🧬 Cadena Polimérica como Paseo Aleatorio — Escalado de Flory
Haz crecer una cadena polimérica como un paseo aleatorio ideal o un paseo autoexcluyente y observa cómo su tamaño extremo a extremo escala con la longitud de la cadena como una ley de potencia — mide el exponente de Flory en vivo a partir de un conjunto.
Cómo funciona
Esta simulación hace crecer una cadena polimérica 2D de N monómeros, un enlace a la vez. Cada nuevo monómero se coloca a una longitud de enlace fija desde el anterior, con un ángulo elegido según la calidad de disolvente seleccionada. En el modo ideal (theta) el ángulo es totalmente aleatorio, de modo que los segmentos pueden superponerse libremente — un simple paseo aleatorio. En el modo de buen disolvente, el paseo es autoexcluyente: las nuevas posiciones se rechazan si caen demasiado cerca de un monómero existente, y la cadena retrocede un paso cuando se atasca. En el modo de mal disolvente, los nuevos enlaces se sesgan débilmente hacia el propio centro de masa de la cadena, atrayéndola hacia un glóbulo compacto.
El tamaño de la cadena se caracteriza por la distancia extremo a extremo R y el radio de giro Rg, ambos escalando con la longitud de la cadena como una ley de potencia, R ~ N^ν. El exponente ν — el exponente de Flory — depende solo de la calidad del disolvente y la dimensionalidad, no de detalles químicos, razón por la que se le llama exponente de escalado universal. Al hacer clic en "Ejecutar conjunto" se generan muchas cadenas de N variable, se promedian sus R y Rg, y se ajusta una línea recta al gráfico log-log para recuperar ν directamente a partir de la pendiente.
Radio de giro: Rg = √( (1/N) Σ (r_i − r_cm)² )
Ley de escalado: R ~ N^ν, Rg ~ N^ν
Buen disolvente (SAW): ν ≈ 0,75 (2D), ν ≈ 0,588 (3D)
Disolvente theta (cadena ideal): ν = 0,5
Mal disolvente (glóbulo colapsado): ν ≈ 1/3
Preguntas frecuentes
¿Qué representa físicamente un modelo de paseo aleatorio de un polímero?
Una cadena polimérica en disolución se agita constantemente debido al movimiento térmico, por lo que su forma instantánea es esencialmente aleatoria. Modelarla como un paseo aleatorio — una secuencia de enlaces de longitud fija apuntando en direcciones aleatorias — captura la libertad conformacional de la cadena principal sin rastrear la química exacta de cada enlace.
¿Qué miden la distancia extremo a extremo y el radio de giro, y por qué Rg es más accesible experimentalmente?
La distancia extremo a extremo R es la distancia en línea recta entre el primer y el último monómero de la cadena. El radio de giro Rg = √((1/N)Σ(r_i − r_cm)²) es la distancia cuadrática media de cada monómero al centro de masa. Rg es más fácil de medir experimentalmente porque la dispersión de luz, rayos X y neutrones sondea la distribución de masa global de toda la bobina, no solo sus dos extremos.
¿Cuál es la diferencia entre una cadena ideal y un paseo autoexcluyente?
Una cadena ideal (de enlaces libres) permite que los segmentos se atraviesen entre sí y obedece la estadística gaussiana con R ~ N^0,5. Un paseo autoexcluyente (SAW) prohíbe que los monómeros se superpongan, lo que hincha la bobina: en 2D el efecto de volumen excluido da R ~ N^ν con ν ≈ 0,75, y en 3D ν ≈ 0,588. La cadena ideal es una buena aproximación solo en la condición theta, donde los efectos atractivos y de volumen excluido se cancelan.
¿Qué es el exponente de Flory y cómo se dedujo?
