Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2507.22248

帮助 | 高级搜索

数学 > 概率

arXiv:2507.22248 (math)
[提交于 2025年7月29日 ]

标题: 离散运动聚合物的有效半径

标题: Effective Radius of a Discrete Moving Polymer

Authors:Jiaming Chen
摘要: 我们提出一个离散时空随机偏微分方程(SPDE)模型来描述具有固有长度$J$的弱自避聚合物的动力学。通过引入针对离散设置量身定制的惩罚因子,我们证明了聚合物的均方根半径与$J$成线性比例。这种标度行为不同于 Mueller 和 Neuman\cite{mueller2022scaling}在连续框架中推导出的定律,突显了离散模型的独特性质及其在研究晶格状环境中聚合物行为时的分析可处理性。
摘要: We present a discrete space-time stochastic partial differential equation (SPDE) model to describe the dynamics of a weakly self-avoiding polymer with intrinsic length $J$. By introducing a penalty factor tailored to the discrete setting, we establish that the polymer's root mean squared radius scales linearly with $J$. This scaling behavior differs from the law derived by Mueller and Neuman \cite{mueller2022scaling} in the continuous framework, highlighting both the distinct nature of the discrete model and its analytical tractability for studying polymer behavior in lattice-like environments.
主题: 概率 (math.PR)
MSC 类: Primary, 60H15, Secondary, 82D60
引用方式: arXiv:2507.22248 [math.PR]
  (或者 arXiv:2507.22248v1 [math.PR] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.22248
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Jiaming Chen [查看电子邮件]
[v1] 星期二, 2025 年 7 月 29 日 21:49:46 UTC (14 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.PR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号