為什麼一杯熱茶的香氣會慢慢瀰漫整個房間？

為什麼一杯熱茶的香氣會慢慢瀰漫整個房間？

把一包茶葉丟進熱水裡，幾秒鐘後杯中的水開始變色，再過幾分鐘整個房間都聞得到茶香。這個再日常不過的現象，背後其實藏著化學工程最核心的問題之一：物質如何從一處移動到另一處？

茶葉裡的咖啡因與香氣分子，必須先「溶出」到水中，再「擴散」到整杯水裡，最後揮發到空氣中飄散。每一步都牽涉到濃度差所驅動的質量傳遞（mass transfer，質傳）。在化工廠裡，這個過程被放大成蒸餾塔、吸收塔、萃取槽與膜分離器——幾乎所有「把混合物分開」或「讓物質從一相轉移到另一相」的單元操作，骨子裡都是質傳。

質傳與熱傳（heat transfer）、動量傳遞（momentum transfer）並稱三大輸送現象（transport phenomena）。三者在數學形式上驚人地相似：都由某種「驅動力」推動，都遵循「通量 = 係數 × 驅動力」的線性律。理解質傳，等於同時握住了化工分離工程的鑰匙。

擴散的本質：費克第一定律

想像一個密閉容器，左半邊裝滿濃度高的染料水，右半邊是清水，中間用隔板分開。抽掉隔板的瞬間，沒有任何攪拌，染料分子卻會自發地往清水方向移動，最後整個容器顏色均勻。這個由濃度梯度（concentration gradient）驅動的淨遷移，就是分子擴散（molecular diffusion）。

德國生理學家費克（Adolf Fick）在 1855 年用一條簡潔的方程描述它，稱為費克第一定律（Fick's first law）：

$$ J_A = -D_{AB} \frac{dC_A}{dz} $$

其中： - $J_A$ 是物質 A 的莫耳通量（molar flux），單位 $\mathrm{mol/(m^2 \cdot s)}$，代表單位時間、單位面積通過的莫耳數。 - $D_{AB}$ 是 A 在 B 中的擴散係數（diffusion coefficient / diffusivity），單位 $\mathrm{m^2/s}$。 - $\dfrac{dC_A}{dz}$ 是濃度沿 $z$ 方向的梯度。 - 負號代表物質從高濃度流向低濃度，與梯度方向相反。

這條式子和熱傳的傅立葉定律（$q = -k\,dT/dz$）、動量傳遞的牛頓黏性定律（$\tau = -\mu\,du/dz$）形式完全平行。三者的「通量正比於梯度」結構，正是輸送現象之所以能被統一處理的根源。

擴散係數 $D_{AB}$ 的數量級因相態而異，這是化工人必須有的直覺：

液體中的擴散比氣體慢約一萬倍，這也解釋了為什麼茶葉在熱水裡要泡幾分鐘，而香氣在空氣中卻能很快瀰漫。

隨時間變化的擴散：費克第二定律

費克第一定律描述的是穩態（steady state）——濃度分布不隨時間改變。但茶葉剛丟進水裡的那段過程，濃度其實是逐秒在變的，這屬於非穩態（unsteady state）擴散。

對一個微小控制體積做質量平衡（累積 = 流入 − 流出），可得費克第二定律：

$$ \frac{\partial C_A}{\partial t} = D_{AB} \frac{\partial^2 C_A}{\partial z^2} $$

這條偏微分方程與熱傳導方程（heat conduction equation）一模一樣，只是把溫度換成濃度。它告訴我們：某一點的濃度隨時間的變化率，正比於該點濃度分布的曲率。化工裡乾燥、吸附、固體萃取、藥物緩釋等需要追蹤「滲透深度隨時間推進」的問題，都靠它求解。

一個重要的工程估算是滲透深度（penetration depth）。在擴散時間 $t$ 內，物質大約能滲入的距離為：

$$ \delta \approx \sqrt{D_{AB}\, t} $$

舉例：若某溶質在固體中 $D_{AB} = 10^{-10}\ \mathrm{m^2/s}$，要滲入 1 mm（$10^{-3}$ m）需要的時間約為

$$ t \approx \frac{\delta^2}{D_{AB}} = \frac{(10^{-3})^2}{10^{-10}} = 10^{4}\ \mathrm{s} \approx 2.8\ \text{小時} $$

