Thermal fluctuation spectrum of flexoelectric viscoelastic semiflexible filaments and polymers: A line liquid crystal model
Notice bibliographique
Résumé
Abstract In this paper, we generalize the internal viscosity model developed by Professor Williams to semiflexible polymers, biofilaments, and worm‐like micelles, where molecular dissipation is generated by bending. Current models for viscoelasticity with internal viscosity in semiflexible polymers and filaments are based on generalizations of the worm‐like model, but they neglect potential electromechanical couplings such as flexoelectricity. In this paper, inspired by the early work of Professor Williams, we develop a model for worm‐like viscoelastic flexoelectric filaments based on the “line liquid crystal model”. The electroelastic free energy and entropy production are formulated and used to derive the shape equation for these filaments undergoing thermal fluctuations. The resulting time relaxation spectrum is a useful tool to characterize experimentally viscoelastic material parameters. We show that flexoelectricity or polarization‐induced bending softens the filaments. The predicted time relaxation spectrum shows that at longer wavelength modes, the filament behaves like a rigid rod in a viscous solvent, but at shorter wavelengths, it reaches a plateau defined by the bending time scale. The key effect of flexoelectricity is to shift the entire spectrum to higher values, slowing down the response. The model itself is validated using the worm‐like chain and the viscoelasticity of liquid crystals, and the predictions are shown to be in qualitative consistency with the data. Since filament flexoelectricity is associated with 1D sensor‐actuator functionalities, the presented model has many potential novel applications in reduced geometries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».