等链段长度网络的低应变弹性模量的幻链模型模拟
《Polymer》:Phantom chain model simulations of the low-strain elastic moduli of uniform-strand-length networks
【字体:
大
中
小
】
时间:2026年10月22日
来源:Polymer 5.1
编辑推荐:
•低应变模量在均匀规则晶格幻影网络中几乎各向同性。•溶剂溶胀状态下模量的定量结果与Everaers的公式一致。•大变形应力响应对晶格取向具有强依赖性。•随机键移除系统性降低了线性弹性响应。
## 引言
弹性模量是聚合物网络材料(包括凝胶和橡胶)的基本力学性能,这些材料在工
•低应变模量在均匀规则晶格幻影网络中几乎各向同性。•溶剂溶胀状态下模量的定量结果与Everaers的公式一致。•大变形应力响应对晶格取向具有强依赖性。•随机键移除系统性降低了线性弹性响应。
## 引言
弹性模量是聚合物网络材料(包括凝胶和橡胶)的基本力学性能,这些材料在工业和医疗领域有着广泛应用[1]、[2]。Kuhn[3]、[4]和James–Guth[5]为交联点之间链段长度均匀的网络发展了经典理论。在该框架中,弹性模量(G)取决于链段和交联点的数密度。此后,Flory–Rehner[6]和Erman–Mark[7]的进一步发展推动了该理论在相关领域的广泛应用。尽管近年来的一些理论进展,如实弹性网络理论(RENT)[8]和基于图的递归方法[9]、[10]、[11],已量化了环状缺陷对弹性的影响,但真实网络中此类结构缺陷与缠结的共存使直接验证理想基准理论变得复杂。因此,建立严格的熵弹性基准需要评估完全无缺陷的规则晶格网络作为理想极限。
在低聚合物密度的溶剂溶胀网络系统中,如实验聚合物凝胶,被困缠结的贡献减弱,网络连通性成为弹性的主要因素[12]、[13]。在此低密度范围内,由于网络拓扑结构(由连通矩阵表示)成为主导因素,幻影链模型提供了有效的近似。Everaers利用无缺陷金刚石网络定量建立了缠结与连通性贡献的分离[14]。从逆向角度利用这一拓扑主导性,Dobrynin和合作者们最近引入了"网络法证学"的概念[15]、[16]。该方法通过分解弹性模量为网络分量和缠结分量,针对编码在连通矩阵中的拓扑特征(如有效交联功能度和环的贡献)进行分析,并通过采用Kremer–Grest(KG)[17]和幻影链模型进行粗粒化分子动力学(CGMD)模拟验证了这一方法。这些进展促使人们提出基于连通性的幻影网络的精确公式,如下文所述。
熵弹性可以通过图拉普拉斯算子(等同于连通矩阵)的精确解来描述,如Gurtovenko和Blumen[18]对立方晶格等均匀链段长度结构所报告的那样。虽然这篇奠基性论文描述了相邻节点通过单个弹簧连接的网络,但其主要关注宏观响应,对于具有柔性构象的多珠子链段的严格公式化仍然具有挑战性。Everaers[14]在处理多弹簧链段方面证明,对于无缺陷的规则晶格网络,幻影模型的哈密顿量可分离为仿射变形的平均结点位置和变形无关的涨落。这一分离导致了均方末端距的结构分解以及G_ph的精确表达式,其以平均(几何)链段伸长率表示;这直接适用于溶胀网络,其中链段在几何上被预拉伸。此外,Deguchi和合作者们[19]初步提出了一种不依赖于传统"固定外围交联点"假设的公式,该假设之前在没有严格验证的情况下被引入。他们的基于同余关系的分析表明,对于由规则晶格点上放置的交联点生成的均匀链段长度网络,弹性模量与网络架构和变形方向无关。然而,该精确框架中有两个方面尚未经过检验。首先,模量在不同晶格类型和变形方向上的稳健性预测尚未进行系统研究。其次,Everaers关于几何预拉伸的公式尚未在不同功能度(f = 3、4和6)、链段长度以及从溶剂溶胀状态到名义致密幻影网络状态(无缠结)的珠子密度范围内得到确认。为了解决这两个未解决的问题,我们使用幻影链网络的CGMD模拟来检验这种结构独立性是否在实践中成立。
为验证每个链段包含多个弹簧的网络中熵弹性的理论,CGMD模拟已被广泛用于研究规则结构网络[14]、[20]、[21]、[22]、[23]。Everaers和Kremer[14]、[20]、[21]研究了金刚石晶格网络的弹性模量,并阐明了高密度体系中缠结效应的重要性。在此密度体系中,对于足够长的链段,被困缠结限制链段构象和结点涨落,使小应变模量高于幻影网络预测值。对于Everaers和Kremer研究的模型网络,超额模量约为0.85 ρ_ent·k_BT,其中ρ_ent表示被困缠结的密度[21]。因此,本研究的幻影模型结果应被视为弱缠结、溶剂溶胀凝胶的连通性基准,而更致密的真实聚合物凝胶可能表现出额外的缠结贡献。Toda和Morita[22]分析了f = 3、4、6和8时具有立方对称性的规则晶格的剪切模量,验证了模量中出现并可追溯至Tobolsky[24]、[25]和Flory[26]的理论前因子。我们此前研究了f = 4、均匀链段长度的规则晶格网络的熵弹性[23],随后探索了双峰链段长度网络中非均匀性的发展[27]、[28]。随机和含缺陷网络的弹性性质,包括端链凝胶和带有悬挂链的规则网络,也已被Dobrynin和合作者们[15]、[16]、Grest和合作者们[29]、[30]以及Gusev和合作者们[31]、[32]、[33]所研究。在这些研究中,CGMD模拟中最常用的链模型是幻影链模型和KG模型[17]。具体而言,幻影链模型用于前述文献[14]、[15]、[16]、[23]、[27]、[28],而KG模型用于相关文献[14]、[15]、[16]、[20]、[21]、[27]、[28]、[29]、[30]。其他模型也在额外文献[22]、[31]、[32]、[33]中被考虑。
