综述：致密驱动与活性胶体系统

《Current Opinion in Colloid & Interface Science》：Dense Driven and Active Colloidal Systems

　　

研究人员综述了剪切驱动胶体悬浮液和致密活性粒子系统领域的最新理论与数值进展，重点关注接近玻璃态转变（glass transition）的动力学。该综述基于以下理念：玻璃态剪切与活性胶体悬浮液的微观模型能够理解两种非平衡驱动模式之间的深层联系，但也可能理解其差异，特别是通过多粒子动力学中的时滞记忆效应（time-delayed memory effects）。

**1. Introduction**
软胶体物质易于偏离平衡，其介观粒子尺寸和热能导致布朗运动、软力学模量及长弛豫时间。外力干扰平衡涨落，引发非线性和非平衡响应，通常通过机械变形（如剪切）或粒子内在活性力驱动。平衡态基于少量状态变量和输运系数描述微观细节，而非平衡系统因对称性破坏而难以归类。本文以布朗动力学（Brownian dynamics， BD）为粗粒化起点，忽略水动力学相互作用（hydrodynamic interactions， HI），对比驱动（剪切）与活性系统的集体多体动力学，聚焦近玻璃态转变的慢动力学。

**2. Theoretical and Simulation Techniques**
工具箱包括投影算子和记忆核（memory kernels）技术，将非马尔可夫动力学嵌入广义朗之万方程（generalized Langevin equation， GLE）。通过积分暂态（integration through transients， ITT）方法将记忆核关联至非平衡输运系数，并结合模式耦合理论（mode-coupling theory， MCT）推导剪切胶体的本构方程。该方法也用于活性系统，预测被动情况下被对称性禁止的非平凡关联函数。MCT在颗粒流变学实验中验证良好。玻璃形成流体与无定形固体中，MCT预测连续固态化转变，并联系至Eshelby应力场理论。数值方法方面，交换蒙特卡洛（swap Monte Carlo， SWMC）成为平衡初始构型生成的标准，结合分子动力学（molecular dynamics， MD）模拟深入玻璃态区域。机器学习（machine learning， ML）工具用于解码粒子重排与动态异质性，通过学习等动能系综中的位移倾向性预测慢弛豫。神经网络（neural networks， NNs）辅助确定有效相互作用和动力学律，以及生成模型中学习熵产率，但机器学习获得的势函数在近玻璃态出现偏差，可能源于动力学对相互作用细节的高敏感性。

**3. Sheared Suspensions**
**3.1 Macroscopic Flow**
剪切诱导玻璃屈服高度依赖于制备历史。SWMC模拟建立了淬火和退火与延性或脆性屈服的关系，以及近MCT交叉区域的应变局域化。振荡剪切下，玻璃在固体与屈服态之间转变，取决于应变振幅。退火历史决定能量状态：小幅剪切助于不良退火玻璃退火，大幅剪切则推动系统脱离能量极小值，屈服转变在热退火良好的玻璃中呈不连续性。大幅振荡剪切（large-amplitude oscillatory shear， LAOS）提供丰富信息，通过谐波量化响应，并储存可逆与不可逆变形历史，引导可训练超材料。

**3.2 Microrheology**
主动微流变中，牵引粒子受恒定外力作用，弹性回弹揭示流体和玻璃响应，关联于平均回弛豫用于实验区分平衡与非平衡记忆效应。微流变（被动与主动）在生物物理中常用，理解宿主系统非平衡性质对探针可观测量的影响，有助于建立剪切驱动与活性玻璃悬浮液的链接。

**4. Active Glassy Matter**
**4.1 Glass transition and phase separation**
活性悬浮液早期工作关注运动诱导相分离（motility-induced phase separation， MIPS），其机制源于重正化游动速度随密度下降。近期转向更密状态——活性玻璃，模拟在密度-活性平面中识别MIPS与活性玻璃区域。实验驱动人工活性粒子在密相中面临“遮蔽”和燃料消耗导致的交叉干扰，而组织、细菌菌落等生物系统激发新型计算模型（如Voronoi流体）。添加自推进力不直接导致流化，而是在有限活性下从活性玻璃转变为屈服态，类比振荡剪切下的屈服。需区分玻璃与堵塞转变（jamming transition），以及“极端”活性物质中的持续活性玻璃模型。

**4.2 Beyond Brownian dynamics**
考虑更大“微机器人”引入惯性、取向自由度、手性（chirality）、对齐与非互易相互作用。在被动系统中，动力学微观细节（布朗或牛顿）不影响玻璃转变，但活性玻璃中，活性布朗粒子（active Brownian particle， ABP）、活性Ornstein-Uhlenbeck过程（active Ornstein-Uhlenbeck process， AOUP）或跑-撞粒子（run-and-tumble particle， RTP）等模型可能引入对单个粒子细节的依赖性，标志其与被动玻璃的本质差异，并延伸至其他动态转变（如Lorentz气体模型中的局域化）。

**5. Sheared/Active Analogy**
近玻璃态，剪切被动系统与活性系统存在表面相似性：稳态动力学具备慢结构弛豫特征，两者在剪切和活性力下均能屈服。但连续剪切玻璃始终流化，而活性玻璃在活性不强时保持玻璃态，更类似于振荡剪切或主动微流变。一种直观类比将活性模型中的强度与持续时间和振荡剪切中的振幅与频率对应：ABP模型中的方向相关时间1/D_r与剪切频率ω映射，Péclet数Pe_ω=γ₀ωτ₀与自由活性粒子的Pe映射。密相中，MCT预测动力学由Péclet数Pe_t=v₀σ/D₀主导，故映射γ₀ω?v₀/σ亦合理。模拟研究显示活性玻璃的淬火和退火行为与振荡剪切玻璃惊人相似（比较图3与图5），且活性力更对应于应力控制剪切而非应变控制。这些数值观察亟待理论探索。

**6. Outlook**
发现系统类之间的普适性是统计物理富有前景的方向，但目前剪切胶体、颗粒和活性玻璃的类比仍属轶事性。微观理论框架应聚焦于相应广义朗之万方程及其记忆核的特征。利用ITT，记忆核通向非平衡输运系数，理论若能精确识别剪切与活性系统中记忆核的相关特征，将为非平衡粗粒化模型提供重要指导。边界条件的影响（如剪切带和MIPS）表明宏观梯度与微观动力学之间的耦合，非均匀扩展理论可应对，而受限系统可能揭示更根本的差异。