🔬 condensed matter

Jamming states in random sequential adsorption of diffusion-limited aggregates

这项研究表明，在正方格点上，扩散限制聚集簇的不可逆吸附表现出随簇尺寸呈幂律下降的阻塞密度，其中形状多样性的增加促进了更致密的堆积，并且根据簇形状池是在不同实现之间固定还是不断刷新，密度涨落呈现出不同的标度行为。

原作者： Fahad Puthalath, Dipanjan Mandal, Sumanta Kundu

发布于 2026-08-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Fahad Puthalath, Dipanjan Mandal, Sumanta Kundu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

自然界充满了仿佛由一只狂乱、分叉的手所绘制的图案。从闪电造成的锯齿状脉络，到雪花精致、羽毛状的边缘，这些形状出现在从岩石中的矿物沉积到细菌在培养皿中扩散的各种场景中。科学家将这些分支状或分叉状的结构称为分形（fractals），它们在自然界以及像用于技术的薄膜这类工程材料中都是常见的景象。物理学中的一个基本问题是，当这些分叉状物体被一个接一个地投放到一个表面时，它们是如何堆积在一起的。与以可预测方式组合的光滑球体或完美正方形不同，这些分支簇会相互缠绕和交织，形成一层混乱且拥挤的层，并最终停止生长。这种最终被卡住的状态被称为“阻塞态”（jamming state），而了解这些形状如何紧密堆积，对于设计从更好的电池到更高效的过滤器等各种产品都至关重要。

为了探索这一点，一个研究小组致力于模拟将这些分支簇投放到一个平面正方形网格上的过程。他们使用了一种称为“随机顺序吸附”（random sequential adsorption）的方法，这模拟了一场概率游戏，即物体一次一个地随机放置在不同的位置。如果一个新的物体可以在不与已有的物体重叠的情况下放入，它就会留下；如果它撞到了现有的物体，它就会被拒绝，然后程序会在新的位置再次尝试。这个过程持续进行，直到没有更多的物体可以放入为止，从而使表面处于一种阻塞、堆积的状态。研究人员特别感兴趣的是，物体的形状以及所使用的形状多样性如何影响最终堆积层的密度。他们专注于以一种被称为“扩散限制聚集”（diffusion-limited aggregation）的特定方式生长的簇，这是一个过程，其中粒子随机游走，直到它们粘附在一个正在增长的簇上，从而创造出自然界中看到的典型分支、分形形状。

该团队运行了大规模计算机模拟，以观察在网格上投放这些簇时会发生什么。他们测试了两个主要场景。在第一种情况下，他们在整个实验中使用一种特定的分支形状，一遍又一遍地投放完全相同的形状。在第二种情况下，他们为每一次尝试都生成一个全新的、独特的 branching 形状，确保表面覆盖着不断变化的各种形式。他们还测试了一个中间方案，即使用一组固定的不同形状，并通过改变该集合的大小来观察拥有更多多样性是否会改变结果。模拟涵盖了极广的簇规模，从仅由两个粒子组成的小型簇到包含超过四千个粒子的巨型簇。

结果揭示了一个清晰的模式：随着簇变得越来越大，最终堆积层的密度就会降低。研究人员发现，这种密度的下降遵循一个可预测的数学趋势，即较大的簇会在它们之间留下更多的空隙。然而，这种下降的具体速率取决于混合物中的多样性。当研究人员使用单一、固定的形状时，其堆积密度低于引入多样化形状时的密度。事实上，增加形状的多样性可以让簇更紧密地堆积在一起。这表明，拥有不同分支形式的混合物有助于物体更好地嵌入到邻居留下的缝隙中，就像混合大小的石块堆比相同大小的石块堆更容易紧密沉降一样。

另一个令人惊讶的发现涉及结果的稳定性。当研究人员使用单一、固定的形状时，最终密度在不同的模拟运行之间会有轻微变化，但随着网格尺寸的增加，这些变化会变得越来越小，遵循一个标准的物理规则。然而，当他们使用不断变化的各种形状时，密度的变化并没有随着网格变大而缩小；它们保持不变。这表明，通过不断改变物体形状引入的随机性创造了一种不同类型的确定性，即使在非常大的系统中也不会消失。

尽管存在这些差异，研究人员发现，当簇变得极其庞大时，使用单一形状和使用多样化形状之间的区别开始变得模糊。因为这些分支簇具有统计上的自相似性——这意味着无论你观察的是一个小部分还是整体，其总体模式看起来大致相同——所以任何单个形状的具体细节在物体增长时就变得不再那么重要了。在无限大簇的极限情况下，使用单一形状和使用多样化形状的结果预计将变得一致。研究也证实，引入许多不同形状的池子始终会导致比仅使用一种形状更致密的堆积，且随着可用形状数量的增加，这种效应变得更加显著。

这些发现为不规则的分形类物体如何聚集提供了更清晰的图景。虽然簇的具体形状对于较小尺寸的物体很重要，但这些分支形式潜在的统计特性最终主导了结果。研究强调，形状的多样性能促进更紧密的堆积，这一原则对于设计空间效率至关重要的材料的工程师来说非常有用。通过理解这些复杂的、具有自然感的形状如何相互作用，科学家可以更好地预测它们在现实应用中（从矿物沉积的形成到先进纳米材料的制造）将如何沉降和堆积。该研究得出结论，虽然通往阻塞态的路径受可用形状多样性的影响，但这些分形簇的基本几何特性确保了，在规模足够大的情况下，它们都会以一种非常相似的方式表现出来。

