新闻详情

新闻详情

首页 / 资讯中心 / 详情

硅基功能高分子嵌段聚合物:PS‑b‑PDMS 自组装性能与科研应用

发布时间:2026/11/15 9:57:29来源:尧图网络
硅基功能高分子嵌段聚合物:PS‑b‑PDMS 自组装性能与科研应用
PS-b-PDMSPolystyrene-block-Polydimethylsiloxane聚苯乙烯-b-聚二甲基硅氧烷是一类由刚性的聚苯乙烯PS嵌段与柔性的聚二甲基硅氧烷PDMS嵌段通过共价键连接而成的有机-无机杂化嵌段共聚物。一、化学结构与特性嵌段组成与性质PS嵌段聚苯乙烯非极性、疏水性嵌段玻璃化转变温度Tg约100°C具有良好的刚性和机械强度在自组装结构中通常形成致密的刚性骨架提供结构稳定性。PDMS嵌段聚二甲基硅氧烷极性、柔性嵌段以硅氧键-Si-O-为主链具有极低的表面能约20-25 mN/m、优异的弹性、耐热性-50℃至200℃和生物相容性。PDMS链段倾向于迁移至材料表面赋予材料优异的疏水性、抗黏附性和自清洁潜力。自组装形貌PS-b-PDMS的微相分离形貌取决于两嵌段的体积分数f和总聚合度N。常见形貌包括片层Lamellae当两嵌段体积分数接近1:1时形成。六方柱状Hexagonal Cylinders当一嵌段体积分数约为30%时形成。体心立方球体BCC Spheres当一嵌段体积分数低于20%时形成。双连续Gyroid相在特定分子量条件下可形成三维双连续结构具有更高的渗透性。溶解性PS嵌段易溶于非极性溶剂如甲苯、苯PDMS嵌段易溶于极性溶剂如THF、氯仿。在选择性溶剂中PS-b-PDMS可自组装形成核-壳结构的纳米胶束其中一嵌段形成核另一嵌段形成壳。合成方法主要通过活性阴离子聚合或原子转移自由基聚合ATRP合成可精确控制分子量和嵌段比例。二、核心科研应用1. 定向自组装 DSA、高分辨纳米光刻模板核心用途旋涂制备超薄薄膜溶剂蒸汽退火实现微相分离氧等离子刻蚀PDMS 畴原位转变 SiO₂硬掩模PS 被刻蚀去除将纳米图案转移至硅基底用于高密度纳米线、纳米孔阵列面向半导体微纳加工研究方向ACS Public...。2. 无机 SiO₂纳米结构与光学超材料利用相分离结构直接转化得到有序多孔 SiO₂薄膜制备低折射率光学薄膜、抗反射涂层、力学超材料、透明保护涂层ACS Public...。3. 低表面能抗生物污染功能涂层PDMS 链段表面偏析构筑类液体光滑表面无需含氟组分实现抗蛋白吸附、抗海洋生物附着、防结冰表面用于生物传感器、海洋防污界面研究ACS Public...。4. 三维层级纳米图案加工通过分步溶剂退火‑刻蚀工艺单组分 PS‑b‑PDMS 可以制备层叠的孔‑点、线‑孔多级复合纳米形貌用于 MEMS、纳米器件研究PMC。5. 高分子物理模型体系高 χ 嵌段共聚物模型用于研究受限空间、界面偏析、溶剂退火动力学等高分子物理基础机理。PMMA-PEO-AC聚甲基丙烯酸甲酯-聚氧乙烯-丙烯酸酯PMMA-PEO-Aminooxy聚甲基丙烯酸甲酯-聚氧乙烯-氨甲基PMMA-PEO-Br聚甲基丙烯酸甲酯-聚氧乙烯-BrPMMA-PEO-CHO聚甲基丙烯酸甲酯-聚氧乙烯-醛基PMMA-PEO-Mal聚甲基丙烯酸甲酯-聚氧乙烯-马来酰亚胺PMMA-PEO-MA聚甲基丙烯酸甲酯-聚氧乙烯-甲基丙烯酸酯PMMA-PEO-NH2聚甲基丙烯酸甲酯-聚氧乙烯-氨基PMMA-PEO-NHS聚甲基丙烯酸甲酯-聚氧乙烯-氨基-N-羟基琥珀酰亚胺酯PMMA-PEO-HO 聚甲基丙烯酸甲酯-聚氧乙烯-羟基PMMA-PEO-ALK聚甲基丙烯酸甲酯-聚氧乙烯-炔基Aldehyde-PEG-P2VPIA-PEG-P2VP碘乙酸盐-聚乙二醇-聚2-乙烯基吡啶Mal-PEG-P2VP马来酰亚胺-聚乙二醇-聚2-乙烯基吡啶MA-PEG-P2VP甲基丙烯酸酯-聚乙二醇-聚2-乙烯基吡啶NHS-PEG-P2VP N-羟基琥珀酰亚胺酯-聚乙二醇-聚2-乙烯基吡啶
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