玻尔百科许多材料难以简单分类，其行为兼具粘性液体和弹性固体的特性。这些粘弹性流体，从工业聚合物熔体到生物粘液，对其进行描述和预测构成了重大挑战。虽然像 Oldroyd-B 模型这样的基础理论通过将聚合物分子建模为简单的弹性哑铃提供了一个起点，但它们在解释剪切致稀等关键的现实世界行为方面存在不足，并且在强流动的计算机模拟中常常会严重失效。这种差距凸显了对能够捕捉这些复杂流体非线性本质的更复杂模型的需求。
本文深入探讨了 Giesekus 模型，这是一个优雅而强大的扩展模型，解决了上述许多不足之处。在接下来的两个章节中，我们将揭示一个单一的物理见解——聚合物分子上的阻力并非均匀，而是取决于其取向——如何能够导出一个对粘弹性更为深刻准确的描述。在“原理与机制”一章中，我们将探讨该模型的数学公式，揭示其独特的二次应力项如何抑制不合物理的预测，并捕捉广泛的流变现象。随后，“应用与跨学科联系”一章将展示该模型的实际效用，从改进工程领域的工业过程模拟，到为生物物理学和人工智能等不同领域提供见解。
想象一下将勺子浸入水中，它几乎不受阻力地移动。现在试着搅拌一锅蜂蜜，这要困难得多。这种对流动的阻力称为粘度。像水和蜂蜜这样的简单液体是牛顿流体，意味着它们的粘度是恒定的。但世界上充满了更有趣的流体：想想面包面团、番茄酱、油漆，甚至是您童年时可能玩过的史莱姆。这些材料是奇特的混合体。它们像液体一样流动，但它们也具有记忆性，一种能让它们轻微回弹的弹性。它们是粘弹性的。
为了理解这些迷人的材料，我们需要深入其内部，看看是什么让它们如此运作。大多数粘弹性流体，如聚合物溶液，本质上是在简单溶剂中游动着长链状分子的浓汤。我们探索 Giesekus 模型的旅程始于尝试捕捉这些聚合物链中单一个个体的行为。
对聚合物分子最直观的初步描绘是一个微小的弹性哑铃——由一个弹簧连接的两个珠子——漂浮在粘性液体中。这个优美而简单的概念催生了像 Oldroyd-B 模型这样的模型，它构成了我们理解的基础。弹簧解释了分子保持卷曲状态的趋势（弹性），而周围的液体则为珠子提供了阻力（粘性）。
即使是这个基础模型也隐藏着惊人的复杂性。当流体被搅拌或拉伸时，移动的不仅仅是珠子；聚合物的整个参考系都在运动。为了写出一个对任何观察者都适用的聚合物应力定律，无论观察者是静止不动还是在旋转木马上旋转，我们都必须使用一种特殊的数学工具，称为客观时间导数，例如上随体导数。这个过程被称为客观平流，它为我们的方程引入了一种自然的、运动学上的非线性。这就是为什么一些粘弹性流体会出现著名的爬杆效应——这种效应在简单的牛顿流体中是不可能发生的。
这个简单的哑铃模型成功地预测了一些奇特的行为。例如，如果你在两块板之间剪切流体（就像在吐司上抹黄油），它会预测流体将把板推开。这被称为第一法向应力差，或 ，它是粘弹性的一个标志。然而，我们这个简单的模型有其局限性。在实验中，我们经常观察到，流体在剪切梯度方向（上下方向）施加的压力与中性方向（侧向）的压力不同。这个第二法向应力差，或 ，是我们简单的 Oldroyd-B 哑铃模型完全忽略的；它固执地预测 。
更糟糕的是，如果我们想象在一个强流中拉伸我们简单的哑铃模型，它预测聚合物上的应力将无限制地指数增长，直到变得无穷大！。这种“拉伸灾难”显然是不符合物理现实的。没有真实的流体能够承受无限的应力。我们关于粘性浴中 Hookean 弹簧的简单图像缺少了谜题的关键一块。
那么，我们遗漏了什么呢？让我们更深入地思考一下作用于聚合物上的阻力。Oldroyd-B 模型假设阻力是各向同性的，意味着无论溶剂从哪个方向流过聚合物，阻力都是相同的。如果聚合物是一个紧密盘绕的球形线团，这是一个合理的假设。但是，当流动抓住聚合物并将其拉伸成一根细长的杆时，会发生什么呢？。
