参加过CUPT的人都有个共识题单到手先别急着翻书第一件事是判断哪道题“投入产出比最高”。2023年这套题里的第四题《彩色线》Colored Lines我印象特别深。题目原话很简单把一滴黑墨水滴在湿的纸巾上在变干的过程中可以观察到彩色线研究这个现象。听起来像是小学生手工课上的即兴玩法但这道题在当年CUPT圈子里讨论热度极高因为它把毛细流动、多孔介质输运、色谱分离和蒸发动力学全串在了一张纸巾上。你想在赛场上把这道题讲透光背公式没用必须真正把现象做出来、拆开、再拼回去。这篇文章把我们队从拆题到答辩的完整思路整理出来包括彩色环是怎么来的、怎么从Washburn方程和Rf值出发建模、实验系统怎么搭、数据怎么处理以及答辩场上最容易挨打的地方。不管你是明年备赛的选手还是单纯觉得“墨水在纸巾上开花”这事有意思的物理爱好者这篇都能给你一份可以照着复现的路线图。1. 题目拆解一个纸面现象背后的三个物理层次1.1 题目到底在问什么先把原题读三遍“A drop of black ink is placed on a wet paper towel. As it dries, coloured lines can be observed. Investigate the phenomenon.”关键词有三个wet paper towel湿的纸巾、black ink黑墨水、as it dries变干过程中出现彩色线。注意题目没有限定你要研究“墨水怎么扩散”它只说“研究这个现象”。这意味着你既要把现象稳定地做出来还要解释为什么不同颜色的线出现在不同位置、为什么有的墨水能分开有的分不开、为什么环有宽有窄、颜色顺序为什么是这样而不是那样。CUPT的评分逻辑从来不是看谁公式写得长而是看能不能用一个自洽的模型把整个现象链讲通。彩色线这道题的现象链我认为是四环相扣墨滴接触湿纸、液体在毛细作用下径向铺展、墨水里的多种染料因吸附亲和力不同被“拉开”、蒸发让染料浓缩并固定下来。这四环缺一不可任何一环讲不深评委都会追着问。1.2 彩色线的“色”从哪来这本质上是一次纸上色谱为什么明明是黑墨水最后却出来一圈一圈的彩色核心原因在于市售的黑墨水——尤其是水性的钢笔墨水——根本就不是单一染料调出来的。绝大多数黑墨水配方里是几种不同颜色的染料按比例混在一起视觉上叠加才呈现黑色。常见配方里会同时含有黄、品红、蓝、紫等颜色的偶氮类染料或三苯甲烷类染料单独看每一种都是彩色的。你随便拿一支黑色钢笔墨水做一次纸色谱干透后几乎都能看到至少两种颜色带。当墨水随水分在纸上往外跑的时候不同染料分子在“流动的水相”和“静止的纤维素表面”之间的分配比例不一样极性大、分子尺寸小的染料更容易待在水里跟着溶剂跑得快容易吸附在纤维上的染料则被拖住落在后面。随着溶剂前沿不断向外推进原本均匀的黑色就被拆成了一组同心彩色环。这就是纸上色谱paper chromatography的活生生演示。1.3 时间尺度与物理层次扩散、流动、蒸发在赛跑这个现象里同时存在好几个物理过程各自的时间尺度差别很大。分子扩散的特征时间大概是 t ~ L²/D以厘米尺度和水中的染料扩散系数估算大约是上万秒所以在几十秒到几分钟的实验窗口内单纯的分子扩散不是主角。真正主导染料输运的是毛细驱动的对流液体整体以毫米每秒量级的速度向外流动把染料“冲”到各个半径位置。蒸发则在更慢的尺度上起作用它会不断抽走溶剂、浓缩染料并在最终干燥时把彩色环固定下来。所以我建议把模型的层次分清第一层是“流动”用毛细模型解释溶剂前缘的位置随时间怎么变第二层是“分配”用色谱模型解释染料之间的分离和环的排序第三层才是“蒸发”用来解释为什么环会最终定形、边界处为什么颜色会堆积。