SlideShare a Scribd company logo
2AZ 物性化学
#1 原子の成り立ち
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
#1-1 原子の構成と電子配置
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
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
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
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。
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
#1-2 波動関数と
シュレーディンガー方程式
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?
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
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
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
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
#1-3 量子数と構成原理
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
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
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?
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
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
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
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
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
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

More Related Content

What's hot

JDLA主催「CVPR2023技術報告会」発表資料
JDLA主催「CVPR2023技術報告会」発表資料JDLA主催「CVPR2023技術報告会」発表資料
JDLA主催「CVPR2023技術報告会」発表資料
Morpho, Inc.
 
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.
 
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
Yusuke Uchida
 
マハラノビス距離を用いた異常値検知
マハラノビス距離を用いた異常値検知マハラノビス距離を用いた異常値検知
マハラノビス距離を用いた異常値検知
Yuto Mori
 
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
Nguyen Tuan
 
第一原理計算と密度汎関数理論
第一原理計算と密度汎関数理論第一原理計算と密度汎関数理論
第一原理計算と密度汎関数理論dc1394
 
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
 
[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object Detection[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object Detection
Deep Learning JP
 
[DL輪読会]近年のオフライン強化学習のまとめ —Offline Reinforcement Learning: Tutorial, Review, an...
[DL輪読会]近年のオフライン強化学習のまとめ —Offline Reinforcement Learning: Tutorial, Review, an...[DL輪読会]近年のオフライン強化学習のまとめ —Offline Reinforcement Learning: Tutorial, Review, an...
[DL輪読会]近年のオフライン強化学習のまとめ —Offline Reinforcement Learning: Tutorial, Review, an...
Deep Learning JP
 
PRML2.4 指数型分布族
PRML2.4 指数型分布族PRML2.4 指数型分布族
PRML2.4 指数型分布族
hiroki yamaoka
 
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
 
距離学習を導入した二値分類モデルによる異常音検知
距離学習を導入した二値分類モデルによる異常音検知距離学習を導入した二値分類モデルによる異常音検知
距離学習を導入した二値分類モデルによる異常音検知
NU_I_TODALAB
 
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
 
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心にウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
Ryosuke Tachibana
 
el text.life science6.tsuneda191106
el text.life science6.tsuneda191106el text.life science6.tsuneda191106
el text.life science6.tsuneda191106
RCCSRENKEI
 
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
ohken
 
【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2
Hirokatsu Kataoka
 
相関係数は傾きに影響される
相関係数は傾きに影響される相関係数は傾きに影響される
相関係数は傾きに影響される
Mitsuo Shimohata
 
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
Tomoki Yoshida
 

What's hot (20)

JDLA主催「CVPR2023技術報告会」発表資料
JDLA主催「CVPR2023技術報告会」発表資料JDLA主催「CVPR2023技術報告会」発表資料
JDLA主催「CVPR2023技術報告会」発表資料
 
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
 
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
 
マハラノビス距離を用いた異常値検知
マハラノビス距離を用いた異常値検知マハラノビス距離を用いた異常値検知
マハラノビス距離を用いた異常値検知
 
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
最近傍探索と直積量子化(Nearest neighbor search and Product Quantization)
 
第一原理計算と密度汎関数理論
第一原理計算と密度汎関数理論第一原理計算と密度汎関数理論
第一原理計算と密度汎関数理論
 
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
 
[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object Detection[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object Detection
 
[DL輪読会]近年のオフライン強化学習のまとめ —Offline Reinforcement Learning: Tutorial, Review, an...
[DL輪読会]近年のオフライン強化学習のまとめ —Offline Reinforcement Learning: Tutorial, Review, an...[DL輪読会]近年のオフライン強化学習のまとめ —Offline Reinforcement Learning: Tutorial, Review, an...
[DL輪読会]近年のオフライン強化学習のまとめ —Offline Reinforcement Learning: Tutorial, Review, an...
 
PRML2.4 指数型分布族
PRML2.4 指数型分布族PRML2.4 指数型分布族
PRML2.4 指数型分布族
 
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
 
距離学習を導入した二値分類モデルによる異常音検知
距離学習を導入した二値分類モデルによる異常音検知距離学習を導入した二値分類モデルによる異常音検知
距離学習を導入した二値分類モデルによる異常音検知
 
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
 
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心にウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
 
el text.life science6.tsuneda191106
el text.life science6.tsuneda191106el text.life science6.tsuneda191106
el text.life science6.tsuneda191106
 
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
 
【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2
 
相関係数は傾きに影響される
相関係数は傾きに影響される相関係数は傾きに影響される
相関係数は傾きに影響される
 
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
 

物性化学#1