想象一下站在强风中。如果你正对着风，全身迎风，你会感受到巨大的力量。如果你侧过身，迎风面积小得多，感受到的力就会小很多。被拉伸的聚合物也是如此。溶剂分子流过其长而伸展的轴要比流过其狭窄的侧面困难得多。阻力不再是全向相同的。它已经变得各向异性。
这个单一而强大的物理见解是 Giesekus 模型的核心。它提出，聚合物所经历的流体动力学摩擦力取决于其自身的形状和取向，而这又由材料中的应力来表示。这在我们的聚合物应力张量 的演化方程中引入了一个新项。我们可以从第一性原理推断其形式。为了使方程保持量纲一致，任何新项都必须具有应力的单位。一个由应力与自身相乘，并由流体的特征时间和粘度进行缩放的项完全符合要求： 是一个量纲上有效的应力项候选项。
这正是 Giesekus 引入的项。完整的方程非常优美：
让我们来解析这个故事。前两项 代表了 Oldroyd-B 模型：一个在时间 内松弛，同时被流体对流的应力。右边的项 是来自流体变形的驱动力。新的部分，即 Giesekus 项 ，是神奇的成分。它是一个反馈回路，一个关于应力本身的二次项。无量纲常数 是迁移率参数，量化了各向异性阻力的强度。当 时，该项消失，我们恢复到更简单的 Oldroyd-B 模型。但当 时，情况就完全不同了。
这个二次应力项实际上起什么作用？它作为一个强大的、依赖于状态的松弛机制。随着应力 的增长——意味着聚合物变得更加拉伸和取向——这个二次项增长得更快（就像 比 增长得更快），并充当一个额外的制动器，帮助应力更快地松弛。这是一个自我调节的系统。你拉伸得越厉害，它回缩的意图就越强。
这一个简单的补充就优雅地解决了困扰我们简单模型的所有问题。
首先，它预测了剪切致稀。在简单剪切流中，当你增加剪切速率时，聚合物取向，应力增长。但二次项也随之增长，提供了额外的松弛。结果是应力随剪切速率的增长低于线性关系。表观粘度——应力除以剪切速率——减小了。当你剪切得更快时，流体变得“更稀”，这种行为在番茄酱和油漆等日常产品中可见，而 Oldroyd-B 模型永远无法捕捉到。
其次，它最终给出了一个非零的第二法向应力差。各向异性阻力打破了垂直于流动方向平面内的对称性。它在速度梯度方向上产生了一个压缩应力，而这个应力在中性方向上是不存在的。这直接导致了一个非零且通常为负的 ，与许多实验观察结果完美吻合。谜题得以解决。
第三，它驯服了无穷大。还记得那个应力无限增长的不合物理的“拉伸灾难”吗？二次阻尼项在这里也发挥了它的魔力。在强拉伸流中，这一项变得占主导地位，防止应力激增，从而得到一个现实的、有界的拉伸粘度。这个特性不仅仅是学术上的好奇心；它使得 Giesekus 模型在计算机模拟中如此稳健和有用，有助于克服臭名昭著的高魏森贝格数问题 (HWNP)，在这一问题上，更简单的模型会灾难性地失败。它甚至预测流体可以承受一个有限的最大剪切应力，这是一个直接源于其数学结构的迷人特征。
值得注意的是，这个强大的参数 并非我们可以自由选择的万能牌。热力学第二定律规定，变形的流体必须以热的形式耗散能量，而不是自发地创造能量，这对其值施加了严格的约束：。这是一个深刻的例子，说明了自然界最基本的定律如何塑造我们用来描述世界的数学形式。
然而，Giesekus 模型仍保留了与其简单起源的关键联系。在极慢流动（应力很小）的极限情况下，二次项变得可以忽略不计。在此范围内，该模型的行为与线性粘弹性模型完全相同，正确预测了零剪切粘度和零剪切第一法向应力系数等基本性质。它只在需要的地方，即在较高的变形速率下，才增加复杂性。