把这三层分开讲答辩时逻辑会非常清晰。2. 核心物理模型毛细前缘、径向流动与吸附分离2.1 Washburn方程为什么前缘半径平方和时间成正比先从一个最经典的模型入手。液体在毛细管中上升驱动力是弯月面处的毛细压力阻力是粘性耗散这就是Lucas–Washburn理论。对于一根半径为 r 的圆管液体前沿位置 L 满足L² (γ·r·cosθ)/(2η) · t其中 γ 是液体的表面张力θ 是接触角η 是粘度。这个式子说明一个关键行为前缘前进的距离不是匀速的而是 L 与 t 的 1/2 次方成正比。原因很简单流动路径越长粘性阻力越大所以速度会持续衰减。把纸看作一束杂乱排列的毛细管网络这个关系在统计意义上仍然成立只是有效毛细半径 r_eff 和迂曲度会作为修正参数出现。实际测量时我们一般不纠结纸张内部的精确孔径而是直接拟合 L²–t 直线的斜率从斜率反推一个综合参数。这个参数包含了纸张孔径、润湿性和液体粘度等信息做温度实验时就能派上用场。2.2 从一维上升改成径向铺展湿纸上的修正题目里是“湿纸巾”这意味着液体并不是渗入干燥多孔介质而是在一个已经饱和的含水多孔层里向外推。在湿纸上滴墨水滴下的墨水与纸中原有的水混合墨水中的染料随这股“额外注入”的液体一起向外扩散。前缘的驱动力还是毛细压力但这时候纸的孔隙已经被水占满所以等效的流动阻力略有不同需要把液相饱和度考虑进去。我建议在实验里分别测两种情形做对比一是干纸直接滴墨二是先润湿再滴墨。你会发现湿纸情况下前缘更均匀、环更圆干纸则容易出现不规则的浸润图案。这说明湿纸提供了一个更均匀的流动通道——这也是原题特意写“wet paper towel”的原因之一。对于径向几何由质量守恒和Darcy定律可以推得前缘半径 R_f 的平方仍然随 t 线性增长系数略有不同这里就不再展开推导直接把它作为我们的拟合依据R_f² K · t CK 是等效扩散系数量纲 m²/sC 是初始瞬态项。拿到这个式子整个实验的数据处理框架就有了。2.3 用Rf值解释彩色环的排序色谱学里有一个基本量叫 Rf 值定义是某个组分移动的距离与溶剂前缘移动距离之比Rf 染料带位置 / 溶剂前缘位置在径向体系里同一时刻测量某个彩色环的半径 R_dye 和溶剂前缘半径 R_f比值就是该染料的 Rf。Rf 介于0和1之间越接近1说明该染料越倾向于跟着溶剂跑越接近0说明它被纤维吸附得越牢。于是彩色环的从内到外的顺序就是各组分 Rf 值从小到大的顺序。我测过几种常见黑墨水典型的分离结果是最内圈往往是深蓝色或紫黑色的残余吸附染料往外依次是品红/红色带最靠近前缘的通常是黄色或橙色带。换句话说黄色染料的 Rf 值最高蓝色类染料 Rf 值最低。这个现象其实很好理解黄色偶氮染料分子量小、亲水性强不容易被纤维素吸附而深色染料往往是多偶氮基团的大分子更容易与纤维素形成氢键和范德华力吸附所以跑不动。这里要提醒一点Rf 值在恒定条件下是一个材料特性但它对溶剂组成、温度和纸的种类都很敏感。这既是挑战也是机会——你可以通过改变溶剂比如水与乙醇的配比来调节不同染料带的分离度这在答辩中是很好的延伸实验。3. 实验设计与变量控制让现象可复现、可量化3.1 器材清单与选型关键点做这道题不需要昂贵的设备但要做出可重复的漂亮实验有些细节值得提前花心思。纸张建议准备三种以上对比——厨房纸巾题目原配、定性滤纸实验室易得孔径更均匀、薄层色谱纸如果条件允许。不同纸的孔径和均匀度直接决定环的清晰度。实际测下来定性滤纸反而比厨房纸巾更容易出漂亮的分离环因为它的纤维分布更均匀。墨水多买几种黑色墨水。常见的钢笔墨水如英雄、百乐、凌美的黑墨水都是混合染料型适合观察分离而碳素墨水是颜料颗粒悬浮液不会有彩色分离做对比实验正好说明“染料型”和“颜料型”的区别。