El exponente de Flory ν es la potencia en la ley de escalado R ~ N^ν que relaciona el tamaño de la cadena con el número de monómeros N. Flory lo dedujo a partir de un argumento sencillo de campo medio que equilibra el coste entrópico de estirar una cadena frente a la energía de volumen excluido de los monómeros repeliéndose entre sí, dando ν = 3/(d+2) en d dimensiones — 0,75 en 2D y 0,6 en 3D, notablemente cercano al valor aceptado de 0,588.
¿Qué significan físicamente las condiciones de buen disolvente, disolvente theta y mal disolvente?
En un buen disolvente, los monómeros se repelen efectivamente entre sí (domina el volumen excluido) y la cadena se hincha en una bobina expandida con ν ≈ 0,75 (2D). En la condición theta, la atracción monómero-monómero cancela exactamente la repulsión de volumen excluido, por lo que la cadena se comporta como un paseo aleatorio ideal con ν = 0,5. En un mal disolvente, domina la atracción y la cadena colapsa en un glóbulo compacto con ν ≈ 1/3.
¿Por qué se usan gráficos log-log para extraer exponentes de escalado de ley de potencia?
Si R = A·N^ν, tomar logaritmos da log(R) = log(A) + ν·log(N), una línea recta cuya pendiente es exactamente el exponente ν. Representar muchos pares (N, R) en ejes log-log y ajustar una línea por regresión lineal convierte una relación de ley de potencia en una pendiente fácilmente medible.
¿A qué sistemas del mundo real se aplica este escalado de cadena polimérica?
La estadística del paseo aleatorio y del paseo autoexcluyente sustenta la física de plásticos y la elasticidad del caucho, el comportamiento conformacional del ADN y las proteínas desplegadas en disolución, y la cromatografía de permeación en gel, donde las moléculas se separan por su tamaño de bobina efectivo mientras se difunden a través de un gel poroso.
¿Por qué a veces la cadena necesita retroceder al crecer como un paseo autoexcluyente?
Como un paseo autoexcluyente no puede colocar un nuevo monómero encima de uno existente, una cadena en crecimiento puede desplazarse hacia una posición donde toda dirección cercana ya está ocupada. El algoritmo reintenta direcciones aleatorias un número limitado de veces, y si ninguna funciona elimina el último monómero e intenta de nuevo desde un punto anterior.
¿Cómo mejora el promedio del conjunto la medición del exponente respecto a una sola cadena?
La R de una sola cadena fluctúa mucho de una realización aleatoria a otra, especialmente para N pequeño. Generar muchas cadenas independientes en cada longitud de cadena y promediar R y Rg suaviza este ruido, de modo que el gráfico log-log traza una línea recta más limpia y la pendiente de la regresión converge más cerca del ν teórico verdadero.
Acerca de esta simulación
Este simulador hace crecer una cadena polimérica monómero a monómero como un paseo aleatorio ideal, un paseo autoexcluyente o una cadena colapsada débilmente atractiva, y luego te permite observar cómo su tamaño escala con la longitud de la cadena. A medida que la cadena crece, la cadena principal se colorea de un extremo al otro para que puedas rastrearla visualmente, y una vez completa, un círculo discontinuo muestra su radio de giro. La verdadera recompensa es el botón "Ejecutar conjunto": hace crecer más de 50 cadenas independientes en muchas longitudes, representa la distancia extremo a extremo y Rg frente a N en ejes log-log, y ajusta una línea cuya pendiente es una medición en vivo y práctica del exponente de Flory.
🔬 Qué muestra
Dos vistas sincronizadas: una cadena polimérica animada con gradiente de color creciendo a la izquierda con su centro de masa y radio de giro superpuestos, y un gráfico de dispersión log-log a la derecha donde R y Rg para muchas longitudes de cadena se alinean a lo largo de una línea recta cuya pendiente es el exponente de escalado ν.
