惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Vercel News
Vercel News
Recorded Future
Recorded Future
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
The GitHub Blog
The GitHub Blog
Application and Cybersecurity Blog
Application and Cybersecurity Blog
Google DeepMind News
Google DeepMind News
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Microsoft Azure Blog
Microsoft Azure Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
M
MIT News - Artificial intelligence
云风的 BLOG
云风的 BLOG
Y
Y Combinator Blog
N
News | PayPal Newsroom
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Help Net Security
Help Net Security
博客园 - Franky
SecWiki News
SecWiki News
Recent Announcements
Recent Announcements
T
Troy Hunt's Blog
The Register - Security
The Register - Security
The Last Watchdog
The Last Watchdog
Webroot Blog
Webroot Blog
S
Security Affairs
博客园 - 司徒正美
S
Schneier on Security
I
InfoQ
博客园_首页
www.infosecurity-magazine.com
www.infosecurity-magazine.com
T
Threat Research - Cisco Blogs
Forbes - Security
Forbes - Security
腾讯CDC
N
Netflix TechBlog - Medium
N
News and Events Feed by Topic
Cloudbric
Cloudbric
T
The Exploit Database - CXSecurity.com
P
Proofpoint News Feed
A
About on SuperTechFans
Engineering at Meta
Engineering at Meta
Recent Commits to openclaw:main
Recent Commits to openclaw:main
B
Blog
V
Vulnerabilities – Threatpost
C
Check Point Blog
Google DeepMind News
Google DeepMind News
Google Online Security Blog
Google Online Security Blog
C
Cyber Attacks, Cyber Crime and Cyber Security
Hacker News - Newest:
Hacker News - Newest: "LLM"
C
Cisco Blogs
Schneier on Security
Schneier on Security
O
OpenAI News
K
Kaspersky official blog

菲兹克斯喵

Lesson 17 引力波的功率 (2) Lesson 16 引力波的功率 Lesson 8 Atmospheres Lesson 16 习题课 Lesson 15 引力波 Lesson 14 Noether 定理 Lesson 7 Evolution Lesson 7 传粉的力量 Lesson 13 作用量原理 Lesson 13 配分函数的一些应用 Lesson 12 Penrose 过程与 Hawking 辐射 Lesson 6 Homology Lesson 11 带电荷和旋转的黑洞 Lesson 6 进食行为 Lesson 11 配分函数 Lesson 10 Penrose 图 Lesson 5 Diffusion Lesson 5 捕食行为 Lesson 8 Schwarzschild 黑洞 Lesson 9 Schwarzschild 黑洞 (2) Lesson 8 近独立子体系分布 Lesson 4 Ignition of the Sun Lesson 7 统计力学绪论 Lesson 4 讲座:乌贼和章鱼的行为与智能 Lesson 7 Killing 矢量场和 Lie 导数 Lesson 6 Schwarzschild 解 Lesson 6 Landau 相变理论 (二) Lesson 3 Lane - Emden Equation Lesson 5 Landau 相变理论 Lesson 3 动物的感知 Lesson 5 Einstein 场方程 Lesson 4 协变的物理定律 Lesson 3 等效原理 & 广义协变性原理 Lesson 4 热力学第三定律 Lesson 2 Equation of State Lesson 3 热力学关系 Lesson 2 神经生物学基础 Lesson 2 度规和联络 Lesson 1 简介 Lesson 1 Lorentz 变换 Lesson 2 热力学定律 Lesson 1 Introduction & Light Lesson 1 介绍 流星监控项目 II - 树莓派配置 Lesson 15 Green 函数法 Lesson 29 散射 (二) Lesson 15 Spatial Patterns & Self-Organization Lesson 14 积分变换 Lesson 29 散射 Lesson 28 散射 (一) Lesson 27 绝热近似 Lesson 14 Dynamics of biological networks (2) Lesson 13 分离变量法总结 Lesson 26 变分法 (二) Lesson 14 Spatial Statistics Lesson 27 带电粒子和电磁场的相互作用 Lesson 13 磁性材料 & 拓扑绝缘体 Lesson 25 变分法 Lesson 13 Fast Radio Burst Lesson 13 Dynamics of biological networks Lesson 24 含时微扰 Lesson 26 相对论中的能量和动量守恒 Lesson 13 On the Intersection between Astronomy and AI Lesson 25 电磁场变换 Lesson 12 超导 Lesson 23 Zeeman Effect Lesson 12 absorbing Lesson 12 China Jingping Labs and Related Physics Lesson 24 狭义相对论的速度变换 Lesson 22 微扰论 Lesson 11 Bessel 函数 Lesson 12 Time Series Analysis Lesson 23 狭义相对论 Lesson 21 能带理论 Lesson 11 量子多体系统 Lesson 11 Molecular Motor (3) Tianwen:The Beauty of the Cosmos Lesson 10 连带 Legendre 函数 Lesson 20 多电子原子 & 固体 Lesson 11 Truncated & Censored Data Lesson 21 偶极辐射 (二) Lesson 10 离子阱量子计算 & 超快分子摄影 Lesson 10 Molecular Motor (2) Lesson 19 多粒子系统 Neutron Stars Lesson 20 偶极辐射 Lesson 9 Legendre 多项式 (二) Lesson 18 双粒子系统 Lesson 10 Clustering & Classification Lesson 19 辐射 (二) Lesson 9 引力波探测 & 原子量子计算 Lesson 17 CG 系数 「三次量子化」:宏观量子能级及其相干叠加态 —— 解读今年的 Nobel Prize Lesson 9 Molecular Motor Exoplanet Lesson 18 辐射 Lesson 16 自旋 (二) Lesson 8 Legendre 多项式 Lesson 17 波导 Lesson 9 Density Estimation
Lesson 9 微观量与宏观量的联系
2026-03-25 · via 菲兹克斯喵