加液工具微量移液枪5–50 μL或医用注射器。要保证每次滴的墨水量一致否则前缘动力学没法对比。润湿工具用喷壶均匀喷湿纸张或者把纸浸泡后取出并控制表面自由水。这里需要反复练习才能保证每次初始含水状态一致。拍摄装置手机或相机架在三脚架上从正上方垂直俯拍旁边放一把直尺作为标尺光源用两盏台灯对称打光避免在纸面上产生影子。3.2 三个特别容易翻车的操作细节第一纸的平整度。纸不是完全平的时候重力会让水往低处流前缘就变成椭圆甚至多边形。解决办法是把纸用透明胶带或夹子固定在一块亚克力板或泡沫板上确保水平。第二润湿程度的控制。纸太湿墨水会被稀释得很淡颜色环看不清纸太干又退化成“干纸滴墨”的情形环的均匀性变差。我试过的经验值是用喷壶在距离20厘米处均匀喷两遍让纸面刚好均匀变深但表面没有明显的流动水膜放一分钟让水分在纸内重新分布后再滴墨。第三拍摄角度和光线。手机必须正对纸面我吃过亏斜着拍看到的环位置和真实半径偏差很大数据根本没法用。建议在纸面上放一枚硬币作为照片里的物理尺寸标定参照。3.3 变量矩阵纸、墨、温、湿都怎么扫实验设计要覆盖四个维度才能支撑答辩时的“全面性”变量取值建议预期影响纸张类型厨房纸巾、定性滤纸、复印纸孔径与均匀度改变前缘速率和分离度墨水品牌2–3种染料型黑墨 1种碳素墨验证分离机制碳素墨不出现彩色环环境温度15℃、25℃、35℃、45℃粘度下降加快前缘蒸发加快收窄湿区环境湿度/风开放桌面 vs 密闭箱体湿度高时蒸发弱前缘能跑得更远这里我再强调一点温度扫描一定要做恒温控制。我们当时用泡沫箱盖住纸面箱内放一个加热垫和温度计虽然简陋但能稳定到±1℃以内。别在开放空调房里测温度效应空调风的干扰会把数据毁掉。4. 数据采集与处理把颜色变成可拟合的物理量4.1 拍摄与标定普通手机也能当测量仪器实验开始前先在纸面上洒一点白色粉末作为定位标记或直接放一把直尺。录视频的话用手机固定帧率我们选的是30fps从滴下墨水前就开始录直到干燥基本完成。视频不需要超高分辨率1080p足够关键是视角固定、光线不变。拍完后把视频抽帧用Python的OpenCV或ImageJ处理都可以我用的套路是每隔2秒抽取一帧保存成序号连续的图片再批量分析。4.2 径向强度分布与前缘识别对每一帧图片做这样几步转换成灰度图以墨滴中心为圆心用墨滴落点处的深色区域质心代替沿半径方向做像素强度平均得到径向灰度分布 I(r)。溶剂前缘的位置很好识别湿润区域的反射率通常比干纸低会出现一个明显的灰度台阶。用阈值法或梯度最大值法就能自动找到前缘半径 R_f(t)。染料环的位置识别稍微讲究一点。灰度图会把不同颜色混在一起建议拆成R、G、B三个通道分别看。比如黄色带在B通道吸收强蓝色带在R通道吸收强分别提取每个颜色环的径向强度峰就可以得到各染料带的半径随时间的变化。这一步做完你就同时拿到了两个关键数据集前缘动力学和染料带的运动轨迹。4.3 主结果R_f²–t线性关系与Rf不变性我们做了大量重复实验结论是在滴墨后的数分钟内湿润前缘的半径平方和时间确实成线性关系拟合优度普遍在0.98以上。这说明用毛细前缘模型来描述湿纸上的径向流动是成立的。斜率 K 随纸张类型和温度的差异非常明显定性滤纸的 K 值约为厨房纸巾的三分之一干净均匀得多温度从20℃升到40℃时K 值大约增加30%—40%主要来自水的粘度下降。与此同时用各彩色环半径比上前缘半径得到的 Rf 值在一整段时间内近似不变。这一点非常关键它说明染料带的分离不是瞬态巧合而是一个稳定的吸附–分配过程。把这个结果做成散点图放进PPT评委很难挑出毛病。