這個「距離平方除以擴散係數」的尺度分析，是判斷擴散快慢、決定設備停留時間的利器。

對流質傳與膜模型

實際的化工設備幾乎不會讓物質靜靜地擴散——流體在流動、攪拌器在轉。當主體流動（bulk flow）參與物質遷移時，純擴散就升級為對流質傳（convective mass transfer）。

工程上不去硬解流場內每一點的濃度，而是套用類似牛頓冷卻定律的線性關係：

$$ N_A = k_c \,(C_{A,s} - C_{A,\infty}) $$

其中 $N_A$ 是相界面的莫耳通量，$k_c$ 是對流質傳係數（mass transfer coefficient）（單位 $\mathrm{m/s}$），$C_{A,s}$ 是界面濃度，$C_{A,\infty}$ 是主體流體濃度。

如何理解 $k_c$？最經典的是膜模型（film theory）：假設緊貼界面有一層厚度為 $\delta$ 的「停滯薄膜」，所有阻力都集中在這層膜內、由純擴散主宰，膜外則完全混合均勻。於是

$$ k_c = \frac{D_{AB}}{\delta} $$

膜越薄（攪拌越激烈、流速越快），$k_c$ 越大，質傳越快。這個簡單圖像把複雜的流場問題化約成「一層膜的擴散」，是化工設計的常用近似。

質傳係數常用三個無因次群關聯，與熱傳的對應關係再次體現輸送現象的統一性：

$$ \mathrm{Sh} = \frac{k_c L}{D_{AB}}, \quad \mathrm{Sc} = \frac{\nu}{D_{AB}}, \quad \mathrm{Sh} = f(\mathrm{Re}, \mathrm{Sc}) $$

• 雪伍德數（Sherwood number, Sh）對應熱傳的努塞數（Nusselt number）。
• 施密特數（Schmidt number, Sc）對應普朗特數（Prandtl number），代表動量擴散與質量擴散之比。

相間質傳與雙膜理論

蒸餾、吸收、萃取的共同點是：物質要從一個相跨越界面進入另一個相。例如吸收塔裡，氣相中的 $\mathrm{CO_2}$ 要溶入液相吸收劑。

劉易斯與惠特曼（Lewis & Whitman）提出的雙膜理論（two-film theory）指出：氣液界面兩側各有一層停滯膜，氣相膜與液相膜各自貢獻一份阻力，界面本身則假設達到相平衡（用亨利定律 $p_A = H\,x_A$ 描述）。

由於界面濃度難以直接量測，工程上改用總質傳係數（overall coefficient），把兩層膜的阻力串聯相加（就像電阻串聯）：

$$ \frac{1}{K_y} = \frac{1}{k_y} + \frac{m}{k_x} $$

其中 $K_y$ 是以氣相莫耳分率為驅動力的總係數，$k_y$、$k_x$ 分別是氣相、液相個別膜係數，$m$ 是平衡線斜率。阻力串聯的觀念告訴我們：哪一相的阻力大，整體質傳就被那一相「卡」住。設計時若發現是液相控制，再怎麼加大氣相流速也沒用——這正是化工診斷的關鍵思路。

看一個例子

問題： 一座填充吸收塔用清水吸收空氣中的氨（$\mathrm{NH_3}$）。進口氣體含 $\mathrm{NH_3}$ 莫耳分率 $y_1 = 0.05$，要求出口降到 $y_2 = 0.005$（去除 90%）。空氣流量為惰性氣體 $G_s = 100\ \mathrm{mol/(m^2 \cdot s)}$。已知總質傳係數與比表面積乘積 $K_y a = 2.0\ \mathrm{mol/(m^3 \cdot s)}$（以莫耳分率為驅動力），平均推動力 $\Delta y_{lm} = 0.02$。求所需填充高度 $Z$。

