Hamaker常数

 
 

Hamaker常数
(原文于2003年7月10日发表在虹桥科教论坛, 略有修改)

stopit 于 July 10, 2003 04:15:12:

请物理学家科普一下:
两种材料之间的范德华力的HAMKER常数和两种材料的折光率相关,折光率越相 近,HAMKER常数越小。这个声明是对的吗,为什么呢?能不能通俗的语言科普 一下。 另外再用致远的办法点下名:离乡客,微结构,红娃,散心,outsider,reminder。。。。 多谢。

刚上班,就发现被点名了,不回大概不行.

首先,你说的是对的。

其次,这个东东,估计大部分物理学SCI工人不知道,我4年前也不知道。术有 专攻,没有办法。据说上个世纪的全能理论物理学家郎道曾经声称他知道所有 的理论物理,他也没有说知道所有的物理。不过,估计化学SCI工人知道Hamaker 的人多一点,做物理化学的,大概都知道。

再次,做一点介绍,我非常肯定,物理学工人看了我下面的介绍,一定能完全搞懂,当然过一阵可能也就全忘了。为了说Hamaker,还得从London谈起,我们 考虑两个氢原子,相距比较远,比较远的意思是说原子之间的距离比原子的尺 度(大约1$\AA$)大很多。也不能太远,比如相距1mm,那就太远了。如果把两个原子 作为一个系统来处理,那么此原子的那个质子对另一个原子的电子有作用,另 一个原子的质子对此原子的电子也有作用,电子-电子之间,质子-质子之间也 有作用。在原子之间相距比较远的条件下,这个作用可以近似为偶极-偶极相互作用,作用的强度反比于距离的三次方。显然,这个相互作用比原子内部的作用要小很多,所以可以用微扰论处理,一阶微扰为0,二级微扰当然和原子间距的六次方成反比,而且是负的。换句话说,两个原子相距比较远时,有一个与 其距离六次方成反比的等效吸引相互作用。这个作用叫做London相互作用,大 概是那个叫做London的人先算出来的。

其实,从上面的说明可以看出,这个一般结论对任意两个原子都是成立的。不 同的原子,相互作用的系数是不一样的,这个系数正比于两个原子的极化率的 乘积。(这里插一句,如果考虑了真空涨落,这里的6次方会变成7次方)。  Debye把它做了推广,得到一个有固有偶极矩的分子和一个原子的相互作用也是这个样子。Keesom进一步指出,两个能够自由转动的,具有固有偶极矩的分子之间也有一个这种形式的相互作用。(我不知道真空涨落对Debye和Keesom相互作用的修正,不知有没有人算过?)。London,Debye,Keesom三个相互作用合起 来叫做范德瓦尔斯相互作用,不过和范德瓦尔斯没有什么关系,这么叫的原因是这些相互作用提供了范德瓦尔斯方程中的那个吸引力修正因子。

有了这个准备,我们就可以考虑Hamaker力了。我们还是考虑最简单的模型, 两个小球,放在真空中,计算他们之间的相互作用。把每个小球切成小块,每 个小球中的每个小块都和另一个小球中的每一个小块有范德瓦尔斯相互作用, 把这些相互作用加起来,就得到了两个小球之间的相互作用。当然,这个加法 不大好做,可能是Hamaker最早做出了这个加法吧(?没有考证过),结果是

\[ U(r)=-\frac{A}{6} \left( \frac{2 a^2}{r^2-(2a)^2}+\frac{2 a^2}{r^2}+\log\frac{r^2-(2a)^2}{r^2} \right) \]

这里\(a\)是小球的半径,\(r\)是两个小球球心之间的距离,\(A\)就是那个Hamaker 常数,和小球的介电常数有关(根子在于范德瓦尔斯力的强度系数与分子的极化 率有关)。当两个小球非常接近时,相互作用反比于两球面之间的距离;当两个 小球相距很远时,相互作用反比于球心间距的6次方(如果不是这样,那加法一 定算错了)。由于这个相互作用,小颗粒放在一起,会互相吸引,悬浮在水中的 小颗粒,当碰到一起时,就会粘在一起,越来越大,大到热扰动不起作用的时 候,就会沉淀。

