在随机图形建模中对烯酸盐共聚合物的循环化
Tamika van 't Hoff1, Teun Schilperoort1, Ivan V Kryven2
1University of Amsterdam, Van't Hoff Institute for Molecular Sciences, Amsterdam, 1098 XH, the Netherlands. p.d.iedema@uva.nl.
由于凝,三维根基聚合是复杂的. 使用随机图和蒙特卡洛模拟的新粗粒度模型提供了对聚合过程中网络形成和循环影响的见解.
科学领域:
- 聚合物化学 聚合物化学
- 材料科学 材料科学 材料科学
- 计算机建模 计算建模
背景情况:
- 三维基基聚合对于材料应用至关重要,但人们对其了解甚少.
- 凝,液态到固态相变,导致动力减速,并掩盖了聚合机制.
- 分子动力学 (MD) 模拟受限于研究凝和网络形成的短时间尺度.
研究的目的:
- 开发和应用粗粒度建模技术,以了解三维激素聚合中的网络形成.
- 研究循环形成对聚合动力学,特别是凝点的影响.
- 为了比较粗粒度模型预测与MD模拟用于聚合乙烯酸盐如NBA,HDDA和TMPTA的聚合.
主要方法:
- 基于随机图 (RG) 和蒙特卡洛 (MC) 模拟的粗粒度建模.
- 通过专注于单体单元连接而不是原子细节来表示聚合物网络.
- 在RG/MC框架内将周期建模为特定的顶点类型,以分析它们的影响.
主要成果:
- RG/MC模型表明,循环延迟凝点,延迟取决于循环大小.
- 预测的周期数量和大小与MD模拟结果保持一致.
- 这些模型捕捉了树状的网络结构,在凝模式中连接周期,但在重叠周期方面存在困难.
结论:
- 粗粒度RG/MC模型为研究三维激素聚合的动力学和网络结构提供了有价值的工具.
- 循环形成显著影响凝过程和网络拓.
- 需要进一步改进粗粒度模型,以捕捉复杂的结构特征,如重叠周期.
更多相关视频
11:42Synthesis of Monodisperse Cylindrical Nanoparticles via Crystallization-driven Self-assembly of Biodegradable Block Copolymers
Published on: June 20, 2019
06:55Synthesis of Cyclic Polymers and Characterization of Their Diffusive Motion in the Melt State at the Single Molecule Level
Published on: September 26, 2016
相关概念视频
Characteristics and Nomenclature of Copolymers
Cationic Chain-Growth Polymerization: Mechanism
Radical Chain-Growth Polymerization: Mechanism
Anionic Chain-Growth Polymerization: Overview
Radical Chain-Growth Polymerization: Chain Branching
Radical Chain-Growth Polymerization: Overview
