ラングミュア吸着等温線シミュレーター 戻る
表面化学シミュレーター

ラングミュア吸着等温線シミュレーター — 被覆率と平衡定数

θ = Kp/(1+Kp) で表される単分子層吸着を可視化。圧力・温度・吸着熱・前指数因子を変えて、ヘンリー域から飽和域への遷移と温度依存性を直感的に学べます。

パラメータ設定
圧力 p
kPa
温度 T
K
吸着熱 |ΔH_ads|
kJ/mol
前指数因子 K_0
1/kPa

K(T) = K_0·exp(|ΔH_ads|/(R·T))。気体定数 R = 8.314 J/(mol·K)。ΔH_ads は発熱(負)と仮定し、|ΔH_ads| を入力します。

計算結果
被覆率 θ
平衡定数 K(T)
半飽和圧 p_50 = 1/K
吸着域
ラングミュア等温線と温度比較

上半=現在条件の θ vs p(対数軸、赤丸=現在点、破線=θ=0.5 と p_50)/下半=T=250, 298, 400, 600 K の等温線比較

理論・主要公式

ラングミュアモデルは、表面の等価な吸着サイトに単分子層で吸着が進むと仮定し、吸着と脱離の速度がつり合う平衡条件から導かれます。

被覆率(占有サイト分率)。K は平衡定数、p は分圧:

$$\theta = \frac{K\,p}{1 + K\,p}$$

平衡定数の温度依存性(ファントホッフ型)。R は気体定数、ΔH_ads は吸着熱(発熱で負):

$$K(T) = K_0 \exp\!\left(\frac{-\Delta H_\text{ads}}{R T}\right)$$

θ = 0.5 となる半飽和圧。K が大きいほど低圧で半飽和:

$$p_{50} = \frac{1}{K}$$

低圧(Kp ≪ 1)では θ ≈ Kp の線形(ヘンリー域)。高圧(Kp ≫ 1)では θ → 1 の飽和。等温線は K と p の積だけで形が決まります。

ラングミュア吸着等温線シミュレーターとは

🙋
「吸着等温線」って初めて聞きました。気体が固体の表面にくっつく現象を式にしたものですか?
🎓
そう、まさにそれだ。ざっくり言うと、温度を一定にしたまま気体の圧力を変えていったとき、固体表面のサイトが何割埋まるか——その関係を表したのが等温線だよ。ラングミュアモデルは1918年にアーヴィング・ラングミュアが提案した一番基本的なモデルで、$\theta = Kp/(1+Kp)$ という1行の式で書ける。上のシミュレーターで「圧力 p」のスライダーを動かしてみて。被覆率 θ がゼロから1までS字に近い形で変化するのが見えるよ。
🙋
グラフの横軸が対数になってますね。普通の目盛りじゃダメなんですか?
🎓
いい質問だ。実は等温線は「ヘンリー域」「遷移域」「飽和域」という3つの顔を持っていて、それぞれが圧力の桁を100倍以上またぐことが多いんだ。線形軸だと低圧域が潰れて見えない。対数軸にすると、低圧の傾き(=K に等しい)と高圧の飽和(θ → 1)が同じグラフで一望できる。シミュレーターで p を 0.01 kPa から 1000 kPa まで動かすと、対数軸の威力が分かるよ。
🙋
温度のスライダーを上げると、下の曲線がぞろぞろ右に動きました。温度が上がると吸着しにくくなる、ということですか?
🎓
その通り。吸着は普通「発熱反応」だから、ルシャトリエの原理で温度を上げると平衡が脱離側に傾く。式では $K(T) = K_0\exp(|\Delta H|/RT)$ で表されて、T が大きいほど指数の中身が小さくなり K が減る。K が減ると半飽和圧 $p_{50}=1/K$ が大きくなる——つまり同じ被覆率を得るのにより高い圧力が必要、これが「曲線の右シフト」として見えてるんだ。冷蔵庫の脱臭剤や低温吸着が効くのも、この温度依存性のおかげだよ。
🙋
「吸着熱」を大きくすると、低い圧力でも飽和に近くなりますね。これも温度と関係ありますか?
🎓
大いに関係する。|ΔH| が大きいほど、表面と分子の結合が強い——化学吸着なら 40〜400 kJ/mol、物理吸着なら 5〜40 kJ/mol が目安だ。シミュレーターで吸着熱を40 kJ/mol くらいに上げると K が一気に大きくなって、1 kPa でも θ がほぼ1に張り付くだろう。触媒の活性サイトはこの「強く速く吸着し、反応後にきれいに脱離する」バランスが命で、ΔH の設計が触媒研究のかなりの部分を占めているんだ。