Giesekus 模型是物理直觉力量的证明。通过引入一个单一的、有物理基础的想法——各向异性阻力——我们得出了一个优雅的数学表达式，它同时解决了多个实验悖论和理论失败。这是一个关于统一与美的故事，揭示了对单个聚合物微观世界的深入观察如何能够阐明我们观察到的宏观流体的丰富而复杂的行为。
在掌握了 Giesekus 模型的原理和机制之后，我们可能会倾向于将其视为数学物理中一个简洁的片段，一个教科书中整洁的方程。但这样做将错过真正的探险。一个物理模型的真正美妙之处不在于其抽象的公式，而在于它为理解我们周围的世界所打开的大门。就像一把万能钥匙，Giesekus 模型为我们揭示了一系列惊人现象的见解，从塑料的工业加工到生命的最初起源。现在，让我们踏上探索这些应用的旅程，看看这一个想法是如何将工厂大桶的搅动、超级计算机的低语以及活细胞的微观舞蹈联系起来的。
想象一下，你得到一种奇特的粘稠物质——也许是聚合物熔体、化妆品膏霜，甚至是生物流体。你会如何描述它？仅仅说它“很稠”是不够的。它像明胶一样有弹性吗？当你搅拌它时，它会像油漆一样变稀吗？为了回答这些问题，被称为流变学家的科学家们会对材料施加精确控制的形变，并测量由此产生的应力。Giesekus 模型不仅仅是一个理论构造；它是一个强大的工具，用于解释这些实验并捕捉流体独特的“个性”。
一个常见的测试是突然以恒定速率开始剪切流体。像蜂蜜这样的简单粘性流体会以恒定的力抵抗。但对于许多聚合物溶液，会发生一些更有趣的事情：应力首先迅速攀升至一个峰值，然后稳定在一个较低的稳态值。这种“应力超调”是材料弹性记忆的标志。可以把它想象成拉伸一团缠结的橡皮筋。最初，当它们对齐和拉伸时，它们会强烈抵抗，但一旦它们大部分与流动方向对齐，阻力就会减小。Giesekus 模型，通过其代表这些分子“橡皮筋”上各向异性阻力的非线性项，完美地预测了这种超调发生的条件及其幅度，为我们提供了量化流体瞬态响应的方法。
一种更复杂的技术是大振幅振荡剪切（LAOS），即让流体来回“摇摆”。对于简单流体，应力响应将是一个完美的正弦波，就像输入的应变一样。但对于复杂流体，响应是扭曲的。它包含了主频率的回声——谐波，就像音符中的谐音一样。Giesekus 模型使我们能够预测这些谐波的强度，例如三次谐波，它可作为材料非线性的灵敏指纹。通过将模型的预测与实验数据进行比较，我们可以提取出如迁移率因子 等基本参数，将这些抽象的数字转化为对材料行为有意义的描述。
工程世界充满了复杂的流动：聚合物被挤出成纤维，塑料被注射到模具中，润滑油在发动机中流动。设计和优化这些过程通常依赖于使用计算流体力学（CFD）的计算机模拟。然而，模拟粘弹性流体是出了名的困难。一个核心挑战是“高魏森贝格数问题”（HWNP），这是一个巨大的障碍，在此问题中，模拟会神秘地“崩溃”并且无法收敛，尤其是在具有强拉伸分量的流动中。
罪魁祸首通常在于所用模型的简单性。像 Oldroyd-B 这样的基本模型将聚合物分子视为可无限拉伸的弹簧，它预测在有限的拉伸速率下，流体中的应力可以增长到无穷大。这当然是不符合物理现实的——真实的分子不能无限拉伸——正是这种数学上的奇异性导致了计算机模拟的崩溃。
此时，Giesekus 模型应运而生。那个描述应力超调的非线性项现在扮演了一个新角色：它充当了一个物理调节器。它代表了这样一个思想：当聚合物分子排列和拉伸时，它们更容易相互滑过——即各向异性阻力。这提供了一种自阻尼机制，防止应力无界增长，从而得到有限且现实的拉伸粘度。通过将这种更复杂的物理学直接构建到方程中，Giesekus 模型驯服了应力奇异点，缓解了 HWNP 问题，并使工程师能够模拟与工业过程相关的高速和强变形流动。
