周期性纳米填充物环境中的高分子链的统计性质

来源 :第二届全国统计物理与复杂系统学术会议暨第七届海峡两岸统计物理研讨会 | 被引量 : 0次 | 上传用户:xiaobaitu11
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  我们用Monte Carlo方法研究了纳米尺度的球状填充物对高分子链的平衡态性质和动力学性质的影响,其中直径为σf的填充物以周期D按立方晶格周期性排列.高分子链节之间、高分子链节与填充物之间考虑长程的Lennard-Jones相互作用,相互作用强度分别为ε=0.2和εfp.高分子链节为直径σ=1的球,链节之间以有限扩展非线性弹性(FENE)势相连.我们模拟的高分子链长N=64,它的平均回转半径RG约为5.我们模拟了两种情况:(1) RG>D>σf,即长的高分子链处于高密度小尺寸的填充物坏境中,和(2)D>RG~σf,即填充物大小与高分子尺寸相当且填充物间距很大.
其他文献
由于负折射率[1]、超透镜[2]以及隐身衣技术[3]的相继提出和验证,超颖材料已经引起了人们的广泛兴趣.手性是超颖材料表现出的一种典型的三维现象[4].目前,多种三维结构的超颖材料已经被广泛报道,其中由金属原子单层平面组成的金属薄膜是人们主要的研究对象[5].
会议
眼睛是人体重要的感觉器官,但同时也很脆弱,人体中存在许多保护眼睛的防御机制,泪液是其中一道重要防线.泪液是处于眼睑和眼表之间的一层液膜,因此又称为泪膜,泪液中含有约491种蛋白质[1],其含量的变化往往伴随疾病的发生和发展.但泪液具有样品量少(μ L)、成分复杂且各成分的浓度分布范围很宽(从ng级到mg级)的特点,因而需要高灵敏的检测方法.目前泪液蛋白质的检测方法主要有MS、ELISA、HPLC等
会议
旋光拉曼的机理源于电偶极矩,磁偶极矩和电四偶极矩之间的耦合,其中的磁性来源于分子振动时导致的电荷流动,所引起的磁场[1].这是一种更为高次的效应,反应着分子内更为细致,也更为丰富的有关立体结构的信息.β-pinene分子是典型的手性分子,其分子结构如图1所示,其中C5和C7为其两个手性中心.
会议
分子吸附在具有纳米粗糙度的贵金属表面时会产生表面增强拉曼散射(SERS)效应[1].表面增强有两种主要增强机理,分别是电磁增强和化学增强[2].然而其增强机制尚缺少直观的描述,本文通过电荷差分密度的方法直观显示金属团簇与哒嗪之间的共振电子转移情况,这是化学增强可视化的证据.
会议
4-NBT分子吸附在金属表面发生表面催化偶合反应生成DMAB的研究主要是在铜和银纳米基底上开展的,在金基底上开展的研究很少.如XieW等人比较了铂基双功能化的纳米树莓结构和大尺寸的金纳米微球的催化活性,结果显示金不具有或者至少只具有非常低的催化活性[1].
会议
肺癌早期症状仅为一般呼吸系统疾病所共有的症状,如咳嗽、低热、痰血等,很容易被忽略,往往肺癌确诊已经为晚期,错过了最佳治疗时期,这也是造成肺癌死亡率高的原因之一.因此寻找准确、方便、快捷的癌症早期诊断方法意义重大[1].表本文将人工神经网络的方法和表面增强拉曼光谱检测技术应用于肺癌患者的诊断,针对正常人和肺癌患者的唾液进行拉曼光谱检测,并采用了学习向量量化(Learning Vector Quant
会议
目前,SERS探针已经能够实现单个细胞器的靶向定位检测[1,2].然而,利用SERS探针实现细胞内不同细胞器的同时靶向检测仍然是一件非常有挑战的工作.本文设计了两种SERS探针,利用它们分别实现了细胞膜和细胞核的定位靶向检测.并且,还将"核"和"膜"靶向SERS探针与细胞进行共培养,首次实现了细胞内两种细胞器的同时靶向检测和成像.
会议
DNA是一种重要的生物遗传物质,对DNA的检测方法研究已经成为近年来分析化学领域的重要课题.以表面等离子体共振活性金属纳米粒子为基础的比色DNA传感器因其简单、快速和灵敏得到了极大的关注[1,2].金、银纳米粒子具有独特的SPR吸收光谱和极高的消光系数非常适用于多组分检测体系的构建.
会议
金纳米星、金纳米花等具有各向异性结构的纳米颗粒由于其特殊的光学和电磁学特性,越来越多的在光学成像、催化、传感等研究领域受到关注.其中,近年来金纳米星(花)在表面增强拉曼光谱(Surface-Enhanced Raman Spectroscopy, SERS)领域的相关研究一直是一个热点.
会议
统计物理在研究人类社会等复杂系统方面已经有了广泛的应用。而古典音乐作为文化的重要组成部分,吸引了许多领域的学者探究它背后的秘密。因此,我们试图从统计物理的角度对古典音乐进行研究。我们调查了五位代表性作曲家,即巴赫、莫扎特、贝多芬、门德尔松以及肖邦,时间跨度164年且分属三个不同的流派。研究着重分析乐曲音高波动的累积分布函数和自相关函数。