よくある質問

化学吸着はサイト依存性と単分子層性が強く、ラングミュアモデルが比較的よく当てはまります。物理吸着は弱い相互作用のため多層化しやすく、低圧域ではラングミュア的でも高被覆率ではBETモデルへの拡張が必要です。実測データを 1/θ vs 1/p または p/n vs p(線形化形)でプロットして直線性を確認するのが目安です。
Langmuir-Hinshelwood 機構では、反応速度が吸着種の被覆率の積 r = k θ_A θ_B で表されます。低圧では r ∝ p、飽和域では r が一定(圧力に依らない)となり、最適圧力は両者の中間に現れます。活性金属表面への CO や H_2 の吸着を等温線で評価し、温度と圧力の運転窓を決めるのが触媒運転設計の出発点です。
半導体式ガスセンサー(SnO2 など)は表面酸素の被覆率が変化すると電気伝導度が変わる仕組みです。低濃度域では θ ≈ Kp の線形応答が得られ、これがセンサーのダイナミックレンジを決めます。一方、高濃度域では飽和して感度が頭打ちになるため、用途に応じて K(≒ 温度・触媒添加で調整)を選びます。ヘンリー域の傾きが「感度」、p_50 が「検出範囲の中心」と理解されます。
BET は多層吸着を扱い、第2層以降の吸着熱が液化熱に等しいと仮定します。窒素吸着による比表面積測定(BET法、相対圧 0.05〜0.35)で広く使われます。フロインドリッヒは $\theta = K p^{1/n}$ の経験式で、サイトが不均一な実表面に適合しやすい一方、飽和を表現できません。ラングミュアは均一サイト・単分子層の理想モデルで、教科書的・触媒モデルの基準として最も重要です。

実世界での応用

不均一触媒の設計と運転:自動車排ガス浄化、アンモニア合成、メタノール改質などの不均一触媒反応では、反応速度が触媒表面の吸着種被覆率に強く依存します。ラングミュア型の被覆率モデルは Langmuir-Hinshelwood 速度式の出発点となり、温度・圧力・組成の最適化、反応器設計、触媒寿命予測に直接使われます。

多孔質吸着剤による分離・精製:活性炭、ゼオライト、MOF(金属有機構造体)を用いたガス分離・水処理では、各成分の吸着等温線が分離性能を決めます。圧力スイング吸着(PSA)、温度スイング吸着(TSA)はラングミュア型の K(T, p) 依存性を利用して、加圧・減圧サイクルで気体を分離する代表技術です。空気からの窒素・酸素分離、CO2 回収などに広く実用化されています。

ガスセンサーと環境モニタリング:半導体式・電気化学式ガスセンサーの応答は、検知ガスの表面吸着量に依存します。ラングミュア等温線のヘンリー域での線形性がセンサーのダイナミックレンジを与え、p_50 がフルスケールの目安になります。低濃度大気汚染物質(NOx, CO, VOC)の検出器設計では、K(T) の温度依存性を制御するために加熱素子が組み込まれています。

製薬・食品の吸湿等温線:医薬品や食品の安定性は水分活性に依存し、製品中の水分量は周囲湿度との吸着平衡で決まります。低水分活性域はラングミュア型、高水分活性域はBET型で記述されることが多く、保存条件・包装設計・賞味期限予測の基礎データとなっています。粉末医薬の吸湿性評価は製剤開発の重要工程です。

よくある誤解と注意点

最も多い誤解は、「ラングミュア等温線がどんな吸着現象にも当てはまる」と思い込むことです。このモデルは「等価なサイト」「単分子層」「分子間相互作用なし」「ΔH 一定」という4つの理想化された仮定の上に成り立っています。現実の表面はステップ・キンク・欠陥などサイトの異質性を持ち、隣接吸着分子の反発・引力相互作用もあります。とくに高被覆率域や多層吸着が起こる物理吸着では、ラングミュア式は系統的に実測からずれます。データを 1/θ vs 1/p で線形化したときに直線にならなければ、フロインドリッヒ・テムキン・BETなど他モデルへの切り替えが必要です。

次に多いのが、K の温度依存性を見落として「等温線は1本で十分」と考えることです。K は ΔH と T を介して指数関数的に変化するため、温度が50K違うだけで K は数倍〜数十倍動きます。シミュレーターの下半パネルで T=250〜600K の4本を並べてみると、同じ ΔH でも曲線がほぼ3桁も右にシフトすることが分かります。実プロセスの設計では、運転温度帯での K の値を必ず確認する必要があります。逆に複数温度の等温線から van't Hoff プロット ln K vs 1/T を作れば、傾きから ΔH を実験的に決定できます。

最後に、「被覆率 θ」と「吸着量 n」を混同する点に注意してください。θ は「全サイト数に対する占有割合(0〜1)」で無次元、n は「吸着剤単位質量あたりのモル数(mol/g)」など実測量です。両者の関係は n = n_max · θ で、最大吸着量 n_max は表面積とサイト密度で決まる定数。実験データを等温線でフィットするときは、まず n を θ に変換する(n_max を別途決める)必要があります。BET法による比表面積測定もこの考え方を使っており、ラングミュア型データの解析では「全サイト数」の見積りが結果の信頼性を支配します。