当然，使用更先进的模型并非没有代价。Giesekus 模型的非线性及其双曲（对流主导）特性意味着，仍然需要专门的数值稳定技术，如流线迎风 Petrov-Galerkin（SUPG）或离散弹性粘性应力分裂（DEVSS），以确保解的稳定性和准确性。模型的选择对其求解算法本身有着深远的影响，在物理学、数学和计算机科学之间创造了丰富的相互作用。其他模型，如以不同方式引入有限可拉伸性的 FENE-P 模型，为解决 HWNP 问题提供了替代策略，每种策略在参数化和预测能力方面都有其自身的权衡。
物理学中最深刻的乐趣之一，是看到一个抽象的数学术语表现为一个具体、可见的现象。Giesekus 模型在粘弹性流体流经弯曲通道时提供了这样一个壮观的例子。
当普通（牛顿）流体绕过弯道流动时，流线只是简单地跟随曲线。但对于粘弹性流体，情况则有所不同。沿弯曲流线的张力（与第一法向应力差 相关）产生了一个向内的拉力。这个力可以驱动一个二次流——在垂直于主流方向的平面上产生一对反向旋转的涡流。
正是在这里，Giesekus 模型揭示了一个微妙但至关重要的物理学原理。与第二法向应力差 为零的简单模型不同，Giesekus 模型正确地预测，对于大多数聚合物， 是非零且为负值。这个 代表了横流平面本身张力的不平衡。它产生了一套自己的弹性力，而事实证明，这些力通常会抵抗由 驱动的二次流。
结果是一场竞争： 试图产生涡流，而 则试图抑制它们。二次流是否出现及其强度，取决于这两种效应之间的平衡，而这两种效应都由 Giesekus 模型的参数所捕捉。材料分子结构的简单改变，反映在参数 中，可以从根本上改变管道中的大尺度流动模式。材料本构“指纹”（，）与宏观流动结构之间的这种直接联系，有力地证明了该模型的预测能力。
Giesekus 模型的应用范围远远超出了工程和材料科学的传统领域，延伸到了科学发现的前沿领域。
考虑一下生物学中最基本的过程之一：受精。精子细胞必须穿过女性生殖道的复杂环境才能到达卵子。它的路径穿过宫颈粘液，这是一种与水完全不同的物质。它是一种粘弹性流体，既表现出剪切致稀（剪切时变“稀”），又具有弹性。为了理解这个关键的旅程，我们需要一个能够捕捉这种复杂性的流变模型。Giesekus 模型或类似的框架为此提供了完美的语言。粘液的弹性是帮助还是阻碍了精子的鞭毛推进？由尾部摆动产生的剪切致稀现象如何影响其游泳速度和效率？通过将粘液建模为 Giesekus 类流体，生物物理学家可以模拟这场微观斗争，并开始回答对生育能力和生殖健康至关重要的问题。描述工厂中熔融塑料的相同方程，帮助我们理解走向新生命的第一步。
在另一个前沿领域，Giesekus 模型正在人工智能世界中找到用武之地。科学家们正在开发物理信息神经网络（PINNs），这是一种新型的机器学习算法，它不仅从数据中学习，还从物理学的基本定律中学习。想象一个实验，你只能在几个稀疏点上测量一种奇特的新型聚合物溶液的速度。你如何确定它的材料特性，比如关键的 Giesekus 参数 ？PINN 可以被训练来完成这项任务。该网络学习预测各处的速度，但其学习受到两个条件的约束：它必须与稀疏的实验数据匹配，并且必须遵守流体力学的控制定律，包括 Giesekus 本构方程。通过同时满足所有这些约束，网络可以解决“反问题”，并推断出与观察结果最一致的 值。这种物理建模与机器学习的卓越融合，正在为“智能”材料表征的新时代铺平道路。
从实验室工作台到工厂车间，从超级计算机的核心到生命有机体的秘密，Giesekus 模型如同一条统一的线索。它提醒我们，一个深刻的物理原理有能力连接不同的世界，揭示塑造我们世界的复杂流体所蕴含的内在统一性和固有之美。