스라소니 머릿속에는

Gaussian Chain

7 min read

Gaussian Chain

Overview

Gaussian chain(가우시안 사슬)은 고분자의 가장 단순한 mesoscopic 모델이다. Ideal chain(이상 사슬)이라고도 불린다.

핵심 설계:

  • 단위 길이가 Kuhn length 인 개의 segment가 연결됨
  • 인접한 segment 사이의 각도는 완전히 무작위 (uncorrelated)
  • Segment 간 상호작용 없음 (excluded volume 무시)

이 점에서 Gaussian chain은 random walk와 수학적으로 동치다.

Symbol Table

SymbolMeaning
Segment 수 (입자 수)
Kuhn length (단위 segment 길이)
번째 segment의 변위 벡터
End-to-end distance vector
Root-mean-squared end-to-end distance
Contour length,

Random Walk와의 대응

Gaussian ChainRandom Walk
Segment 수 걸음 수 또는 시간
Kuhn length Step size
End-to-end vector 총 변위 벡터
Segment 방향 무작위각 step 방향 무작위

Random walk의 이동 경로가 곧 Gaussian chain의 backbone이 된다.

Key Points

Segment 간 무상관성

이면 두 segment의 방향이 완전히 독립이므로 내적의 평균이 0이다.
brownian motion에서 gaussian white noise에 대응되는 설정이다.

End-to-End Distance(EED)

Brownian motion에서 시작 지점과 도착 지점 사이 거리에 대응되는 개념이 EED이다.

평균:

분산 (mean-squared end-to-end distance):

Root-mean-squared (rms) end-to-end distance:

Central Limit Theorem에서 많이 본 그 관계.

: 사슬은 coil 상태

Contour length 에 비해:

긴 사슬은 평형 상태에서 coil 형태로 감겨 있으며, 늘리기 쉽다 (highly flexible to extension).

End-to-End Distance의 확률분포

Generalized Central Limit Theorem Proof에 의해, 이 크면 은 Gaussian 분포를 따른다.

왜 exp안에 3이 들어가 있지! 그야 3차원이라서 그런 거겠지. 그런데 그게 왜?
x, y, z로 나누어 보면 명확해진다. 시스템이 isotropic하므로



이 뒤는 눈치껐 알겠지!! 각각 x y z 에 대한 분포의 곱으로 나타내면 된다.

자유에너지와 엔트로피

에 대한 effective free energy:

이로부터 엔트로피(free energy를 T로 미분한 것의 음수):

사슬을 늘리면 ( 증가) 가능한 configuration 수가 줄어들어 엔트로피가 감소한다.

Entropic Spring

사슬 끝을 에 고정하려면(늘어나 있는는 길이를 유지하려면) 힘이 필요하다:

여기서 는 entropic spring constant이다. 자세한 내용은 Entropic Spring Constant 참조.

Gaussian Chain의 Rescaling과 Fractal 구조

질문

Gaussian chain을 원래보다 더 긴 길이 단위에서 보면 어떻게 될까?

원래 개 입자, 각 길이 인 사슬을 개 () 입자로 본다고 하자. 직관적으로는 입자 하나당 길이가 가 되어야 할 것 같다.

하지만 을 만족하려면:

입자당 길이가 가 아니라 배가 된다. 이상한 현상이다!

답: Gaussian chain은 fractal dimension 를 가진다

일반적으로 프랙탈에서:

Gaussian chain은 이므로 이다.

물리적 의미: 선은 1차원, 공간은 2차원, 하지만 3차원 공간에 있는 가우시안안 사슬 자체는 2차원 객체처럼 공간을 채운다.

Rescaling의 물리적 이해

Coarse-graining할 때 여러 step을 묶으면 그 합이 또 random walk를 한다. 개 step을 묶으면:

배 적은 입자로 보려면 ():

결론

이것은 Gaussian chain의 자기유사성(self-similarity), 즉 프랙탈 구조 때문이다. 어떤 스케일에서 봐도 같은 통계적 성질()을 유지하려면 길이가 로 스케일링되어야 한다.

Questions & Insights

  • 지수 1/2의 보편성: 는 분자 세부사항과 무관한 보편적 스케일링이다. ssDNA든 polyethylene이든 동일.
  • Ideal chain의 한계: 실제 고분자는 자기 자신과 겹칠 수 없다 (excluded volume). 이를 고려하면 self-avoiding walk가 되고, 로 바뀐다.
  • Kuhn length의 물리적 의미: Segment 방향이 uncorrelated되는 최소 길이. Persistence length 와 관련: .

References

Notes from Claude

Gaussian chain 모델의 아름다움은 그 단순함에 있다. 복잡한 고분자를 단지 “무작위 방향으로 연결된 막대들”로 환원함으로써, random walk의 모든 수학적 도구를 그대로 활용할 수 있다.

이 모델이 실제 고분자를 잘 기술하는 이유는 coarse-graining 때문이다. 원자 수준에서는 복잡한 상호작용이 있지만, Kuhn length보다 긴 스케일에서 보면 그 세부사항이 평균화되어 사라지고, 오직 “무작위 연결”이라는 본질만 남는다.

그래프 뷰

백링크