瞿立建 发布的文章

聚电解质刷浸没于纳米粒子溶液中



图1 聚电解质刷浸没于纳米粒子溶液中

体系示意图如图1所示。一平面聚电解质刷, 平均每条接枝的聚电解质链占据的面积为$\sigma $. 假设链节的链的Kuhn 长度$b$与溶液Benjerum 长度$l_{\mathrm B}$ 同数量级, 这保证链不被静电相互作用强烈拉伸,仍然保持为柔性链。接枝链链长为$N$,溶液中纳米粒子大小为链节大小的$P$倍。接枝链带电分率为$\alpha$,一个纳米粒子所带电量为$Z$。本文暂只考虑聚电解质链和纳米粒子的电荷符号相同的情形。设溶液中接枝高分子、纳米粒子、反离子的体积分数分别为$\phi_{\mathrm N} (z)$、$\phi_{\mathrm P} (z)$、$\phi_{\mathrm C} (z)$,本体溶液中,纳米粒子的体积分数为$\varPhi$。

我们现在应用强拉伸理论研究这个体系。

- 阅读剩余部分 -

耶鲁基础物理6.4 做功与路径



设与一维空间类似,有这样一种情况成立,即某个力的线积分仅依赖于起点和终点。我们就像在一维空间那样,将这个积分所得的结果记为$U_1-U_2$。最终会得到

$$ K_2+U_2=K_1+U_1 \label{6.60}\tag{6.60} $$

要得到这个公式,这个关系一定成立吗?

- 阅读剩余部分 -

耶鲁基础物理6.3二维空间中力做功与矢量点乘



对于一维运动,动能$K=\frac{1}{2}mv^2$,对动能求导,得

$$ \frac{\mathrm dK}{\mathrm dt}=mv\frac{\mathrm dv}{\mathrm dt}=mva=Fv=F\frac{\mathrm dx}{\mathrm dt} \label{6.28}\tag{6.28} $$

两边可消去$\mathrm dt$,得

$$ \mathrm dK=F\mathrm dx \label{6.29}\tag{6.29} $$

两边积分,得

$$ \begin{align} K_2-K_1=&\int_{x_1}^{x_2}F(x)\mathrm dx \label{6.30}\tag{6.30} \\ =&U(x_1)-U(x_2)=U_1-U_2\label{6.31}\tag{6.31} \end{align} $$

整理得能量守恒定律:

$$ K_2+U_2=K_1+U_1 \label{6.32}\tag{6.32} $$

\eqref{6.31}、\eqref{6.32}两式成立的条件是力$F$只依赖于坐标$x$,与其他量,如速度$v$、加速度$a$等,无关。

现在,我们看看二维情形。

二维情况下,力和位移都是有两个分量的矢量,功的表达是什么样的?即如何将$\mathrm dW=F\mathrm dx$推广到二维?

- 阅读剩余部分 -

耶鲁基础物理6.2二元函数与偏导数



我们将在二维空间推导动能定理和能量守恒定律。我希望得到这样的关系:$K_1+U_1=K_2+U_2$,式中$U=U(x,y)$。

如何画二元函数$f(x,y)$的图像?

在$x-y$平面上一点$(x,y)$处沿与$x-y$平面垂直的方向上量度$f(x,y)$的距离,描出一个点,遍历$x-y$平面上所有点做此操作,描出的所有点构成一个曲面,这个曲面就是二元函数$f(x,y)$的图像。

自变量$x$和$y$变动一点,$f(x,y)$的函数值如何变化?

自变量有无限多种变动方式,可以沿$x$轴变动,也可以沿$y$轴变动,也可以沿两坐标轴之间的某个角度变动。

我们先看看自变量沿坐标轴变动,函数值的变化。

从点$(x,y)$变动到另一点$(x+\Delta x,y)$,函数值增量为$\Delta f=f(x+\Delta x,y)-f(x,y)$,$\Delta f$除以$\Delta x$,令$\Delta x \to 0$,得函数对$x$的偏导数

- 阅读剩余部分 -

美国科学促进会年会纵论新冠病毒:数据开放,科学战“疫”

2019年12月,武汉发生冠状病毒肺炎疫情,逐渐发展为一场严重的公共卫生事件。到目前为止,实验室确诊病例近4.7万(注:原文如此,中国病例超7万,但中国根据疫情变化,湖北按临床标准而非实验室标准进行确诊。),死亡病例已有2000多人。全球应对这一新型病毒的过程中,基因组学一直发挥着关键作用。武汉爆发的新型冠状病毒已被命名为SARS-CoV-2。全球研究人员通力合作,该病毒的基因组的序列迅速测定,大大便利追踪病毒的传播路径。

- 阅读剩余部分 -

耶鲁基础物理6.1微积分复习



图6.1 当$x$变化了$\Delta x$,函数的增量$\Delta f$可近似为 $\Delta f\approx f'(x)\Delta x$,$f'(x)=\frac{\mathrm df}{\mathrm dx}$。实线为原来的函数,虚线为斜率为$f'(x)$的直线的线性近似。

本节简要介绍下微积分,为后面要讲的东西做一些数学准备。

- 阅读剩余部分 -