4.4 温度与湿度的定量影响温度对两个过程有相反作用一方面水的粘度 η 随温度升高而下降前缘推进变快湿区半径更大另一方面蒸发速率也随温度显著上升前缘推进到后期水分蒸发损耗反而会让湿区不再扩张甚至回缩。实际表现是温度升高前期 R_f²–t 直线的斜率更大但最终湿区半径反而可能变小。这个“先加速后截断”的行为我和队友讨论了很久最后用“流动–蒸发竞争”的简化模型解释前缘速度正比于毛细驱动力除以粘性阻力而蒸发提供了一个额外的体积损失项。把这个模型讲清楚整场答辩的物理深度就立住了。低湿度条件下纸面边缘干得快环的颜色更深、边界更锐利高湿度环境比如在密闭箱里放一碟水下蒸发被抑制前缘能推进得远得多彩色带也更分散。这个对照实验成本很低但能直观展示蒸发在环形成中的作用属于“性价比”极高的加分项。5. 答辩实战对手会怎么质疑以及怎么接招5.1 四个高频质疑与应对思路第一招问机制“你怎么证明彩色分离是吸附色谱而不是不同染料的扩散速度不同”应对方法很直接做双组对照——用同一瓶墨水分别在水饱和的纸和凝胶介质上做扩散实验你会发现扩散系数差距很小但纸上的分离度远大于凝胶。再把纸提前用某种溶剂浸泡比如让纤维素表面吸附一层油性涂层Rf值会发生剧烈变化。这就说明吸附作用在分离中占主导。第二招问重复性“你的环有时候圆有时候不圆怎么解释”这时候就要承认实验技巧的重要性并把“湿纸预处理”这步操作标准化提供同一条件下五次重复实验的前缘半径标准差。用数据说话用误差棒让图表显得严谨。第三招问模型漏洞“你的模型里没有考虑蒸发为什么还能拟合得很好”我当时的回答是前期的几十秒内蒸发造成的体积损失占比很小所以用不含蒸发的模型能拟合到了后期拟合曲线开始偏离恰恰说明蒸发开始起作用。与其掩盖这个偏离不如主动把它展示出来再引入蒸发修正项把“模型的适用边界”讲清楚。第四招问应用价值“这个现象有什么用”别慌这题很容易引申纸基微流控lateral flow assay就是靠毛细流动和吸附分离来实现免疫检测的医用试纸、农药残留快检卡、毒品检测试纸底层都是这个原理。再多提一句用不同纸的孔径信息和Rf值可以低成本筛分染料这在法证分析和墨水鉴定里是真实存在的需求。5.2 加分实验咖啡环效应和干燥后期的环状堆积除了主实验我们还设计了一个被评委点名表扬的延伸实验在墨水完全干燥后用显微镜或手机微距镜头观察环的边缘。你会发现每个彩色带的靠外一侧都有一个颜色更深的细线这是干燥过程中接触线钉扎导致的咖啡环式堆积——溶质在边缘处不断随水分补充、最后在边缘沉积。咖啡环效应和色谱分离同时出现在一个体系里这个结合非常自然答辩时一句“我们的环其实是两层机制叠加的结果”就能体现出思考深度。另一个好做的延伸是墨水浓度系列把同一瓶黑墨水稀释2倍、5倍、10倍看Rf值是否变化。理论上只要不超出吸附等温线的线性范围Rf值应当基本不变浓度过高则会出现染料带拖尾和过载现象。这个实验验证了“分配系数恒定”的假设也给色谱理论提供了支撑。5.3 给下一届选手的几点经验最后分享几条我们自己踩过坑后总结出来的经验。第一所有数据必须带重复。CUPT评委最反感的就是“漂亮但只有一次”的数据我们的原则是每组条件至少测五次误差棒必须画上。第二现象视频要做得好用黑色墨水在白纸上形成的彩色环在俯拍视频里非常惊艳开场30秒放一段不剪辑的原速视频能立刻抓住观众注意力。第三不要过于追求公式推导的复杂度把R_f²–t的拟合、Rf值的稳定性、温度与湿度的定性趋势这三块做好已经是一个高完成度的物理方案。我个人做完这道题最大的体会是好的物理题目往往藏在最不起眼的日常现象里。一滴黑墨水、一张湿纸巾背后是从毛细现象到吸附动力学的完整链条。你亲手把每一个环节拆开、验证、再拼回去的过程远比最后那张PPT上的公式更有价值。如果你今年正好要做这道题希望这篇思路能让你少走一点弯路。