维和二维例子中的热解过程中的燃烧程度。通过解耦热力学方程，我们可以预测系统的性能损失，通过预测在每个连续燃烧的焦炭形成模式和本地化程度。
2022-09-23 cond-mat.soft
Identifying polymer states by machine learning
系统地探讨了前馈神经网络学习和分类聚合物构型不同状态的能力。进行数值实验，我们发现，一个简单的网络模型，经过适当的训练，可以识别多种结构，包括气体状线圈，液体状球状，晶体反麦凯和麦凯结构。该网络可以被训练来识别各种状态之间的转变点，这些转变点与独立比热计算所识别的转变点相比较。我们的研究表明，神经网络提供了一个非传统的工具来研究聚合物体系的相变。
2017-01-16 cond-mat.soft cond-mat.stat-mech
Brownian and fractional polymers with self-repulsion
本文通过将线性均聚物建模为布朗或分数阶过程，提出了一种考虑溶剂相互作用及任意聚合物-聚合物势和吉布斯因子的形式体系，并计算了平均平方长度以与不同因子比较。
2024-08-21 cond-mat.soft math-ph math.MP
Structure of interacting aggregates of silica nanoparticles in a polymer matrix: Small-angle scattering and Reverse Monte-Carlo simulations
通过胶体纳米颗粒增强弹性体是一个重要的应用，其中需要了解微观结构-并且如果可能的话控制-如果希望调节宏观机械性能。这里的三维结构的大聚集体的纳米二氧化硅颗粒嵌入软聚合物基体是由小角中子散射。实验上，拥挤的环境导致强增强诱导聚集体之间的强相互作用，这在散射中产生突出的相互作用峰。我们建议通过在一个经典的胶体结构因子描述聚集体相互作用和聚集体形状因子确定的反向蒙特卡罗技术的分解的装置来分析总信号。这一结果为弹性体中聚集体的形状及其复杂的相互作用提供了新的见解。为了比较，分形模型的聚集体散射也进行了讨论。
2007-05-22 cond-mat.soft
Scaling field-theoretic simulation for multi-component mixtures with neural operators
本文提出利用神经算子并行化各组分算子映射，以高度可扩展的方式求解多组分聚合物混合物的场论模拟，在六组分随机组成混合物上显著优于最先进的伪谱积分器，尤其适用于长链聚合物。
2024-12-18 cond-mat.soft
Dynamic percolation theory for particle diffusion in a polymer network
示踪剂扩散的小分子通过致密系统的链聚合物内的非热晶格模型，其中硬核相互作用被考虑在内的网站排除原理。提出了这个问题到动态渗流理论的近似映射。这种方法示出的示踪剂的相关因子的分子作为密度和链长的函数提供的非泊松性质的时间更新的无序配置被适当地考虑到产生定量的结果。
2001-10-05 cond-mat.soft
Investigation of the structure and thermodynamics of star-polymers in semi-dilute solution
