二维聚合物自避行为的非凡重要性：基于大偏差理论的洞见

最近的研究指出，当试图从计算机模拟中提取类似宏观序参量时，采用大偏差视角是有用的。本文指出，聚合物的端到端距离即为序参量。长程排斥体积相互作用导致二维和三维聚合物构型之间存在显著的定性差异，这些差异在现实(非晶格)聚合物模型的计算机模拟中难以量化。但我们显示，诸如二维中显著扩大的非牛顿弹性等现象，即便模拟其非线性等价于模拟 4 阶易失性，亦可从大偏差框架中轻松提取。大偏差视角包括一套适用于有限大小系统的类似热力学工具，以及一种认识：对系统平均行为的准确描述需与不太可能的大波动在该系统中如何行为保持一致。这一点至关重要，因为在这种渐近大波动 regime 中缺乏强相关，因此其深远影响可被分析性地纳入仿真数据分析。结果，我们可将仿真 effort 从难以采样的稀有事件域中引导。我们以两种-三维蒙特卡罗模拟(以及精确结果)说明了这一点，分别针对单一孤立聚合链的两个模型：一个由链接硬球组成的链（具有长程排斥体积效应），以及一个离散虫状链（不具有此类效应）。