Submit Search
Upload
物性化学#1
•
0 likes
•
178 views
T
TomoyaK
Follow
原子のなりたち ・原子の構成と電子配置 ・波動関数とシュレーディンガー方程式 ・量子数と構成原理
Read less
Read more
Education
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 24
Recommended
CMSI計算科学技術特論A(14) 量子化学計算の大規模化1
CMSI計算科学技術特論A(14) 量子化学計算の大規模化1
Computational Materials Science Initiative
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
学振特別研究員になるために~2024年度申請版
学振特別研究員になるために~2024年度申請版
Masahito Ohue
深層学習の数理
深層学習の数理
Taiji Suzuki
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
Takuya Akiba
機械学習は化学研究の"経験と勘"を合理化できるか?
機械学習は化学研究の"経験と勘"を合理化できるか?
Ichigaku Takigawa
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
Recommended
CMSI計算科学技術特論A(14) 量子化学計算の大規模化1
CMSI計算科学技術特論A(14) 量子化学計算の大規模化1
Computational Materials Science Initiative
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
学振特別研究員になるために~2024年度申請版
学振特別研究員になるために~2024年度申請版
Masahito Ohue
深層学習の数理
深層学習の数理
Taiji Suzuki
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
Takuya Akiba
機械学習は化学研究の"経験と勘"を合理化できるか?
機械学習は化学研究の"経験と勘"を合理化できるか?
Ichigaku Takigawa
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
Gurobi python
Gurobi python
Mikio Kubo
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
SATOH daisuke, Ph.D.
CMSI計算科学技術特論B(8) オーダーN法1
CMSI計算科学技術特論B(8) オーダーN法1
Computational Materials Science Initiative
Sparse Codingをなるべく数式を使わず理解する(PCAやICAとの関係)
Sparse Codingをなるべく数式を使わず理解する(PCAやICAとの関係)
Teppei Kurita
情報検索とゼロショット学習
情報検索とゼロショット学習
kt.mako
文脈自由文法の話
文脈自由文法の話
kogecoo
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
Preferred Networks
劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章
Hakky St
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Preferred Networks
大規模な組合せ最適化問題に対する発見的解法
大規模な組合せ最適化問題に対する発見的解法
Shunji Umetani
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
Tatsuya Yokota
Matlantisに込められた 技術・思想_高本_Matlantis User Conference
Matlantisに込められた 技術・思想_高本_Matlantis User Conference
Matlantis
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
2019年度チュートリアルBPE
2019年度チュートリアルBPE
広樹 本間
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
最適化超入門
最適化超入門
Takami Sato
PFP:材料探索のための汎用Neural Network Potential - 2021/10/4 QCMSR + DLAP共催
PFP:材料探索のための汎用Neural Network Potential - 2021/10/4 QCMSR + DLAP共催
Preferred Networks
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様
Matlantis
量子コンピュータの基礎から応用まで
量子コンピュータの基礎から応用まで
QunaSys
Rolling Hashを殺す話
Rolling Hashを殺す話
Nagisa Eto
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
yukisuga3
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
Ken Fukui
More Related Content
What's hot
Gurobi python
Gurobi python
Mikio Kubo
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
SATOH daisuke, Ph.D.
CMSI計算科学技術特論B(8) オーダーN法1
CMSI計算科学技術特論B(8) オーダーN法1
Computational Materials Science Initiative
Sparse Codingをなるべく数式を使わず理解する(PCAやICAとの関係)
Sparse Codingをなるべく数式を使わず理解する(PCAやICAとの関係)
Teppei Kurita
情報検索とゼロショット学習
情報検索とゼロショット学習
kt.mako
文脈自由文法の話
文脈自由文法の話
kogecoo
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
Preferred Networks
劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章
Hakky St
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Preferred Networks
大規模な組合せ最適化問題に対する発見的解法
大規模な組合せ最適化問題に対する発見的解法
Shunji Umetani
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
Tatsuya Yokota
Matlantisに込められた 技術・思想_高本_Matlantis User Conference
Matlantisに込められた 技術・思想_高本_Matlantis User Conference
Matlantis
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
2019年度チュートリアルBPE
2019年度チュートリアルBPE
広樹 本間
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
最適化超入門
最適化超入門
Takami Sato
PFP:材料探索のための汎用Neural Network Potential - 2021/10/4 QCMSR + DLAP共催
PFP:材料探索のための汎用Neural Network Potential - 2021/10/4 QCMSR + DLAP共催
Preferred Networks
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様
Matlantis
量子コンピュータの基礎から応用まで
量子コンピュータの基礎から応用まで
QunaSys
Rolling Hashを殺す話
Rolling Hashを殺す話
Nagisa Eto
What's hot
(20)
Gurobi python
Gurobi python
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
CMSI計算科学技術特論B(8) オーダーN法1
CMSI計算科学技術特論B(8) オーダーN法1
Sparse Codingをなるべく数式を使わず理解する(PCAやICAとの関係)
Sparse Codingをなるべく数式を使わず理解する(PCAやICAとの関係)
情報検索とゼロショット学習
情報検索とゼロショット学習
文脈自由文法の話
文脈自由文法の話
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
大規模な組合せ最適化問題に対する発見的解法
大規模な組合せ最適化問題に対する発見的解法
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
テンソル多重線形ランクの推定法について(Estimation of Multi-linear Tensor Rank)
Matlantisに込められた 技術・思想_高本_Matlantis User Conference
Matlantisに込められた 技術・思想_高本_Matlantis User Conference
【解説】 一般逆行列
【解説】 一般逆行列
2019年度チュートリアルBPE
2019年度チュートリアルBPE
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
最適化超入門
最適化超入門
PFP:材料探索のための汎用Neural Network Potential - 2021/10/4 QCMSR + DLAP共催
PFP:材料探索のための汎用Neural Network Potential - 2021/10/4 QCMSR + DLAP共催
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様
量子コンピュータの基礎から応用まで
量子コンピュータの基礎から応用まで
Rolling Hashを殺す話
Rolling Hashを殺す話
Recently uploaded
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
yukisuga3
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
Ken Fukui
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
Ken Fukui
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
ssusere0a682
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
Ken Fukui
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
Ken Fukui
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
Ken Fukui
Recently uploaded
(8)
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
物性化学#1
1.