解：

步驟一，先算需要被吸收的氨量（以稀溶液近似，莫耳通量 $\approx G_s \Delta y$）：

$$ N_{\mathrm{NH_3}} = G_s \,(y_1 - y_2) = 100 \times (0.05 - 0.005) = 4.5\ \mathrm{mol/(m^2 \cdot s)} $$

步驟二，質傳速率方程把通量、係數與推動力連起來。對整座塔積分，所需填充高度為

$$ Z = \frac{G_s\,(y_1 - y_2)}{K_y a \cdot \Delta y_{lm}} $$

步驟三，代入數值：

$$ Z = \frac{4.5}{2.0 \times 0.02} = \frac{4.5}{0.04} = 112.5\ \mathrm{m} $$

這個高度大到不切實際，正好給我們一個重要的工程啟示：當 $K_y a$ 太小（質傳效率差）或 $\Delta y_{lm}$ 太小（推動力不足）時，塔會高得荒謬。優化的方向因此很清楚——選用比表面積更大的填料、提高液氣比讓平衡線更有利、或改善潤濕以增大有效接觸面積，都能把 $K_y a$ 提升、把塔高拉回經濟範圍。質傳的數學不只算出答案，更指向設計該往哪裡改。

重點回顧

1. 費克第一定律 $J_A = -D_{AB}\,dC_A/dz$ 描述穩態擴散：通量正比於濃度梯度，負號表示由高濃度流向低濃度，形式上與傅立葉定律、牛頓黏性定律完全平行。
2. 費克第二定律 $\partial C_A/\partial t = D_{AB}\,\partial^2 C_A/\partial z^2$ 處理非穩態擴散；滲透深度的尺度估算 $\delta \approx \sqrt{D_{AB}\,t}$ 是判斷擴散快慢的利器。
3. 擴散係數數量級：氣體 $\sim 10^{-5}$、液體 $\sim 10^{-9}$、固體 $\le 10^{-12}\ \mathrm{m^2/s}$，相差幾個數量級的直覺必須建立。
4. 對流質傳 $N_A = k_c\,\Delta C$，膜模型給出 $k_c = D_{AB}/\delta$；質傳係數用雪伍德數 Sh、施密特數 Sc 關聯。
5. 雙膜理論把相間質傳化為兩層膜阻力的串聯（$1/K_y = 1/k_y + m/k_x$），界面假設達相平衡；找出控制相是吸收/萃取設計的核心。

深入探討（研究所視角）

多成分擴散與 Maxwell–Stefan 方程。 費克定律在二元、稀薄系統表現良好，但在多成分混合物中會失效——甚至出現「反向擴散」（物質逆著自身濃度梯度移動）。更普適的描述是Maxwell–Stefan 方程，它把驅動力寫成化學勢梯度，並考慮各成分間的兩兩摩擦：

$$ -\frac{x_i}{RT}\nabla \mu_i = \sum_{j \neq i} \frac{x_i x_j\,(u_i - u_j)}{D_{ij}} $$

這套架構在描述沸石膜、燃料電池、反應蒸餾等強非理想系統時遠比費克定律準確，是分離程序模擬軟體（如 Aspen 的 rate-based 模型）的理論基礎。

質傳與化學反應的耦合。 當吸收伴隨化學反應（如鹼液吸收 $\mathrm{CO_2}$），反應會「消耗」界面附近的溶質、陡化濃度梯度，使質傳速率被放大。工程上用增強因子（enhancement factor, $E$）量化：

$$ E = \frac{\text{有反應時的質傳速率}}{\text{純物理吸收的質傳速率}} $$

$E$ 與 Hatta 數（反應速率與擴散速率之比）密切相關。理解這層耦合，是設計反應吸收塔、判斷究竟「擴散控制」還是「反應控制」的關鍵。

從速率到優化的橋樑。 上面例子顯示，塔高與 $K_y a$ 成反比。在更完整的程序優化中，質傳係數會進入目標函數與約束式：設計者要在「填料成本、壓降能耗、塔高」之間權衡，常以總年化成本（total annualized cost）為目標，用非線性規劃求最佳的塔徑、填料型式與液氣比。質傳模型提供的，正是把「物理速率」翻譯成「可優化變數」的橋樑——這也是輸送現象通往程序系統工程（process systems engineering）的起點。