🎮 Cómo usarlo
Arrastra el control deslizante de N para cambiar la longitud de la cadena, cambia la calidad del disolvente entre bueno (autoexcluyente), theta (ideal) y malo (colapsado) para ver cómo cambian la forma de la cadena y el exponente de escalado, haz clic en "Generar nueva cadena" para ver una nueva realización aleatoria, y haz clic en "Ejecutar conjunto" para ajustar ν directamente a partir de los datos.
💡 ¿Sabías que…?
El exponente de Flory ν ≈ 0,588 en polímeros reales en 3D está tan cerca de la estimación original de campo medio de Flory de 0,6 que su argumento simplificado todavía se enseña hoy, aunque se equivoca en parte de la física subyacente por las razones correctas — un famoso caso de una buena aproximación a partir de suposiciones erróneas.
Preguntas frecuentes
¿Qué cambia realmente el control deslizante de N, y por qué está limitado a 300?
N es el número de monómeros (segmentos enlazados) en la cadena. Está limitado a 300 principalmente por la velocidad de la animación y la claridad del lienzo — los paseos autoexcluyentes en particular se vuelven más lentos de crecer y más difíciles de ver claramente a medida que N aumenta, ya que la cadena llena más de su propio espacio disponible.
¿Qué ocurre cuando el generador del paseo autoexcluyente "se atasca"?
Si toda dirección cercana desde la punta actual ya está ocupada por otro monómero, el generador no puede colocar un siguiente paso válido. Tras un número limitado de intentos fallidos elimina el monómero colocado más recientemente e intenta crecer desde el punto anterior — una estrategia simple de retroceso que permite que las cadenas autoexcluyentes largas terminen de forma fiable.
¿Por qué el modo de mal disolvente parece un glóbulo compacto en lugar de una línea flexible?
En el modo de mal disolvente, cada nuevo enlace se sesga débilmente hacia el propio centro de masa de la cadena en lugar de apuntar en una dirección puramente aleatoria. Esta atracción tira de la cadena en crecimiento hacia sí misma, produciendo un glóbulo denso y aproximadamente circular que se aproxima a la verdadera transición de colapso que sufren los polímeros en disolventes realmente malos.
¿Qué me indica el valor de ν ajustado en el gráfico de la derecha, y cómo se calcula?
Tras ejecutar un conjunto, el gráfico muestra log(R) y log(Rg) frente a log(N) para muchas longitudes de cadena. La regresión lineal sobre los puntos de log(R) da una pendiente, mostrada como "ν ajustado" — este es el exponente que realmente sigue tu dato simulado, que puedes comparar con el ν teórico para la calidad de disolvente actual.
¿Por qué varias cadenas del mismo N dan valores diferentes de R y Rg?
Cada cadena es una realización aleatoria independiente — la secuencia de ángulos de enlace es diferente cada vez, por lo que incluso cadenas con el mismo N y modo terminan con formas y tamaños distintos. Esta aleatoriedad es precisamente la razón por la que se necesita el promedio del conjunto (muchas cadenas por N) para extraer un exponente de escalado limpio y fiable.
¿Es esto un simulador riguroso de SAW / de la teoría de Flory, o un modelo didáctico simplificado?
Es un modelo didáctico simplificado. El paseo autoexcluyente usa un crecimiento básico de reintento y retroceso en lugar de una enumeración exacta o un muestreador de algoritmo de pivote, y el colapso en mal disolvente usa un sesgo de atracción ad hoc en lugar de un potencial de pares adecuado. Ambos reproducen el comportamiento cualitativo de escalado y los exponentes del orden de magnitud correcto, que es el objetivo pedagógico, pero ninguno es un muestreador estadístico de nivel de investigación.
Haz crecer una cadena polimérica como un paseo aleatorio ideal o un paseo autoexcluyente y observa cómo su tamaño extremo a extremo escala con la longitud de la cadena como una ley de potencia — mide el exponente de Flory en vivo a partir de un conjunto.
2D · HTML5 Canvas 2D · Objetivo 60 FPS · funciona completamente en el cliente, sin instalación