通常水中悬浮的小颗粒都带电,静电相互作用使他们远离,所以不会沉淀,当 河水流到河口时,海水中大量的离子屏蔽了悬浮颗粒之间的静电相互作用,范 德瓦尔斯相互作用于是大显神通,造成河口的淤积。

唉,越说越远了,还是回到正题。水中的两个小球当然比真空中的两个小球来 得复杂,其它形状,或形状可变时,更加复杂,不过原则是一样的。正因为有这许多复杂,才需要我等物理学,化学工人去劳作。我们也就能做做这些事情, 不敢奢望解决更大的问题,更别说统一宇宙了。

 

转载于:https://www.cnblogs.com/hrma/p/3346400.html

%% 初始化环境(确保MatCont路径已正确加载) clear all; close all; clc; global cds; cds = contset; % 初始化MatCont参数 %% 参数设置(与文献表1完全一致) R = 10e-9; % 针尖半径(10 nm) A = 2.96e-19; % Hamaker常数(2.96e-19 J) a0 = 0.38e-9; % 分子接触距离(0.38 nm) k = 0.87; % 悬臂梁刚度(0.87 N/m) E_star = 10.2e9; % 有效弹性模量(10.2 GPa) Z_initial = 5e-9; % 初始Z值(5 nm) % 参数向量p = [Z, R, A, a0, k, E_star](6个元素) p0 = [Z_initial, R, A, a0, k, E_star]; %% 初始平衡点求解(避免零初始猜测) options = optimset('Display', 'off'); eta_initial = fsolve(@(eta) afm_system(eta, p0), 1e-9, options); % 使用1 nm初始猜测 %% 初始化MatCont平衡点(分岔参数为Z) ap = 1; % p(1)对应Z [x0, v0] = init_EP_EP(@afm_system, eta_initial, p0, ap); %% 延续分析配置(匹配文献分岔曲线精度) opt = contset; opt.MaxNumPoints = 300; % 增加点数以提高曲线光滑度 opt.Singularities = 1; % 检测鞍结分岔(SN) opt.DS = 0.01; % 减小步长以避免跳跃点发散 opt.VarTolerance = 1e-6; % 变量容差 opt.ParamTolerance = 1e-6; %% 执行延续分析(自动追踪稳定与不稳定分支) [Z_data, eta_data, ~, ~] = cont(@equilibrium, x0, v0, opt); %% 绘制分岔图(精确匹配文献图5) figure; hold on; % 分离稳定与不稳定解(特征值实部判据) stable_idx = real(eta_data(end-1,:)) < 0; % 实部<0为稳定 unstable_idx = ~stable_idx; % 绘制稳定解(蓝色实线) plot(Z_data(stable_idx)*1e9, (Z_data(stable_idx) - eta_data(1,stable_idx))*1e9, ... 'b-', 'LineWidth', 1.5, 'DisplayName', 'Stable Branch'); % 绘制不稳定解(红色虚线) plot(Z_data(unstable_idx)*1e9, (Z_data(unstable_idx) - eta_data(1,unstable_idx))*1e9, ... 'r--', 'LineWidth', 1, 'DisplayName', 'Unstable Branch'); % 标注鞍结分岔点(SN1和SN2) sn_points = find(eta_data(end,:) == 2); % SN点类型为2(鞍结分岔) plot(Z_data(sn_points)*1e9, (Z_data(sn_points) - eta_data(1,sn_points))*1e9, ... 