质量扩散模拟器 — Fick定律与Arrhenius模型

描述浓度如何随位置和时间变化的核心方程，是Fick第二定律的一个精确解。它适用于材料表面浓度突然升高并保持恒定（阶跃条项）的场景。

这里，$C(x,t)$ 是在深度 $x$（米）、时间 $t$（秒）时的浓度（mol/m³）。$C_0$ 是表面的初始浓度。$\mathrm{erfc}$ 是余误差函数，它刻画了从表面到内部浓度的平滑衰减。$D$ 是关键参数——扩散系数（m²/s）。

扩散系数 $D$ 并非常数，它强烈依赖于温度 $T$。这种依赖关系由Arrhenius方程描述，它揭示了扩散过程的“活化能”壁垒。

$D_0$ 是指前因子（m²/s），代表了扩散的“频率”。$Q$ 是活化能（J/mol），可以理解为原子跳动需要克服的“门槛”。$R$ 是气体常数（8.314 J/(mol·K)），$T$ 是绝对温度（K）。温度升高一点点，$D$ 会指数级增大！

金属表面热处理（渗碳/渗氮）：这是最经典的应用。比如汽车变速箱齿轮，通过将工件放入富碳气氛中加热，让碳原子扩散进入表面层，从而获得坚硬耐磨的表面和韧性好的心部。工艺设计完全依赖于对扩散深度（$x \propto \sqrt{Dt}$）的精确计算。

半导体制造（掺杂）：在芯片制造中，需要将硼、磷等杂质原子精确地扩散进硅晶圆，以形成晶体管结构。这个过程对温度和时间的控制要求极为苛刻，因为扩散深度直接影响器件的电学性能。

燃料电池与氢能材料：在质子交换膜燃料电池中，氢离子（质子）需要通过膜材料进行扩散。研究不同温度下氢的扩散行为，对于提高电池效率和耐久性至关重要。

地质学与材料老化：地壳中矿物之间的元素扩散，可以用来测定岩石的年龄和经历的热历史。同样，在核反应堆中，中子辐照导致氦气在材料中生成和扩散聚集，是评估材料寿命的关键问题。

使用本模拟器时，有几个初学者容易陷入的误区。首先，"扩散系数D并非材料的固定值"——这一点至关重要。在工具中选择"钢中碳"时，显示的初始D值仅是初始温度（例如900°C）下的一个参考值。移动温度滑块时D值剧烈变化，这并非材料本身改变，而是因为同一材料的扩散能力会随温度呈指数级变化。实践中切忌单独记忆"某材料的D值"，必须结合"对应温度下的D值"进行考量。

其次，表面浓度C₀需设定在合理范围。模拟器虽可自由调整，但实际渗碳处理中，其上限取决于炉内碳势气体浓度与温度共同决定的"该温度下的平衡表面浓度"。例如钢材在950°C渗碳时，表面碳浓度极限通常在1.0~1.2 wt%左右。若设置为2.0%等不切实际的数值，计算结果将完全失去参考价值。

最后，需理解"半无限大体"模型的局限性。该解析解成立的前提是材料厚度足够大，可忽略对侧边界的影响。对于薄板（如1mm厚片材）的双面扩散情况，此解不再适用。若计算结果与实际偏差较大，需重新审视模型的应用条件是否满足。