技术摘要：扩散限制聚集（DLA）随机序列吸附中的阻塞态

问题陈述
虽然规则几何对象（如圆盘、正方形、椭圆）在随机序列吸附（RSA）中的阻塞特性已被充分表征，但对于不规则、类分形对象的行为研究仍处于空白阶段。自然界中存在的以及人工设计的沉积物，例如裂隙岩石中的矿物形成、沉积物输送和薄膜生长，通常表现出分叉的、扩散限制聚集（DLA）形态。目前存在一个根本性的研究空白，即如何理解 DLA 集群的分形特征和形状多样性对阻塞密度、涨落及标度行为的影响。以往关于自回避行走（SAW）链的研究仅限于链长较短的情况，此时其分形特征尚未完全发育。本文通过在方格点阵上对大规模 DLA 集群（ $2 \le k \le 4096$ ）进行 RSA 研究，旨在确定集群规模、形状多样性和多分散性如何影响阻塞态。

方法论
作者在具有周期性边界条件的 $L \times L$ 方格点阵上采用了大规模蒙特卡洛模拟。研究采用标准的 RSA 协议，将 DLA 集群按顺序随机沉积在位置上；只有当集群与先前吸附的对象不重叠时，沉积才被接受。当无法再容纳更多集群时，过程终止，定义为“阻塞态”。

研究调查了四种不同的模型变体，以控制形状多样性：

单分散固定形状（Monodisperse Fixed-Shape）： 在单次运行及所有实现中，均使用同一种特定的 DLA 集群形状。
单分散刷新形状（Monodisperse Refreshing-Shape）： 为每次实现（run）生成一个新的、独立的 DLA 集群形状，并在该特定运行中持续使用。
多分散固定池（Polydisperse Fixed-Pool）： 在多次运行中均使用由 $S$ 个预先生成的 DLA 形状组成的集合。
多分散刷新池（Polydisperse Refreshing-Pool）： 为每次运行生成一个新的包含 $S$ 个形状的集合。

DLA 集群使用 Witten-Sander 算法生成，并优化了参数以确保计算效率并验证分形维数 $D_f \approx 1.67$ 。模拟利用无拒绝选择算法进行位点选择，以追踪阻塞密度 $p_j = Nk/L^2$ ，其中 $N$ 是吸附的集群数量。模拟在高性能计算系统上执行，系统尺寸高达 $L=2048$ ，集群规模高达 $k=4096$ 。

关键结果

阻塞密度标度： 对于两种单分散变体，平均阻塞密度 $p_j(k)$ 随集群规模 $k$ 的增加而单调递减。其衰减遵循幂律行为：
$p_j(k) - p_j^\infty \sim k^{-\alpha}$
对于单分散刷新形状变体，发现指数为 $\alpha = 0.374(2)$ ，渐近密度为 $p_j^\infty = 0.051(2)$ 。
涨落标度： 阻塞密度涨落 $\sigma(L)$ 的行为在不同模型变体之间存在显著差异：
- 固定形状： 涨落遵循 $\sigma(L) \sim 1/L$ ，这与二维 RSA 的通用标度律一致。
- 刷新形状： 涨落与系统尺寸 $L$ 无关。作者将其归因于对不同固定形状的系综平均；方差主要受不同形状之间平均阻塞密度差异的影响，而非有限尺寸效应。
- 收敛性： 当 $k \to \infty$ 时，固定形状与刷新形状变体之间的方差差异以幂律形式消失（ $\Delta \sigma^2 \sim k^{-0.871}$ ）。作者认为这种收敛源于 DLA 集群在大尺度上的统计自相似性，使得不同形状在阻塞特性方面变得统计上不可区分。
多分散性的影响： 引入包含 $S$ 个不同形状的集合（多分散性）会促进更致密的堆积。阻塞密度随池规模 $S$ 的增加而系统性提高。幂律指数 $\alpha$ 也随 $S$ 而变化，从 $0.374(2)$ （单分散， $S=1$ ）增加到 $0.417(1)$ （ $S=10^6$ ）。
- 对于较小的 $k$ ，存在一个临界池规模 $S_c(k)$ ，超过该规模后 $p_j$ 进入饱和状态。
- 对于较大的 $k$ ， $p_j$ 随 $S$ 的变化非常微弱，这是由于集群的自相似性质。
- 研究指出，即使池规模为无穷大，DLA 集群的 RSA 也不会精确地退化为 SAW 链的 RSA，这是由于 DLA 过程中特定形状出现的概率是非均匀的（而 SAW 中的概率是均匀的）。

意义与主张
本文声称提供了对大规模类分形 DLA 集群进行 RSA 研究的首次系统性调查，将集群规模的范围扩展到了远超以往 SAW 链研究的程度。主要贡献如下：

确立了 DLA 集群的阻塞密度随规模呈幂律衰减，且参数取决于形状多样性。
证明了阻塞密度涨落的标度本质上受形状选择方法（固定 vs 刷新）的影响，后者由于形状间的差异性表现出与 $L$ 无关的涨落。
表明形状多分散性会导致更高效的堆积（更高的阻塞密度）并系统性地改变标度指数 $\alpha$ 。
提出在热力学极限下（ $k \to \infty$ ），不同模型变体之间的差异会因 DLA 集群的统计自相似性而消失。

作者认为这些发现为通过分形集群沉积来设计具有可调控特性的纳米结构材料提供了见解。他们指出了未来研究通过这些阻塞态产生的无序介质进行传输特性的方向，但并未提出除此一般性陈述之外的具体实验方案或应用。

类似论文