Computer Simulation Methods of Soft Matter

Abstract

iv UNIVERZITA KARLOVA Přírodovědecká fakulta Katedra fyzikální a makromolekulární chemie Disertační práce Počítačové Simulační Metody pro Soft Matter by MS. Aleksandr D. KAZAKOV Abstrakt Tato dizertační práce je věnována teoretickému studiu hydrogelů za různých podmínek a implementování nových simulačních přístupů pro materiály založené na polymerech a uhlíku. Hydrogely byly modelovány za přítomnosti vícemocných iontů v dobrém roz- pouštědle a za různých koncentracích jednomocných solí a různých hodnot pH- pK ve špatném rozpouštědle. Soutěž mezi elektrostatickou repulzí a hydrofobním jevem vedla v případě slabých polyelektrolytů k přechodu prvního řádu. Studie ukázala jak využít a vyladit přechod vzhledem k parametrům. Byla implementována nová hybridní MC-SCF metoda, která kombinuje Scheu- tjensovu-Fleerovu metodu středního pole a zhrubené modely řízené metodou Monte Carlo. Studie poskytla srovnání s oběma přístupy. Rodina fullerenů se sudým počtem atomů uhlíku n = 20-80 byla popsána meto- dou DFT a výsledky následně naučeny konvoluční neuronovou sítí. Studie ukázala dramatické snížení výpočetních nároků při použití neuronové sítě. Tato práce je relevatní pro návrh nových funkčních materiálů na bázi polymerů i pro rozšíření existujích zde diskutovaných...

iii CHARLES UNIVERSITY Faculty of Science Department of Physical and Macromolecular Chemistry Doctoral Thesis Computer Simulation Methods of Soft Matter by MS. Aleksandr D. KAZAKOV Abstract This thesis is dedicated to the theoretical study of hydrogels under different con- ditions, and implementing new simulation approaches: for polymer- and carbon- based systems. The hydrogel was modeled with presence of multivalent ions at good solvent conditions and with presence of monovalent ions at different salt concentrations and different pH pK values at poor solvent conditions. The competition between elec- trostatic repulsion with short-range hydrophobic interactions in case of pH-respon- sive polyelectrolyte lead to first-order transition in the system. The study has shown how to utilize and to tune the transition with respect to parameters. A novel hybrid MC-SCF method was implemented, which combines a mean- field representation by the machinery of Scheutjens - Fleer self-consistent field and a coarse-grained model driven by the Monte Carlo method. The study provides a comparison of the novel method with pure coarse-grained and mean-field methods. The family of fullerenes with an even number of carbon atoms n = 20-80 was calculated using the DFT method and subsequently trained using a convolutional neural network...