'ko', 'MarkerSize', 8, 'MarkerFaceColor', 'r', 'DisplayName', 'Saddle-node Bifurcation'); % 设置坐标轴(与文献图5完全一致) xlabel('Tip-sample approach distance (nm)', 'FontSize', 12); ylabel('Equilibrium tip-sample separation (nm)', 'FontSize', 12); xlim([0, 10]); ylim([0, 10]); grid on; % 标注区域与路径 text(1.5, 2.5, 'Region I (Bistable)', 'FontSize', 10, 'FontWeight', 'bold', 'Color', 'k'); text(6.5, 2.5, 'Region II (Monostable)', 'FontSize', 10, 'FontWeight', 'bold', 'Color', 'k'); annotation('textarrow', [0.3,0.35], [0.7,0.7], 'String', 'Approach: A→B→C→E→F', 'FontSize', 9); annotation('textarrow', [0.6,0.55], [0.3,0.3], 'String', 'Retract: F→E→D→B→A', 'FontSize', 9); % 添加图例 legend('Location', 'northeast'); %% 定义系统方程(严格匹配文献参数顺序) function f = afm_system(x, p) % 参数解包(必须与文献表1一致) Z = p(1); % 分岔参数(针尖-样品间距Z) R = p(2); % 针尖半径(10 nm) A = p(3); % Hamaker常数(2.96e-19 J) a0 = p(4); % 分子接触距离(0.38 nm) k = p(5); % 悬臂梁刚度(0.87 N/m) E_star = p(6); % 有效弹性模量(10.2 GPa) % 计算实际间隙和相互作用力 eta = x(1); % 状态变量(悬臂变形量) z = Z - eta; % 实际间隙(与文献图5纵轴η*对应) if z > a0 F = -A*R/(6*z^2); % 范德华力(非接触区) else F = -A*R/(6*a0^2) + (4/3)*E_star*sqrt(R)*(a0 - z)^1.5; % DMT接触力 end % 平衡方程:kη + F = 0(文献式3) f = k*eta + F; end输入参数的数目不足。 出错 mat>afm_system (第 78 行) Z = p(1); % 分岔参数(针尖-样品间距Z) 出错 init_EP_EP (第 15 行) func_handles = feval(odefile); 出错 mat (第 25 行) [x0, v0] = init_EP_EP(@afm_system, eta_initial, p0, ap);
03-27
内容概要:本文档详细介绍了一个基于MATLAB实现的电力负荷预测项目,该项目运用遗传算法(GA)优化支持向量回归(SVR)和支持向量机(SVM)模型的超参数及特征选择。项目旨在解决电力系统调度、发电计划、需求侧响应等多个应用场景中的关键问题,特别是在应对高比例可再生能源接入带来的非线性、非平稳负荷预测挑战。文中涵盖了从数据接入、特征工程、模型训练到部署上线的全流程,包括详细的代码示例和GUI设计,确保方案的可复现性和实用性。 适用人群:具备一定编程基础,尤其是熟悉MATLAB语言和机器学习算法的研发人员;从事电力系统调度、电力市场交易、新能源消纳等相关领域的工程师和技术专家。 使用场景及目标:①通过构建面向小时级别的滚动预测,输出高分辨率负荷轨迹,为日内与日前滚动调度提供边际成本最小化的依据;②在负荷高峰和供给紧张时,通过价格信号或直接负荷控制实施需求侧响应,提升削峰效率并抑制反弹;③为灵活性资源(调峰机组、储能、可中断负荷)提供更清晰的出清路径,降低弃风弃光率,提升系统整体清洁度;④帮助市场主体更准确地评估边际出清价格变化,提高报价成功率与收益稳定性,同时降低由预测偏差带来的风险敞口;⑤在运维与审计场景中,对预测产生的原因进行说明,保障业务侧与监管侧的可追溯性。 阅读建议:此资源不仅提供了完整的代码实现和GUI设计,更注重于理解GA优化过程中涉及到的数据处理、特征构造、模型选择及评估等核心步骤。因此,在学习过程中,建议结合实际案例进行实践,并深入研究每个阶段的具体实现细节,特别是适应度函数的设计、超参数空间的定义以及多样性维护机制的应用。此外,关注项目中关于数据对齐、缺失值处理、特征标准化等方面的最佳实践,有助于提高模型的鲁棒性和泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值