在这项工作中，我们考虑了相同的星型聚合物的半稀溶液，由相同聚合度N的连接的柔性长聚合物链制成。我们首先计算了星形聚合物之间的有效对势。这种势是由单体之间的排斥体积力引起的。我们表明，这种潜力是对数，低于一些已知的特征距离，取决于每个星型聚合物，f，和聚合物的体积分数，0连接链的数量。超过这个范围，潜力就会呈指数级下降。其次，我们研究了这些星形聚合物的结构和热力学。为此，我们使用积分方程方法与混合平均球近似。该方程的数值解给出了不同颗粒密度下星形聚合物的结构因子。最后，热力学和结构之间的标准关系使我们能够推导出三个物理量，即等温压缩率，压力和内能，作为密度的函数。
2007-03-21 cond-mat.soft
Memory of rheological stress in polymers using Fractional Calculus
粘弹性材料如聚合物熔体的流变性质受溶液的盐度、温度、浓度和pH等因素的影响很大。在这项研究中，记忆的应力受这些因素中的每一个被困在描述材料中的应力和应变的动力学方程的分数阶导数的顺序。为了证明这一点，聚合物熔融水解聚丙烯酰胺HPAM的流变性能已被建模使用两个元素麦克斯韦模型。该模型已成功地再现现有的实验数据的弹性模量和复数粘度的这些应力因素，除了预测发展的蠕变符合剪切速率。这项工作还确定，它是可能的，以定制一个特定的流变性能，通过适当地调整一对属性，互补共轭，相互抵消的流变学的影响。研究表明，HPAM在温度和pH、浓度和pH下至少存在两对互补的共轭物，粘度随剪切速率的变化在几乎所有的应力参数变化下均呈现幂律行为。我们使用分数阶微积分的建模建立了分数阶导数q，这被认为是一个记忆指数涌现现象，表现出相对于幂律指数a的反比关系，记忆指数q越高，幂律指数a越小。
2020-01-18 cond-mat.soft
Breakdown of time-temperature superposition in a bead-spring polymer melt near the glass transition temperature
数值研究了简单珠弹簧聚合物熔体在有和没有链角势时，在其玻璃化转变温度（Tg）附近时温叠加（TTS）的破裂。利用Green-Kubo关系式计算了不同温度下的应力松弛模量G（t，T）。珠弹簧聚合物熔体的G（t，T）的TTS在充分高于其Tg的温度下工作良好。然而，当系统温度接近玻璃化转变制度，TTS的击穿观察。在Tg附近的温度下，在G（t）函数的键弛豫和链弛豫机制之间的时间尺度上定义的移位因子aTB的温度依赖性显著强于由链弛豫模式的时间尺度定义的移位因子aTA。与G（t，T）的TTS的破坏直接相关，Stokes-Einstein扩散-粘度关系定律的退耦也出现在玻璃化转变区。通过对van Hove函数Gs（r，t）和小球运动的非高斯参数a2（t）的分析表明，TTS的破裂与动力学不均匀性有关。在这项研究中，链刚度的影响的温度依赖性的移位因子也进行了研究。刚性链熔体的位移因子的温度依赖性比柔性链熔体的位移因子的温度依赖性强。然而，不管链刚度如何，珠-弹簧聚合物熔体的应力松弛模量函数将在约T/Tg ~ 1.2的类似Tg归一化温度下开始分解TTS。
2014-10-06 cond-mat.soft
Inter-molecular structure factors of macromolecules in solution: integral equation results
从理论上研究了半稀溶液的分子间结构。本文考虑了聚合物液体的广义Ornstein-Zernicke积分方程的低密度极限。当在微观水平上引入分子间排斥体积时，推导出了大距离上分子间结构因子的无规相（RPA）结构的稀释到半稀释交叉的标度律。这导致排除体积相互作用参数的非线性方程。对于大分子的尺寸质量标度指数，$ν$，以上的空间维度相关的值，$ν_c=2/d$，平均场一样的密度标度被恢复，但$ν<ν_c$的密度标度变得不平凡的协议与场论的结果和证明RPA的唯象扩展。详细讨论了半稀释溶液中聚合物网格的结构，并与大规模蒙特卡罗模拟进行了比较。最后提出了一种确定标度指数修正的新可能性$ω_{12}$。
