Computational investigations of single-chain nanoparticlesnovel synthesis routes, complex flow behavior and reversible gel formation

  1. Formanek, Maud
Dirigida por:
  1. Ángel José Moreno Segurado Director
  2. Juan Colmenero de León Director

Universidad de defensa: Universidad del País Vasco - Euskal Herriko Unibertsitatea

Fecha de defensa: 17 de enero de 2020

Tribunal:
  1. Lorenzo Rovigatti Presidente/a
  2. María Aránzazu Arbe Méndez Secretaria
  3. Marek Grzelczak Vocal

Tipo: Tesis

Teseo: 151717 DIALNET lock_openADDI editor

Resumen

Las llamadas nanopartículas unicadena ("single-chain nanoparticles", SCNPs) se obtienen mediante enlazamiento puramente intramolecular de precursores poliméricos. Hay un interés creciente en estos sistemas debido a sus prometedoras aplicaciones en catálisis, biomedicina, sensores, nanocompuestos, etc. El conocimiento de su estructura y dinámica, que controlan en gran parte su respuesta al entorno, es aún escaso. Esta tesis supone un importante avance en dicho conocimiento al investigar tres problemas de interés fundamental y práctico aún inexplorados. Mediante técnicas de simulación computacional se estudia y demuestra: 1) La posibilidad de controlar la topología (en particular la compacidad) de las SCNPs usando anillos como precursores en disoluciones concentradas de anillos inertes (con interacciones puramente estéricas). 2) La respuesta de las SCNPs al flujo de cizalla, cubriendo todo el intervalo desde alta dilución hasta disolución concentrada. Las SCNPs muestran una respuesta independiente de su topología concreta, únicamente ligada a su arquitectura de tipo red polimérica. A diferencia del caso simple de cadenas lineales, la respuesta es diferente a ambos lados de la concentración de solapamiento, este efecto estando ligado a las interacciones topológicas que evitan la concatenación de los anillos presentes en su arquitectura. 3) La competición entre enlaces intra- e intermoleculares en disoluciones de SCNPs con enlaces reversibles, y la obtención de geles reversibles basados en SCNPs, con redes estables altamente dinámicas y evitando la separación de fases a concentraciones de interés.