[论文解读] Self and Tracer Diffusion of Polymers in Solution

George D. J. Phillies|arXiv (Cornell University)|Mar 3, 2004

Polymer crystallization and properties被引用 3

一句话总结

本文综述了聚合物在溶液中自扩散和示踪扩散的实验数据，表明不同体系中扩散系数的浓度依赖性始终可用拉伸指数形式 exp(−αc^ν) 一致描述。缩放参数 α 和 ν 与分子量和链结构存在系统性依赖关系，其中大分子的 ν ≈ 0.5，而较小分子的 ν 逐渐趋近于 1，这挑战了基于幂律的传统计模型的有效性。

ABSTRACT

The literature on self- and tracer- diffusion of polymers in solution, and on tracer diffusion of probe polymers through solutions of matrix polymers, is reviewed. I show via systematic reanalysis that the entirety of the published literature has its concentration c and matrix M and probe P molecular weight dependences described by a single functional form, namely the stretched exponential in c, P, and M. Correlations of the scaling prefactor and exponents with polymer molecular weight, concentration, and size are examined. Scaling parameters for the diffusion of star polymers do not differ substantially from scaling parameters for the diffusion of linear chains of equal size.

研究动机与目标

• 系统整理并分析聚合物在溶液中自扩散和示踪扩散的实验数据。
• 通过实证数据检验缩放模型的有效性，特别是幂律描述的适用性。
• 研究扩散系数缩放参数（α 和 ν）对聚合物分子量、浓度和链结构的依赖关系。
• 评估拉伸指数形式 exp(−αc^ν) 相较于幂律模型是否提供更优的唯象描述。
• 在重整化群和流体动力学推导的基础上，评估拉伸指数形式的理论基础。

提出的方法

• 系统性综述并拟合不同聚合物浓度和分子量下自扩散和示踪扩散系数的已发表实验数据。
• 采用拉伸指数函数形式 D = D₀ exp(−αc^ν) 来建模扩散系数的浓度依赖性。
• 分析包括线性链和星形链在内的不同聚合物体系中缩放参数 α 和 ν 的行为。
• 将实验获得的缩放参数与流体动力学和重整化群理论的预测进行比较。
• 通过函数空间中的数学论证，评估拉伸指数形式相较于其他三参数函数形式的灵活性。
• 利用重整化群方法，从低浓度下的伪第二 virial 展开式（D_s = D₀(1 + k₂c + k₃c²)）出发，将该形式外推至高浓度区域。

实验结果

研究问题

• RQ1 拉伸指数形式 exp(−αc^ν) 是否能准确描述不同实验体系中聚合物自扩散的浓度依赖性？
• RQ2 缩放参数 α 和 ν 如何随聚合物分子量变化，其依赖关系的函数形式是什么？
• RQ3 所观察到的浓度依赖性是否与幂律缩放模型不一致？若是，原因是什么？
• RQ4 星形聚合物与等效流体动力学尺寸的线性链相比，是否表现出不同的扩散缩放参数？
• RQ5 拉伸指数形式的成功是否可归因于其数学灵活性，还是其本身是一种稳健的唯象描述？

主要发现

• 拉伸指数形式 exp(−αc^ν) 几乎完美地描述了广泛浓度范围和分子量范围内已发表的聚合物自扩散和示踪扩散实验数据。
• 前因子 α 随聚合物分子量的增加而近似遵循 α ∼ M¹ 的关系，表明其对链尺寸具有强烈依赖性。
• 对于大分子（M > 400 kDa），指数 ν 约为 0.5，而随着分子量减小，ν 逐渐趋近于 1.0，表明动力学行为存在转变。
• 星形聚合物的缩放参数与等效流体动力学尺寸的线性链无显著差异，表明其具有相似的动力学缩放行为。
• 拉伸指数形式并不比其他三参数函数更具灵活性，因此其成功不能归因于数学灵活性，而应视为一种根本性的唯象拟合。
• 实验数据否定了幂律缩放模型，因为所观察到的浓度依赖性在宽范围内不符合预测的幂律斜率，且此类斜率在缺乏精细模型预测的情况下无法被证伪。