2AZ 物性化学 #1 原子の成り立ち
2.
到達目標 #1 原子の成り立ち •
原子の構成と電子配置を説明できる • 波動関数とシュレーディンガー方程式を説明できる • 量子数と構成原理を説明できる
3.
#1-1 原子の構成と電子配置
4.
原子の構成 + + 原子核 陽子 中性子 + 電子 電荷 質量比 +1 −1 0 1 1 1/1840 無視できる ヘリウム(He)原子 電気的に中性:陽子の数=電子の数 (+とーのつりあい)
質 量 :陽子の数と中性子の数 だけで決まる
5.
地図データ ©2018 ZENRIN
200 m 10円玉が原子核とすると、電子はどこを回る? 5 + + + の1/1840 原子核半径の105倍
6.
電子殻 電子は、原子核を取り巻くいくつかの層に分かれて存在 最大収容電子数 = 2
n2 (内側からn番目の殻) n: 主量子数 電子殻の断面模式図 K殻(n=1) (最大 2個) L殻(n=2) (最大 8個) M殻(n=3) (最大18個) N殻(n=4) (最大32個) 原子核 電子殻の平面模式図 エネルギー
7.
電子配置 (電子殻への電子の入り方) 11Naの電子配置 11+ 電子は、原則として原子核に近いK殻から順に入っていく K殻に 個、L殻に
個、M殻に 個 2 8 1 (記号で表すと… K2, L8, M1) 閉殻になっているのは、 殻と 殻 K L 最外殻電子でもあり価電子でもある 価電子:他の原子と結合したり、イオンになったり するときに重要な働きを示す最外殻電子。 原子の 化学的 性質を決めている。
8.
希ガス(貴ガス)原子の電子配置 10+ 10Neの電子配置 希ガス:He、Ne、Ar、Kr、Xe… 電子配置が安定 他の原子と結合しにくい イオンになりにくい ➔
価電子の数は0とする 最外殻電子数は8個であるが、価電子は0個
9.
#1-2 波動関数と シュレーディンガー方程式
10.
材料工学の極意おぼえてますか? どんな原子が… どのように結合? 組 成
構 造 物 性 物質を加工して、 組成と構造を制御 優れた物性を引き出す 色・融点・屈折率・導電性・磁性・透明性… なぜ、物質の組成と構造によって物性がきまるのか?
11.
電子がわかればすべてわかる がわかる! ➔ 物 性 組
成 構 造 なぜなら、物性は電子によって 引き起こされるものであるから と が決まれば により、 電子の状態 ψ とエネルギー E が決まる 色 融点 屈折率 導電性 磁性 透明性 化学反応 化学や生物のことがすべてわかる
12.
見えない電子の姿を追い求めて… 電子は位置 x と運動量
p を同時に確定できない ハイゼンベルクの不確定性原理 運動する電子は波の性質をもっている ド・ブロイ波長 粒子性と波動性を両方満たす方程式を作って、どんな波なのか解けばいいのでは? ボーアの原子モデル、 でも、電子を知りたい! 見えないのであれば… シューレーディンガー方程式 (波の関数をψをとする) シュレーディンガー方程式を解いてΨは求まったけど、Ψは一体何の波なの? ボルンの確率解釈 電子が見つかる確率…の波
13.
粒子の性質 m シュレーディンガー方程式 エルヴィン・シュレーディンガー (1887-1961) ノーベル物理学賞(1933) 波の性質 力学的エネルギー ド・ブロイ波 波動方程式 粒子性と波動性を両方満たす方程式を作って、どんな波なのか解けばいいのでは? 運動エネルギー
位置エネルギー 力学的エネルギー 時間に依存しない シュレーディンガー方程式
14.