1999-04-19 cond-mat.soft
Dynamics of a polymer chain confined in a membrane
我们提出了一个布朗动力学理论与全流体动力学（斯托克斯动力学）的高斯高分子链嵌入在液体膜，其中所包围的散装溶剂和墙壁。的迁移率张量推导出在傅立叶空间中的两个几何形状，即，一个自由的膜嵌入在一个散装流体，和膜夹在两个壁。在预平均近似，一个新的表达式的聚合物的扩散系数得到的自由膜的几何形状。我们还进行了Rouse正常模式分析，以获得弛豫时间和动力学结构因子。对于大的聚合物尺寸，这两个量显示齐姆样的行为在自由膜的情况下，而它们是Rouse样的夹层膜的几何形状。我们使用标度参数来讨论排除体积相互作用对聚合物弛豫时间的影响。
2011-04-01 cond-mat.soft
Neural network learns physical rules for copolymer translocation through amphiphilic barriers
计算机处理能力的最新发展导致了如何解决多体物理，特别是聚合物物理问题的新范式。GPU并行处理器可以用来产生数以百万计的独立配置的聚合物分子的异构序列在复杂的环境中，在第二，和伴随的自由能景观估计。所得到的数据库是完整的聚合物序列和架构是一个强大的训练基础，多层人工神经网络，其内部表示将可能导致一个新的物理观点，序列模式如何链接到有效的聚合物性能和对环境的响应。在我们的例子中，我们考虑共聚物通过两亲性双层膜的易位时间作为亲水和疏水单元的二元序列的函数。首先，我们证明了大规模并行Rosenbluth采样的所有可能的序列的聚合物允许有意义的动态解释方面的平均第一次逃逸时间通过膜。其次，我们训练多层感知器，并通过系统地减少训练集到一个狭窄的移位时间窗口，神经网络开发的物理规则映射序列的内部表示移位时间。特别地，基于窄训练集，网络在比训练窗口宽8个数量级以上的窗口中预测正确数量级的移位时间。
2019-04-30 cond-mat.soft physics.bio-ph
Optimal Entanglement of Polymers Promotes Formation of Highly Oriented Fibers
聚合物纤维由沿纤维轴取向的大分子组成。更好的链排列导致纤维强度的增加。据认为，阻碍形成完美取向纤维的关键因素是聚合物的缠结。我们进行了大规模的计算机模拟半结晶高分子量聚乙烯的单轴拉伸。我们发现每个大分子存在最佳缠结数量，以最大化纤维中的链取向。缠结过强的聚合物形成取向较差的纤维。另一方面，当聚合物每个链的缠结太少时，它们在拉伸过程中解缠结，并且不形成强纤维。我们建立了一个微观分析理论描述纤维的形成和解缠结过程。我们的工作提出了一个新的观点，在纤维生产过程中的缠结的作用，并预测存在一个通用的最佳数量的缠结每链最大限度地提高纤维质量：约$10^2$缠结。
2022-03-10 cond-mat.soft
Explainability and Transferability of Machine Learning Models for Predicting the Glass Transition Temperature of Polymers
本文研究聚合物玻璃化转变温度预测中特征表示、训练数据范围与算法对机器学习模型可解释性和可迁移性的影响，证明少参数线性模型可达到复杂非线性模型的准确性，并揭示新的 Tg-化学结构相关性。
2023-08-19 cond-mat.soft
What is the Entanglement Length in a Polymer Melt ?
