본문으로 이동

겔화의 무작위 그래프 이론

위키백과, 우리 모두의 백과사전.
단계 성장 중합에서 차수 분포 식별

겔화의 무작위 그래프 이론(영어: Random graph theory of gelation)은 졸-겔 공정을 위한 수학 이론이다. 이 이론은 플로리-스톡마이어 이론을 일반화한 결과들의 집합이며, 임의의 수와 유형의 반응성 작용기를 가진 많은 중합 단량체 세트에 대한 겔화점, 겔 분율, 중합체 크기 분포, 몰 질량 분포 및 기타 특성을 식별할 수 있다.

이 이론은 수학자 에르되시 팔알프레드 레니가 도입하고, 1950년대 후반 에드거 길버트가 독립적으로 도입한 무작위 그래프의 개념과, 고정된 차수 시퀀스를 가진 무작위 그래프로 알려진 이 개념의 일반화에 기반을 두고 있다.[1] 이 이론은 원래 단계 성장 중합을 설명하기 위해 개발되었으며,[2] 이제 다른 유형의 중합에 대한 적용도 존재한다. 이론적 결과를 제공하는 것 외에도 이 이론은 구성적이다. 중합으로 인해 발생하는 그래프와 같은 구조는 구성 모델을 사용하는 알고리즘으로 샘플링할 수 있으므로 컴퓨터 실험을 통해 이러한 구조를 추가로 검사할 수 있다.

전제와 차수 분포

[편집]

주어진 시점에서 차수 분포 는 무작위로 선택된 단량체가 개의 연결된 이웃을 가질 확률이다. 겔화의 무작위 그래프 이론의 핵심 아이디어는 가교되거나 분지된 중합체를 두 가지 수준에서 별도로 연구할 수 있다는 것이다. 1) 을 예측하는 단량체 반응 역학, 2) 주어진 차수 분포를 가진 무작위 그래프. 이러한 분리의 장점은 이 접근 방식을 통해 상대적으로 간단한 반응 속도식으로 단량체 역학을 연구한 다음 무작위 그래프 모델의 입력으로 사용되는 차수 분포를 추론할 수 있다는 것이다. 여러 경우에 앞서 언급된 반응 속도식은 알려진 해석적 해를 갖는다.

한 가지 유형의 작용기

[편집]

동일한 유형의 작용기를 가진 단량체( 중합이라고 함)의 단계 성장 중합의 경우 차수 분포는 다음과 같이 주어진다. 여기서 는 결합 전환율이고, 은 평균 기능성이고, 은 기능성 을 가진 단량체의 초기 분율이다. 나중 표현에서는 일반성을 잃지 않고 단위 반응 속도가 가정된다. 이론에 따르면,[3] 시스템은 일 때 겔 상태에 있으며, 여기서 겔화 전환율은 이다. 평균 분자량몰 질량 분포에 대한 해석적 표현도 알려져 있다.[3] 화학적 치환, 부반응 또는 분해와 같은 더 복잡한 반응 역학이 포함되는 경우에도 수치 적분을 사용하여 를 계산함으로써 이론을 적용할 수 있다.[3] 이 경우 은 시스템이 시간 t에 겔 상태에 있음을 의미한다(부등호가 뒤집히면 졸 상태).

두 가지 유형의 작용기

[편집]

두 가지 유형의 작용기 A와 B를 가진 단량체가 A와 B 그룹 사이의 반응으로 단계 성장 중합을 겪을 때, 유사한 해석적 결과가 알려져 있다.[4] 몇 가지 예는 오른쪽 표를 참조하라. 이 경우 개의 A 그룹과 개의 B 그룹을 가진 초기 단량체의 분율이다. A가 먼저 고갈되는 그룹이라고 가정해 보자. 무작위 그래프 이론은 일 때 겔화가 일어난다고 주장하며, 여기서 겔화 전환율은 이고 이다. 분자 크기 분포, 분자량 평균 및 자이레이션 반경 분포는 알려진 형식적 해석적 표현을 갖는다.[5] 네트워크에서 개의 A 그룹과 개의 B 그룹에 의해 연결된 단량체의 분율을 나타내는 차수 분포 가 수치적으로 해결될 때, 겔 상태는[2] 일 때 감지된다. 여기서 이고 이다.

일반화

[편집]

알려진 일반화에는 임의의 수의 작용기 유형을 가진 단량체,[6] 가교 중합,[7] 및 복합 반응 네트워크가 포함된다.[8]

각주

[편집]
  1. Molloy M, Reed B (March–May 1995). 《A critical point for random graphs with a given degree sequence》. 《Random Structures & Algorithms》 6. 161–180쪽. doi:10.1002/rsa.3240060204. 
  2. Kryven I (July 2016). 《Emergence of the giant weak component in directed random graphs with arbitrary degree distributions》. 《Physical Review E》 94. 012315쪽. arXiv:1607.03793. Bibcode:2016PhRvE..94a2315K. doi:10.1103/PhysRevE.94.012315. PMID 27575156. S2CID 206251373. 
  3. Kryven I (January 2018). 《Analytic results on the polymerisation random graph model》. 《Journal of Mathematical Chemistry》 56. 140–157쪽. arXiv:1603.07154. doi:10.1007/s10910-017-0785-1. S2CID 54731064. 
  4. Kryven I (July 2016). 《Emergence of the giant weak component in directed random graphs with arbitrary degree distributions》. 《Physical Review E》 94. 012315쪽. arXiv:1607.03793. Bibcode:2016PhRvE..94a2315K. doi:10.1103/PhysRevE.94.012315. PMID 27575156. S2CID 206251373. 
  5. Schamboeck V, Iedema PD, Kryven I (February 2019). 《Dynamic Networks that Drive the Process of Irreversible Step-Growth Polymerization》. 《Scientific Reports》 9. 2276쪽. doi:10.1038/s41598-018-37942-4. PMC 6381213. PMID 30783151. 
  6. Kryven I (January 2019). 《Bond percolation in coloured and multiplex networks》. 《Nature Communications》 10. 404쪽. Bibcode:2019NatCo..10..404K. doi:10.1038/s41467-018-08009-9. PMC 6345799. PMID 30679430. 
  7. Schamboeck V, Iedema PD, Kryven I (September 2020). 《Coloured random graphs explain the structure and dynamics of cross-linked polymer networks》. 《Scientific Reports》 10. 14627쪽. Bibcode:2020NatSR..1014627S. doi:10.1038/s41598-020-71417-9. PMC 7471966. PMID 32884043. 
  8. Orlova Y, Kryven I, Iedema PD (April 2018). 《Automated reaction generation for polymer networks》. 《Computers & Chemical Engineering》 112. 37–47쪽. doi:10.1016/j.compchemeng.2018.01.022.