论文部分内容阅读
聚合物共混材料在交通运输、能源动力、航天航空以及国家重大工程等领域的重要应用，其机械性能、物理性质、加工行为与共混物的相形态，流变行为有着密切的联系。研究聚合物共混物的相行为可以丰富高分子体系相区演化的认识，以达到通过控制相区形貌获得具有优良性能的聚合物材料的目的。基于场论的聚合物相分离的数值模拟可以深入研究相结构形成的机理，故在聚合物共混物相分离研究中发挥了重要的作用，其中粘弹性模型耦合了相分离中的浓度涨落与内应力，尤其适合研究动力学不对称的聚合物体系的相分离过程。另一方面，由于计算能力的限制，针对聚合物体系的数值模拟往往在时空尺度上受到限制。目前，图形处理器(GPU)具备了强大的并行计算能力，这为突破聚合物数值计算中的计算能力限制提供了可能。本论文主要通过基于粘弹模型的数值模拟研究了静态和剪切下的聚合物体系的粘弹性相分离过程，并发展了基于GPU加速的聚合物多尺度模拟软件包，用于加速聚合物体系的数值模拟。具体内容分为以下四部分:
第一部分:基于GPU硬件架构的特点，设计了粘弹模型的GPU加速算法，同时引入优化方法以充分发挥GPU的性能，首次实现了基于GPU的粘弹模型数值模拟。通过对于高分子溶液的模拟研究发现，基于GPU的计算不仅能得到精确的结果，还能获得相对于单核CPU最大约190倍的加速。进一步的精度测试证明，在静态下基于GPU的单精度和双精度算法都能产生足够高质量的数值模拟结果。综合考虑计算效率和精确性，基于GPU的单精度算法是进行粘弹性模型数值模拟的一个更好选择。
第二部分:利用GPU加速技术实现粘弹模型的三维数值模拟，系统研究了中等浓度聚合物溶液的分相形貌和相分离动力学。模拟结果表明，本体应力的不对称是体系出现相反转的重要原因。与实验观察的聚合物溶液相反转的演化过程一致，首先聚合物富集相形成网络结构，然后聚合物网络收缩断网，最后变为离散的液滴相。本体松弛模量的增加，一方面会抑制相分离初期的浓度涨落，导致相反转发生时间延迟;另一方面在相分离后期有助于形成大的聚合物富集液滴相，加速相区增长。剪切松弛模量的增加只有助于聚合物富集相保持网络结构，并在剪切松弛模量较大的情况下，不规则相结构的缓慢松弛导致了剪切应力在相分离后期长期存在。随着体系中聚合物初始体积分数的增加，体系会依次出现聚合物富集的液滴相，网络相，双连续相和海绵状相。
第三部分:剪切场对粘弹性相分离过程中的相行为与动力学有重要的影响。本文首次通过粘弹模型的三维数值模拟研究了剪切场下的粘弹性相分离过程。结果表明在剪切场下本体松弛模量不对称的粘弹性相分离过程也会发生相反转现象。随着剪切速度增加，在相分离后期依次观察到了聚合物富集相的椭球相，椭球与柱状结构的混合相，柱状相。剪切应力与第一法向应力随剪切速率的增加而增加;同时，模拟结果表明，在模拟体系中，来自本体贡献在总剪切应力中随剪切速度的增加越来越起主导作用，但是来自界面贡献在总第一法向应力中起主导作用。最后，我们发现剪切速度越大，剪切停止后，其各向异性结构松弛需要更长的时间。
第四部分:本文进一步介绍了基于GPU实现高效和大规模耗散粒子动力学(DPD)模拟的完整方法，并针对DPD模拟技术的特点，进行了算法设计和优化，以便其能充分发挥GPU的计算能力。通过标准模型的模拟测试，发现基于GPU的DPD模拟不仅能得出正确的结果，而且相较于单CPU核运行LAMMPS速度提高了60倍。此外，为降低模拟中的内存需求，本文发展了一种新的分布式算法。该算法可在目前的GPU上实现粒子数千万以上的大规模的DPD模拟。作为大规模模拟的重要应用之一，我们进行了大体系的层状相的热力学分析应用，并观察到了小尺度模拟下无法观察到的大波长下的标度律。