我们目前的结果分子动力学模拟的非常长的模型聚合物链分析的各种实验相关技术。链段的运动被发现是在非常好的协议与repatation模型。我们还计算了平台模G_N。由G_N和链段均方位移预测纠缠长度N_e的误差约为2.2（2），表明G_N标准公式中的前因子有误差。我们表明，最近的中子自旋回波测量进行的链长太小，正确的测定N_e。
1999-06-15 cond-mat.soft
Star-Like Micelles with Star-Like Interactions: A quantitative Evaluation of Structure Factor and Phase Diagram
PEP-PEO嵌段共聚物胶束为研究星形聚合物（超软胶体）的相行为和相互作用提供了可能性。通过极不对称的嵌段比（1：20）实现星形结构。胶束官能度f可以通过改变溶剂组成（界面张力）而平滑地变化。通过SANS得到的结构因子可以定量地描述星型聚合物的有效势。实验相图再现预测的液体/固体转变的高精度水平。而对于中间体f的体心立方相观察，高f的fcc相的形成是由玻璃形成抢占。
2005-05-04 cond-mat.soft
Static and dynamic scaling behavior of a polymer melt model with triple-well bending potential
我们进行分子动力学模拟聚合物熔体的粗颗粒聚乙烯醇模型，结晶后缓慢冷却。为了建立其高温液体状态的性能作为参考点，我们详细描述了平衡的聚合物熔体的结构特征，其链长$5\le N \le 1000$在略高于其结晶温度的温度。我们发现，足够长的聚合物与$N >50$的构象基本上服从弗洛里的理想假设。链长对链端间距和回转半径的依赖性符合理想链的标度预测和链端间距的概率分布，形状因子与理想链的形状因子也符合得很好.链内相关性揭示了自我相互作用不完全筛选的证据。然而，观察到的偏差很小。我们的研究结果排除了任何预排序或中间相结构的形成，提出了在熔体中的聚合物结晶的前体。此外，我们详细描述了原始路径的长纠缠聚合物熔体，我们检查的Rouse和爬行理论的均方位移的单体和聚合物的质量质心的标度预测。
2018-07-13 cond-mat.soft
The structure of colloid-polymer mixtures
通过计算在PY近似下Asakura-Oosawa模型的结构因子，研究了胶体-聚合物混合物的结构。讨论了电位范围、聚合物浓度和聚合物-聚合物相互作用对胶体-胶体结构的影响。我们的研究结果比较合理以及最近的实验Moussaïd等。对于小的波数$k$，我们发现当液相变得边缘时，Hansen-Verlet冻结准则被违反。
1999-04-15 cond-mat.soft cond-mat.stat-mech
Metacomposite characteristics and their influential factors of polymer composites containing orthogonal ferromagnetic microwire arrays
本文研究了正交排列的Fe_（77）Si_（10）B_（10）C_3微丝对玻璃纤维增强聚合物复合材料微波性能的影响。在0外部磁场作用下，含有正交线阵列的复合材料在1 ~ 6 GHz的频率范围内显示出明显的透射窗口，表明其具有本征双负折射率特性。聚合物基体已被证明对微波性能产生协同效应，这是当Ek垂直于玻璃纤维方向时透射窗口消失的原因。等离子体频率的正交的微丝阵列复合材料是高于平行的微丝阵列具有相同的线间距，这可能是由于增强的微丝波的相互作用诱导的轴向电组件上的附加层的垂直线。所有这些特性使得这种新型正交微丝复合材料具有潜在的隐身和传感应用前景。
2014-03-29 cond-mat.mes-hall cond-mat.mtrl-sci cond-mat.soft
The bending energy of a semi-flexible polymer chain and the polygons of the polymer chain
我们考虑了半柔性高分子链在正方形和立方晶格上的随机行走模型，分别计算了二维和三维高分子链的构象。假定链的弯曲能是控制链在两个连续弯曲之间的最小平均长度的关键因素，并且将每单位弯曲的链的平均长度定义为聚合物链的持久长度。发现弯曲链所需的最小能量以空间维数、步逸度和持续长度的简单关系式表示。
2019-08-15 cond-mat.soft cond-mat.stat-mech
3D polymer simulations of genome organization and transcription across different chromosomes and cell types