半经典的分布:取基态能量为零,对于一个比较高的能级,eβεi≫1e^{\beta\varepsilon_i}\gg1eα≫1e^\alpha\gg1,取极限之后得到类似 Boltzmann 分布的半经典分布,

ai=ωie−α−βεia_i = \omega_i e^{-\alpha-\beta\varepsilon_i}

这种近似意味着 ai/ωi≪1a_i/\omega_i\ll1,也就是所谓的非简并条件,相当于波函数的作用不明显,适用于稀薄气体等体系. 半经典分布的热力学几率为

ln⁡ΩS{ai}=∑iln⁡ωiaiai!\ln\Omega_S\{a_i\} = \sum_i\ln\frac{\omega_i^{a_i}}{a_i!}

最可几分布方法,是在最可能出现的分布附近 Taylor 展开 ln⁡Ω\ln\Omega,判断偏差:

ln⁡Ω({ai})Ω({ai}m)≈−12∑(ai)m[δai(ai)m]2,δai=(ai)m−ai\ln\frac{\Omega(\{a_i\})}{\Omega(\{a_i\}_m)} \approx-\frac{1}{2}\sum(a_i)_m\left[\frac{\delta a_i}{(a_i)_m}\right]^2,\quad \delta a_i=(a_i)_m-a_i

1 mol1\text{ mol} 物质为例,这里的 RHS 大约是 101510^{15},而 LHS 还仅仅是对数. 所以基本上不会出现最可几分布之外的分布.


下面讨论 α,β\alpha,\beta 的物理意义. 考虑两个近独立粒子系统组成一个复合系统,并达到了总的平衡. 那么总的分布的热力学几率为

ln⁡Ωs{ai′,aj′′}=∏i(ωi′)ai′ai′!∏j(ωj′′)aj′′aj′′!\ln\Omega_s\{a_i',a_j''\} = \prod_i\frac{(\omega_i')^{a_i'}}{a_i'!}\prod_j\frac{(\omega_j'')^{a_j''}}{a_j''!}

同时要求无粒子交换,但是有热量交换,也就有三个约束条件:

N′=∑iai′,N′′=∑jaj′′,E=∑iai′εi′+∑jaj′′εj′′N'=\sum_ia_i',\quad N''=\sum_ja_j'',\quad E=\sum_ia_i'\varepsilon_i'+\sum_ja_j''\varepsilon_j''

把三个条件并入 Lagrange 函数,用 Lagrange 乘子法,得到

∂ln⁡Ω∂ai1′+α′∂(N′−∑iai′)∂ai1′+α′′∂(N′′−∑jaj′′)∂ai1′+β∂(E−∑iai′εi′−∑jaj′′εj′′)∂ai1′=0\begin{aligned} &\frac{\partial\ln\Omega}{\partial a_{i_1}'}+\alpha'\frac{\partial\displaystyle{\left(N'-\sum_ia_i'\right)}}{\partial a_{i_1}'}+\alpha''\frac{\partial\displaystyle{\left(N''-\sum_ja_j''\right)}}{\partial a_{i_1}'}\\\\ &\quad +\beta\frac{\partial\displaystyle{\left(E-\sum_ia_i'\varepsilon_i'-\sum_ja_j''\varepsilon_j''\right)}}{\partial a'_{i_1}} = 0 \end{aligned}

另一个系统类似,得到 ai′=ωi′e−α′−βεi′a_i'=\omega_i'e^{-\alpha'-\beta\varepsilon'_i}aj′′=ωj′′e−α′′−βεj′′a_j''=\omega_j''e^{-\alpha''-\beta\varepsilon_j''},这两个分布中的 β\beta 相同,因此 β\beta 应该是和温度有关的一个函数,也就是 β=β(T)\beta=\beta(T). 同理,可以令两个系统之间有粒子数交换和能量交换,得到 α=α(μ,T)\alpha = \alpha(\mu,T).