波動関数Ψ Ψ (電子状態)はとびとびの種類をもつ: ψ1、ψ2、ψ3… それに対応してEもとびとびの値もつ
: E1、 E2、 E3… 1次元の箱型ポテンシャルの場合 x 主量子数 n = 1 n = 2 n = 3 0 L x x E E1 E2 E3 電子がいそうなところ ψ1 ψ2 ψ3 それは,ψが波だから! ※中途半端な波は許されない 電車の座席 通 路 量子数 (= 座席番号) (= 料金) 電子のポジション
15.
#1-3 量子数と構成原理
16.
量子数と電子構造 原子核 φ θ r 電 子 (r,
θ, φ) x y z 水素原子の電子について球面座標で シュレーディンガー方程式を解くと, 主量子数(n)… 電子が原子核からどの程度離れているか? 方位量子数(l)… 軌道はどんな形をしているか? 磁気量子数(m)… 軌道(ローブ)がどの向きに伸びているか? x z y 3dxy x y z 2py x y z 1s スピン量子数(s)… 電子の自転の向きに相当 En = −hcR/n2 エネルギー準位
17.
電子構造 n l m
対応する原子軌道 1 (K) 0 (s) 0 1s 2 (L) 0 (s) 1 (p) 0 -1, 0, +1 2s 2px, 2py, 2pz 3 (M) 0 (s) 1 (p) 2 (d) 0 -1, 0, +1 -2, -1, 0, +1, +2 3s 3px, 3py, 3pz 3dxy, 3dyz, 3dzx, 3dz 2 , dx 2 −y 2 4 (N) 0 (s) 1 (p) 2 (d) 3 (f) 0 -1, 0, +1 -2, -1, 0, +1, +2 -3, -2, -1, 0, +1, +2,+3 4s 4px, 4py, 4pz 各原子軌道について、スピン量子数(s)は +1/2 (↑)と -1/2 (↓)の 2つの値をとり、電子の自転に相当する。 電子の状態は、n, l, m, s の整数(量子数)の組み合わせで決まる
18.
構成原理 軌道エネルギー 1s Z < 21 Z
≥ 21 2s 3s 4s 2p 3p 4p 3d 4d 4f 電子は、エネルギー準位の低い 1s, 2s, 2p, 3s, 3p, 4s, 3dの順に入る ただし、Z ≥ 21 からは3d, 4sの順になる (諸事情により他にも何箇所かある) つまり、軌道エネルギーの合計が 小さくなるように入るといったほうが正確 0 図:Shriver & Atkins, Inorganic Chemistryより改変 多電子原子のエネルギー準位は 主量子数 n だけでなく、 方位量子数 l にも依存する→ why?
19.
パウリの排他原理(排他律) 軌道エネルギー 0 2px 2py 2pz 2s n,
l, mで決まる原子軌道にはスピンの異なる2個の電子が入る n, l, m, sで決まる電子状態には1個の電子が入る ❌ ❌ 電車の座席 窓側 通路側 値段の安い座席から埋まる
20.
フント(Hund)の規則 縮重した軌道(エネルギーが同じ軌道)に電子が入る場合、 別々の軌道に入る 2px 2py 2pz 2p軌道に3つの電子が入る場合 ❌ 電車の座席 バラバラの席に窓側に座る (知らない人同士の反発) 2px 2py 2pz
3s クーロン相互作用(電子間反発)による
21.
フント(Hund)の規則 縮重した軌道(エネルギーが同じ軌道)に電子が入る場合、 別々の軌道にスピン量子数の値を同じにして入る 2px 2py 2pz ❌ 交換相互作用による 2p軌道に3つの電子が入る場合 3通りの交換可能 である方が安定 1通りの交換可能 電車の座席 2px 2py 2pz
3s 窓側席と通路側席の交代は面倒 この状態はエネルギー的に不安定
22.
量子化学計算 組 成 構
造 と 電子状態(分子軌道) …ψ 入 力 処 理 原子の種類と座標データだけ 出 力 量子化学計算ソフトで シュレーディンガー方程式を解く (Eが最も小さくなるψをさがす) 昔は大型計算機、今はパソコン MO COの分子軌道(MO)の例 σ2 + ー C O π1 AO AO
23.
まとめ • 化学は,電子がわかればすべてわかる • とくに最外殻電子が重要 •
電子は見れないからシュレーディンガー方程式 を解いて波動関数を求める • 波動関数は電子の存在の仕方 (座席のように量子数で決まっている) • 構成原理・パウリの排他律・フントの規則 • 量子化学 の目指すところ
24.
問5 25 1s 2s 2px
2py 2pz 3s 3px 3py 3pz 9F: ↑↓ ↑↓ ↑↓ ↑↓ ↑ (1s)2(2s)2(2p)5 10Ne: ↑↓ ↑↓ ↑↓ ↑↓ ↑↓ (1s)2(2s)2(2p)6 16S: ↑↓ ↑↓ ↑↓ ↑↓ ↑↓ ↑↓ ↑↓ ↑ ↑ (1s)2(2s)2(2p)6(3s)2(3p)4 11Na: ↑↓ ↑↓ ↑↓ ↑↓ ↑↓ ↑ (1s)2(2s)2(2p)6(3s)1