本文利用扩散转录因子模型模拟染色质构象与转录，发现可通过结构特性或转录因子数量调控转录活性，并在不同细胞系中验证了模型预测的可靠性。
2022-11-22 cond-mat.soft physics.bio-ph
The viscoelastic signature underpinning polymer deformation under shear flow
缠结的聚合物通过强剪切流而变形。聚合物的形状，称为形状因子，通过小角中子散射测量。然而，由于相位问题，实空间分子结构不能直接从倒易空间数据中获得。相反，数据必须与分子的理论模型拟合。我们近似的未知结构使用分段直段，从中我们推导出一个分析形状因子。我们适合我们的数据在原位剪切流下的半稀释纠缠聚苯乙烯溶液。示出的变形的字符之间的一个单一的理想链（粘性）和交联网络（弹性橡胶）。此外，我们使用拟合的结构来估计机械应力，并找到一个相当好的协议与流变学文献。
2018-12-06 cond-mat.soft physics.chem-ph
Excluded volume effects on the structure of a linear polymer under shear flow
用布朗动力学方法研究了在剪切流动中排斥体积相互作用对具有$30\leq N\leq 300$尺寸链的高分子结构的影响。主要结果涉及N=300库恩段链的结构因子$S({\bf q})$，观察到在降低剪切速率$β=\dotγτ=3.2$，其中$\dotγ$是裸剪切速率和$τ$是链的最长松弛时间。在低q，各向异性的全球变形的探测，链形状因子显示，以匹配的形状因子的连续劳斯模型下剪切在相同的减少剪切速率，计算在这里的第一次在很宽的波矢量范围。在高q，链结构因子向各向同性平衡幂律$q^{-1/ν}$演化，典型的自避免行走统计。排除体积和理想链之间的匹配在小q，和排除体积幂律行为在大q观察${\bf q}$正交的主伸长轴，但还没有为${\bf q}$沿伸长方向本身，作为干扰的结果与有限的可延伸性的影响。我们的模拟支持存在的各向异性剪切滴的聚合物在良好的溶剂下的$β>1$提供链的剪切流是足够长的。
2000-03-10 cond-mat.soft cond-mat.stat-mech
Stable ion-tunable antiambipolarity in mixed ion-electron conducting polymers enables biorealistic artificial neurons
生物整合的神经形态学系统为记录和调节生物系统的信号提供了新的协议。成功制造这种人工神经回路需要最小的回路复杂性和类似于生物学的基于离子的操作机制。然而，简单的泄漏集成和消防模型神经元，通常实现在硅或有机半导体神经形态系统，只能模拟一些神经功能。基于传统的复杂Si基互补金属氧化物半导体（CMOS）或负微分电阻（NDR）器件电路的功能更强的神经元模型制造复杂，不具有生物相容性，并且缺乏基于离子和化学的调制特征。在这里，我们报告了一个生物现实的电导为基础的有机电化学神经元（c-OECN）使用的混合离子-电子导电梯形聚合物与可靠的离子可调反双极性。后者用于模拟生物神经元的Na通道的激活/失活和K通道的延迟激活。然后，这些c-OECN可以在接近100 Hz的生物似然频率处尖峰，模拟最关键的生物神经特征，展示随机尖峰，并实现神经递质和基于Ca 2+的尖峰调制。这些组合功能是不可能实现使用以前的技术。
2022-10-19 cond-mat.soft q-bio.NC
Dynamic Scattering from Solutions of Semiflexible Polymers
从蠕虫链模型出发，导出了溶液中半柔性聚合物的动态结构因子。特别注意的刚性约束的不可扩展的轮廓和流体动力学的相互作用。对于稀溶液和半稀溶液的情况，得到了初始斜率的精确表达式。当流体动力学相互作用的重正化摩擦系数的水平上处理，由于结构松弛的结构因子的衰减服从拉伸指数律与肌动蛋白的实验一致。我们展示了如何容易地通过散射波长λ服从a << λ \ell_p和λ<λ_m的单次散射实验来确定系统的特征参数（持续长度\ell_p、分子的横向直径a和网络的网格尺寸λ_m）。我们还找到了半柔性聚合物的有效（波矢相关）动态指数z（k）<3的精确显式表达式，从而为聚合物物理中的一个长期难题提供了启发性的解释。
1997-04-03 cond-mat.soft cond-mat.stat-mech
Diffusion coefficient for reptation of polymers with kinematic disorder