为什么不能只有粒子数交换,没有能量交换?

这是不物理的,交换粒子就必定交换能量.


可分辨粒子体系的 Boltzmann 分布:对于定域系统适用,这时可以对粒子做标记来区分,条件仍然是粒子数和能量守恒. 微观状态数:

Ω{ai}=(CNa1⋅ω1a1)(CN−a1a2⋅ω2a2)⋯=N!∏iai!∏iωiai=N!∏iωiaiai!\Omega\{a_i\} = (C_N^{a_1}\cdot\omega_1^{a_1})(C_{N-a_1}^{a_2}\cdot\omega_2^{a_2})\cdots = \frac{N!}{\displaystyle{\prod_ia_i!}}\prod_i\omega_i^{a_i} = N!\prod_i\frac{\omega_i^{a_i}}{a_i!}

和半经典分布的微观状态数实际上就只相差一个 N!N!,宏观量会有差别,但是最可几分布不会有变化. 为了计算宏观量,先计算配分函数

Z(β,y)≡∑iωie−βεiZ(\beta,y) \equiv \sum_i\omega_ie^{-\beta\varepsilon_i}

各个宏观量分别为:

  • α\alpha:粒子数

    N=∑iai=e−α∑ωie−βεi=e−αZ⟹α=ln⁡ZNN = \sum_ia_i = e^{-\alpha}\sum\omega_ie^{-\beta\varepsilon_i} = e^{-\alpha}Z\Longrightarrow\boxed{\alpha = \ln\frac{Z}{N}}

  • 内能 UU

    U=∑iaiεi=−N∂ln⁡Z∂βU = \sum_ia_i\varepsilon_i = -N\frac{\partial\ln Z}{\partial\beta}

    这里用到经典的求和技巧...

  • 物态方程与熵:考虑微分上面内能的微观表达式,

    dU=∑iaidεi+∑iεidai\text{d}U = \sum_ia_i\text{d}\varepsilon_i+\sum_i\varepsilon_i\text{d}a_i

    也就是内能的改变包含能级的改变与占据数的改变. 改变能级必须通过做功的方式,而不通过做功改变能量只能通过传热. 因此我们有做功

    dqˉW=∑kYkdyk=∑iaidεi=∑iai(∑k∂εi∂ykdyk)\mathrm{d}\kern{-4.3pt}\bar{\small\phantom{q}}W = \sum_kY_k\text{d}y_k = \sum_ia_i\text{d}\varepsilon_i = \sum_ia_i\left(\sum_k\frac{\partial\varepsilon_i}{\partial y_k}\text{d}y_k\right)

    得到广义力的表达式

    Yk=−Nβ∂ln⁡Z∂ykY_k = -\frac{N}{\beta}\frac{\partial\ln Z}{\partial y_k}

    以及传热

    dqˉQ=TdS=∑iεidai=dU−∑iaidεi=−Nd(∂ln⁡Z∂β)+Nβ∑k∂ln⁡Z∂ykdyk\mathrm{d}\kern{-4.3pt}\bar{\small\phantom{q}}Q =T\text{d}S=\sum_i\varepsilon_i\text{d}a_i = \text{d}U-\sum_ia_i\text{d}\varepsilon_i = -N\text{d}\left(\frac{\partial\ln Z}{\partial\beta}\right)+\frac{N}{\beta}\sum_k\frac{\partial\ln Z}{\partial y_k}\text{d}y_k

    利用 ln⁡Z=ln⁡Z(β,yk)\ln Z=\ln Z(\beta,y_k) 的全微分得到

    dS=NβTd(ln⁡Z−β∂ln⁡Z∂β)\text{d}S = \frac{N}{\beta T}\text{d}\left(\ln Z-\beta\frac{\partial\ln Z}{\partial\beta}\right)

    为了能够积分出 SS,RHS 必须是一个全微分,因此定义 β=1/(kBT)\beta=1/(k_BT),得到熵

    S−S0=NkB(ln⁡Z−β∂ln⁡Z∂β)S-S_0 = Nk_B\left(\ln Z-\beta\frac{\partial\ln Z}{\partial\beta}\right)

Boltzmann 关系:

S=kBln⁡Ω({ai})S = k_B\ln\Omega(\{a_i\})