项目名称: 聚合物多级微相结构及其力学性能研究

项目编号: No.21474029

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 林嘉平

作者单位: 华东理工大学

项目金额: 90万元

中文摘要: 具有复杂拓扑结构的高分子共聚物在一定条件下通过微相分离可形成多级微相结构,研究多级微相分离行为对于掌握多级结构的形成规律以及利用多级结构设计获得高性能功能材料具有重要意义。本申请课题首先通过分子设计,合成具有不同拓扑结构的多组分共聚物。然后,运用实验和理论模拟相结合的方法,研究共聚物的拓扑结构和链段相互作用等因素与其所形成的多级结构之间的关系,明确相关机理。 在此基础上,开展具有多级微相结构的高分子材料的力学性能研究,明确高分子多级结构与力学性能之间的关系。通过上述研究,实现从分子设计到微相结构设计再到力学性能的可控,为通过调控聚合物的多级结构获得高性能结构与功能材料奠定基础。

中文关键词: 共聚物;高分子微相分离;多级结构;高分子理论和模拟;力学性能

英文摘要: Copolymers with sophisticated topologies are capable of microphase-separating into various hierarchical microstructures under certain conditions. Nanomaterials with hierarchical microstructures usually exhibit more advanced macroscopic properties than those with traditional microstructures such as lamellae, and therefore they may find promising applications in various fields. The results gained through the related studies may provide useful information to understand the nature of hierarchical microphase separation and to design high-performance functional materials. In this proposal, firstly a series of copolymers with various topologies will be designed and synthesized through molecular engineering and the structures of the samples will be characterized. Then, through combining the experimental observations and theoretical simulations, we intend to investigate the influences of the molecular topologies and intermolecular interactions on the hierarchical microphase separation, and unveil the underlying mechanisms. Finally, we will carry out studies on the mechanical properties of these materials with hierarchical microstructures. The effects of different microstructures will be examined to unveil the principle governing the mechanical properties. Through above investigations, we intend to fulfill the objective, i.e., to gain controllable microstructures and controllable properties through molecular design of copolymers.

英文关键词: Copolymer;Polymer microphase separation;Hierarchical struture;Polymer theory and simulation;Mechanical properties

成为VIP会员查看完整内容
0

相关内容

WWW2022 | 迷途知返:分布迁移下的图神经网络自训练方法
专知会员服务
16+阅读 · 2022年2月19日
【WWW2022】TaxoEnrich:通过结构语义表示的自监督分类法补全
专知会员服务
25+阅读 · 2021年9月10日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
12+阅读 · 2021年8月8日
专知会员服务
37+阅读 · 2021年5月28日
专知会员服务
40+阅读 · 2021年5月24日
专知会员服务
94+阅读 · 2021年2月6日
基于自监督的可逆性强化学习方法
AI前线
4+阅读 · 2021年12月3日
【KDD2021】基于生成对抗图网络的不平衡网络嵌入
【材料课堂】EBSD晶体学织构基础及数据处理
材料科学与工程
34+阅读 · 2018年7月14日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
57+阅读 · 2022年1月5日
Arxiv
56+阅读 · 2021年5月3日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关VIP内容
WWW2022 | 迷途知返:分布迁移下的图神经网络自训练方法
专知会员服务
16+阅读 · 2022年2月19日
【WWW2022】TaxoEnrich:通过结构语义表示的自监督分类法补全
专知会员服务
25+阅读 · 2021年9月10日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
12+阅读 · 2021年8月8日
专知会员服务
37+阅读 · 2021年5月28日
专知会员服务
40+阅读 · 2021年5月24日
专知会员服务
94+阅读 · 2021年2月6日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员