在修正的Rubinstein-Duke格子气模型中，利用周期边界条件，通过精确计算，给出了运动学无序缠结网络中高分子链扩散系数的一个下界.在无限长的链的限制，我们显示的聚合物的扩散运动被减慢的运动学紊乱的随机障碍模型中的一个单一的粒子由相同的因素。
2002-06-24 cond-mat.soft cond-mat.stat-mech
Bioplastic Design using Multitask Deep Neural Networks
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Georgia Institute of Technology（佐治亚理工学院）
不可降解的塑料废物在陆地和水中停留数十年，危害我们的环境;然而，如果没有塑料，我们的现代生活方式和现有技术是不可能维持的。生物合成和可生物降解的替代品，如聚羟基链烷酸酯（PHA）聚合物家族，有可能用从摇篮到摇篮的材料取代世界上大部分的塑料供应，但它们的化学复杂性和多样性限制了传统的资源密集型实验。在这项工作中，我们开发了多任务深度神经网络属性预测器，使用了近23000种均聚物和共聚物化学物质的实验数据。使用预测因子，我们从近140万个候选者的搜索空间中确定了14种基于PHA的生物塑料，这些生物塑料可以作为七种石油基商品塑料的潜在替代品，这些商品塑料占世界塑料年产量的75%。我们讨论了这些确定的有前途的材料可能的合成路线。开发的多任务聚合物性质预测器作为聚合物基因组项目的一部分在https://PolymerGenome.org上提供。
2022-03-22 cond-mat.mtrl-sci cond-mat.soft cs.LG
On the use of neural networks for the structural characterization of polymeric porous materials
University of Valladolid（巴利亚多利德大学）；BioEcoUVA Research Institute on Bioeconomy, University of Valladolid（巴利亚多利德大学生物经济BioEcoUVA研究所）
针对聚合物多孔材料结构表征现有方法耗时且易受人为误差影响的问题，本文研究基于卷积神经网络的深度学习技术，通过微调Mask R CNN模型并在四类聚合物多孔材料SEM图像数据集测试，实现数秒内输出与手动方法精度相当的结果，提升效率与可靠性。
2025-01-25 cond-mat.mtrl-sci cond-mat.soft cs.CV
A neural density functional for polymer electrolytes with exact structure and transferable Coulomb coupling
University of Science and Technology of China（中国科学技术大学）；Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州高等研究院）；Suzhou Big Data & AI Research and Engineering Center（苏州大数据与人工智能研究与工程中心）
该研究开发了一种保结构神经密度泛函，可准确预测聚合物电解质的离子结构与响应，具备空间可迁移性，性能优于同类架构。
2026-10-26 cond-mat.soft cs.LG cs.NA
Conformations and dynamics of active star polymers
我们研究了活性星形聚合物的构象和动力学。分析表明，活性星型聚合物的拉伸行为与活性直链有很大的不同。的构象和键-键的相关性的目视检查揭示了一个更好的协调的星型聚合物的对齐和协调的债券比线性对应物。在高的作用力值下，该结构显著影响链延伸转变。被动星型聚合物的形状因子和臂非球面度比的比例律与被动情况下的主动力值低于过渡相吻合。对于高于过渡范围的值，这些量的缩放切换到不同的值。
2022-10-08 cond-mat.soft cond-mat.stat-mech
Rapid Neural Network Prediction of Linear Block Copolymer Free Energies
Massachusetts Institute of Technology（麻省理工学院）
本文提出基于机器学习的快速预测线性块共聚物超额自由能的方法，利用模拟数据训练神经网络，有效降低计算成本并提升自由能计算效率。
2026-03-18 cond-mat.soft cs.LG
