打开主菜单

高中物理/核與輻射/原子模型

< 高中物理‎ | 核與輻射

发现了原子之后,物理学界分成了两派,一部分科学家(当然也包括很多哲学家)认为原子就是他们苦苦寻找的组成世界的基本粒子。另一些科学家则认为原子可能还可以再分。但科学是建立在证据与事实的基础上,任何的猜想都必须经得起新出现的证据。而这一系列猜想的的终结则开始于1897年。

目录

梅子布丁模型编辑

 
梅子布丁模型

1897年,英国物理学家约瑟夫·汤姆森利用实验观察到一种射线在电场中的偏转,并计算出了这种带电粒子的电荷质量比。汤姆森将这种粒子称为电子

经过更多的实验,科学家们越来越肯定电子来源于原子内部,它是原子的组成部分。

这一系列的发现极大地动摇了原子不可分理论,依据这些实验基础,1904年,汤姆森提出了梅子布丁模型来解释原子结构。

梅子布丁模型是这样描述原子的,原子是一团带正电的云球或者浓汤,就如同一个布丁一样。带负电的电子均匀的分布于这个云球里,就如同梅子嵌在布丁里一样。由于分布非常均匀,电子所带的负电与云球内的正电完美的抵消了,宏观上原子呈现电中性。在这个模型中,为了维持稳定,电子会自动分布于云球的同一球面上。因为只有这样任何一个电子所受的电场力才会平衡。如果一个电子向外移动,那么其内球面的正电荷将增加,对该电子的吸引力也将增加,最终将电子拉回原来的球面上。

卢瑟福模型编辑

 
锂原子的卢瑟福模型

距离汤姆森提出的梅子布丁模型才仅仅5年时间。物理学家欧尼斯特·卢瑟福的散射实验就彻底地为梅子布丁模型划上了句号。

卢瑟福使用阿尔法粒子束轰击原子。按照梅子布丁模型,正电荷均匀分布在原子内如同一个云球(布丁)一样,那么各个点的库仑位势不会发生大的变化,阿尔法粒子束的出射角应该只有小角度的偏差。然而实验得到的结果却与预期大相径庭。大约每8000个阿尔法粒子中就有一个的出射角有很大角度的偏差(大于90度)。要解释这个现象唯一的办法就是完全推翻原子的梅子布丁模型。

取而代之,卢瑟福建立了新的太阳系模型来解释卢瑟福散射的实验结果。顾名思义,太阳系模型借鉴了太阳系的组成与运动方式。卢瑟福认为原子的绝大多数质量和全部的正电荷都集中于位于原子中心的原子核上,就好像位于太阳系中心的太阳。而带负电的电子则围绕着原子核,像行星围绕太阳公转一样运动。

另外,卢瑟福还根据能量守恒定律推算出了原子核的半径。令人惊讶的是,原子核的半径竟然小于 ,集中了全部正电荷和几乎全部原子质量的原子核,其半径只有原子半径的三千分之一。

波尔模型编辑

 
玻尔模型

虽然,相对于梅子布丁模型,卢瑟福模型对原子结构做更加合理的描述,但他对核外电子的运动方式则表述含糊,无法让人信服。借鉴天体运动的方式,卢瑟福认为电子在原子核外环绕原子核运动,类似行星围绕太阳公转。但是根据经典电磁理论,这样的加速运动模型会发射出电磁波,导致电子能量不断减少,最终坍缩到原子核内。就像受到阻力的废弃人造卫星撞上地球一样。这显然与事实不符。

卢瑟福的学生,尼尔斯·波尔则避开了这个难题。他认为电子在一系列稳定的轨道上作圆周运动,这些轨道是稳定且离散的。距离原子核越远,轨道的能量就越高。当电子在这样的轨道上运动时并不会发射电磁波,但电子只能从一个稳定轨道跃迁到另一个稳定轨道,仅当电子跃迁时才与外界有能量交换。

波尔模型的成功之处在于它成功的解释了氢原子的光谱。定量的计算出了氢原子各个轨道的能量和跃迁的能量关系。

波尔模型相对于卢瑟福模型是一大进步,但成功仍掩盖不了不足。波尔模型仍然无法解释为什么处于定态的原子不会发出电磁波,并且波尔对跃迁的过程也没有详细的描述。最致命的是波尔模型只能解释氢原子等一些及其简单的原子的光谱,对稍微复杂一些的原子或更精细的光谱波尔理论还是无能为力。

电子云模型编辑

 
氢原子的电子云

上述原子模型都是科学家在经典理论的框架下提出来的。(波尔理论稍微引入了一些量子理论的观点)。这些模型无一例外的无法完美解释原子表现出来的各种行为。这也告诉我们必须抛弃经典理论才能得到更符合事实的原子模型。

如今,随着量子力学的发展,物理学界普遍接受了一种全新的原子模型——电子云模型。该模型认为电子围绕原子核作高速运动,但不是类似于行星的圆周运动或者椭圆运动,甚至不是我们日常生活中看到的任何一种运动。这种运动有着随机性,我们无法在同时得知某时刻电子的位置和速度,因此也无法描绘出电子的明确的轨道。

那要如何才能体现出电子的运动方式呢?

科学家们想出了一种新的方法。利用一台假想的照相机每隔一小段时间就对原子拍照,每张照片都记录了此时原子核和电子的状态。这样经过一段时间以后,我们将拍摄到的成百上千张照片重叠起来。一副新的图画出现了,每张照片上的电子位置是随机分布的,重叠起来之后就如同一团乌云笼罩在原子核周围,这就是电子云模型的由来。显然,模型中的电子点的疏密程度代表了电子在该位置出现的概率,点越密集概率越高,越稀疏概率越低。