除聚合物网络材料的线性弹性外,应变软化和应变硬化等非线性行为也引起了理论研究者的重要关注;这些现象通过Rubinstein和Panyukov[34]以及Davidson和Goulbourne[35]开发的基础框架得以描述。作为此类非线性响应的分子解释,Dobrynin和Carrillo[36]推导了真实应力和剪切应力作为应变和变形前网络链段均方末端距(R_strand2)的函数的普适表达式。他们的理论表明,当R_strand2相对于完全伸展链长度的平方不再可以忽略时,应力非线性开始出现;因此,非线性本质上依赖于聚合物密度和链段长度N_s。初始网络构型还通过预应力和预拉伸影响力学响应,从而影响标志着从线性到非线性过渡的交叉应变。正如Everaers[14]所阐明的,预应力在缠结网络中从拓扑上产生;在此处所考虑的幻影链极限中,剩余的贡献则是由于溶胀时各向同性网络膨胀而导致的纯几何预拉伸,这缩小了表观线性熵弹性范围。我们先前的敏感性分析[23]表明,这种膨胀即使在零施加应变下也会使很短的链段(N_s = 10)进入非线性区域,而N_s ≥ 25时在ρ = 0.1下保留了明确的线性区域。在大变形下,与链段极限可伸展性相关的急剧应力上升可被Arruda–Boyce八链模型[37]等非高斯本构模型从现象学上捕捉。然而,此类模型本质上是对链段方向进行平均的。规则晶格网络中每个链段相对于变形轴的方向都是已知的,因此为解析链段方向如何控制应变硬化的起始及后续失效提供了直接途径。为避免非高斯链段统计的复杂性并隔离连通性效应,我们在该控制框架内主要采用较大的N_s值。
在本研究中,我们使用CGMD模拟研究了从规则晶格点(f = 3、4和6)生成的均匀链段长度幻影网络的低应变弹性模量,在单轴和剪切变形下建立受控低应变参考并检验对该理想响应的偏离。我们首先验证了在不同晶格取向和变形方向下低应变响应具有高度一致性,并且线性弹性区域范围随N_s增加,而有限链段可伸展性在大变形下产生各向异性行为。然后,我们定量检验了Everaers关于经几何预拉伸校正的G_ph公式在不同f和N_s下的适用性,并考察了几质压缩在名义高珠子密度幻影区域对基本结构分解的影响。最后,我们研究了通过随机键移除引入的网络缺陷如何影响低应变弹性响应。
本文其余部分组织如下。第2节描述了均匀链段长度网络的幻影链模型所使用的模拟方法。第3节展示了模拟结果,包括低应变弹性响应及其与理论的验证、随机键移除的效果以及带键断裂的大变形行为。第4节总结了发现并提供结论。
### 幻影链模型
幻影链模型使用谐振势描述珠子之间的线性弹簧,忽略排斥体积相互作用。任意一对珠子之间的对势表达如下:
$$U(r) = \frac{1}{2} K (r - r_0)^2$$
其中r是珠子之间的距离。对于键合珠子,谐振势定义为:
$$U(r) = \frac{1}{2} K (r - r_0)^2$$
其中K(= 490ε/σ2)是弹簧常数,r?(= 0.961σ)是线性弹簧的自然键长,ε和σ分别代表Lennard–Jones势中的能量和长度单位。
### 结果
以下我们将理想低应变响应与受控偏离区分开来。无缺陷低应变行为被用作解释有限链段可伸展性、几何压缩和随机键移除效果的参考。
### 总结
在本研究中,我们使用CGMD模拟研究了从规则晶格点生成的均匀链段长度网络的弹性模量和应力-应变曲线。具体而言,我们基于小应变区域的弹性模量建立了受控参考,并考察了与链段可伸展性、几何压缩和网络缺陷相关的偏离。为改善小应变区域内估计的应力-应变曲线的准确性,采用了幻影链模型,而
### CRediT作者贡献声明
Katsumi Hagita:撰写——审稿与编辑,撰写——原稿,可视化,验证,软件,方法论,研究,获取资金,形式分析,数据管理,概念构思。Takahiro Murashima:撰写——审稿与编辑,撰写——原稿,验证,研究,形式分析。
### 手稿准备过程中生成式AI和AI辅助技术的声明
在准备本文稿期间,作者使用了ChatGPT(OpenAI)、Gemini(Google)和Claude(Anthropic)以改善英语语法和措辞。使用这些工具后,作者根据需要审阅和编辑了内容,并对已发表文章的内容承担全部责任。
### 利益冲突声明
? 作者声明以下财务利益/个人关系,可能被视为潜在的利益冲突:Katsumi Hagita报告日本学术振兴会(JSPS)提供了资金支持。Katsumi Hagita报告日本科学技术振兴机构(JST)提供了资金支持。如其他作者,他们声明没有已知的竞争财务利益或个人关系可能影响本工作。
### 致谢
作者感谢Dr. T. Deguchi的宝贵讨论。本研究的计算部分由日本跨学科大规模信息基础设施联合使用/研究中心(JHPCN)和日本高性能计算基础设施(HPCI)部分支持:hp220215、hp230148、hp240052、hp240056、hp240469、hp250123、hp250144、hp250329和hp260181。本工作部分由日本学术振兴会KAKENHI支持(项目编号:JP18H04494、JP20H04649)。
Katsumi Hagita | Takahiro Murashima
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号