Spherical Polymer Brushes Under Good Solvent Conditions: Molecular Dynamics Results Compared to Density Functional Theory
采用分子动力学方法和密度泛函理论，研究了在良溶剂条件下，不同链长和接枝密度的柔性聚合物与排斥性球形纳米粒子的粗粒化模型.随着链长的增加，单体密度分布表现出向星形聚合物极限的交叉。得到了聚合物末端的分布和单个聚合物链的线性尺寸，而链的非均匀拉伸的特征在于局部持久长度。单链和全球刷的结构因子以及不同的理论工具的适用范围的结果。最后对实验进行了展望。
2010-05-03 cond-mat.mtrl-sci cond-mat.soft
Scattering from Star Polymers including Excluded Volume Effects
在这项工作中，我们提出了一个新的模型的形状因子的星形聚合物组成的自回避分支。该模型考虑了排除体积效应，并由星形聚合物的两点关联函数导出。我们比较这个模型的小角中子散射（SANS）的测量从聚苯乙烯（PS）的明星沉浸在一个很好的溶剂，四氢呋喃（THF）。结果表明，该模型提供了一个很好的描述散射签名起源于排除体积效应，它明确阐明了一个星型聚合物的全球构象和其组成分支的局部刚度之间的连接。
2014-04-28 cond-mat.soft physics.chem-ph
Miscibility Phase Diagram of Ring Polymer Blends: A Topological Effect
聚合物共混物的相容性是聚合物科学中的一个经典问题，如果其中一个或两个组分没有链端，则可能会发生改变。基于{ \it拓扑体积}的思想，我们提出了一个平均场论来阐明环状聚合物中的拓扑约束如何影响共混物的相行为。虽然预期环-线性聚合物共混物的可混性的大的增强，但预测环-环聚合物共混物的分层的相反趋势，尽管相对较弱。导出了这两种情况下临界点移动的标度公式。我们讨论了该理论的适用范围，以及对线性聚合物共混物行为的交叉，这是短链聚合物所期望的。这些分析提出了拓扑约束可以表示为一种有效的排斥体积效应，其中拓扑长度起着屏蔽因子的作用。
2016-04-07 cond-mat.soft cond-mat.stat-mech
Anomalous Molecular Weight Dependence Reveals the Origin of Mechanical Enhancement in Polymer Nanocomposite
该研究通过双峰分子量聚合物纳米复合材料实验，发现界面聚合物反常链伸长促进网络结构，降低平均分子量可使剪切模量最高提升103倍，揭示了力学增强的分子起源与通用拉伸因子。
2025-01-12 cond-mat.mtrl-sci cond-mat.soft
Field-theoretical approach to a dense polymer with an ideal binary mixture of clustering centers
我们提出了一种场论方法，沉浸在一个理想的混合物的聚类中心的聚合物系统。该系统包含几种具有不同功能的聚类中心，每个聚类中心将链的固定数量段相互连接。使用鞍点近似求解场理论，并使用随机相近似对致密聚合物熔体进行评价。我们发现了一个短程有效的段间相互作用的强度依赖于平均段密度，并讨论了这种近似下的结构因子。我们还确定了不同功能的连接子的分数。
2011-06-29 cond-mat.mtrl-sci cond-mat.soft
Thermal conductivity of commodity polymers under high pressures
CentraleSupélec, Université Paris–Saclay（中央苏佩莱克学院，巴黎萨克雷大学）；Centro de Tecnologia, Universidade Federal do Ceará（技术学院，塞阿拉联邦大学）；Quantum Matter Institute, University of British Columbia（量子物质研究所，不列颠哥伦比亚大学）；Department of Physics, University of California, Berkeley（加州大学伯克利分校物理系）；Institut für Theoretische Physik, George–August–Universität Göttingen（哥廷根大学理论物理研究所）
本研究通过分子动力学模拟和半解析方法，探讨了PMMA在高压下热导率的变化机制，发现非键合相互作用主导了聚合物的热传导过程。
2025-11-09 cond-mat.mtrl-sci cond-mat.soft
An Extendible, Graph-Neural-Network-Based Approach for Accurate Force Field Development of Large Flexible Organic Molecules
Princeton University（普林斯顿大学）；Tsinghua University（清华大学）
一个精确的力场是所有有机聚合物和生物分子的分子力学模拟成功的关键。描述分子间相互作用通常需要超出密度泛函理论的准确性，而大多数相关波函数（CW）方法对于大分子来说都极其昂贵。因此，在连续波水平上发展一个可扩展的柔性有机大分子从头算力场是一个巨大的挑战。在这项工作中，我们面对这一挑战，结合物理驱动的非键合势与数据驱动的子图神经网络键合模型（命名为sGNN）。对聚乙二醇聚合物链的测试表明，我们的策略对于不同大小的分子具有高度的准确性和鲁棒性。因此，我们可以从小分子碎片（尺寸很容易达到CW方法）开发力场，并将其安全地转移到大聚合物中，从而为下一代有机力场开辟了新的道路。
2021-06-02 cond-mat.soft cs.CE cs.LG
Reducing Data Requirements for Sequence-Property Prediction in Copolymer Compatibilizers via Deep Neural Network Tuning
Bellini College of Artificial Intelligence, Cybersecurity \& Computing, University of South Florida, Tampa, Florida, U.S.A.；Department of Chemical, Biological；Materials Engineering, University of South Florida, Tampa, Florida, U.S.A.
针对序列可控聚合物设计缺乏大规模数据集的问题，提出基于低保真度数据预训练深度神经网络再快速调优的策略，可大幅降低不同条件下增容剂序列-界面张力预测的数据需求，助力相关材料设计。
2025-07-29 cond-mat.mtrl-sci cond-mat.soft cond-mat.stat-mech
Glassy Dynamics of Simulated Polymer Melts: Coherent Scattering and Van Hove Functions Part II: Dynamics in the alpha-Relaxation Regime
而本文的第一部分处理的β-制度的松弛，这一部分研究的最终（α）松弛的模拟聚合物熔体组成的短非纠缠链高于模式耦合理论（MCT）的临界温度Tc。我们监测中间的非相干以及相干链和相干熔体散射函数在很宽的波数范围q。在接近Tc的熔体的相干α-弛豫时间增加强烈接近熔体的静态结构因子的最大值。在对应于链的回转半径的q处，熔体松弛时间呈现另一个最大值。弛豫时间的温度依赖性很好地描述了一个幂律与Q依赖指数在中间温度范围内。在整个波数范围内，MCT的时间-温度叠加原理得到了明确的体现。使用Kohlrausch-Williams-Watts（KWW）函数的α-衰变分析表明，集体熔体KWW-拉伸指数和KWW-弛豫时间与结构因子调制。此外，非相干和相干的KWW-times接近MCT的大q预测在q可比的最大结构因子。在小q时，相干链的KWW-times存在一个指数为-3的幂律，与最近的实验结果相似。
2001-03-20 cond-mat.dis-nn cond-mat.soft
Tri-branched gels: Rubbery materials with the lowest branching factor approach the ideal elastic limit
与诸如金属和陶瓷的硬质材料不同，橡胶材料由于交联的三维聚合物网络的大构象自由度而可以承受大的变形。然而，网络的支化因子对橡胶材料的最终机械性能的影响尚未得到澄清。这项研究表明，三分支，这需要最低的分支因子，导致在理论上限附近的大弹性形变。这种理想的弹性限度是通过可逆的应变诱导结晶来实现的，从而提供按需增强。研究结果表明，聚合物链是高度取向沿拉伸轴，其中增强的可逆应变诱导结晶是观察到在三支化，而不是在四支化网络。结构刚性的数学理论被用来解释链取向的差异。虽然四支化聚合物自硫化发展以来一直是优选的，但这些突出三支化优点的发现将促使橡胶材料开发的范式转变。
2022-04-20 cond-mat.mtrl-sci cond-mat.soft physics.chem-ph
