跳转至

统计力学 笔记 Statistical Dynamics

1. 统计力学的基本假设

统计力学需要研究的体系是大量粒子组成的体系,核心是概率

微观上的过程是可逆的,而很多宏观过程是不可逆的,原因不是因为动力学禁阻,而是因为概率很小。

可以看作是多对一的映射(微观粒子的位置&动量/量子数 → 宏观E/N/V)

然而实验无法长期准确观测,我们需要研究微观粒子的集合。

基本假设:等概率原理(约束条件下,所有可能的状态等概率出现(没有特别的优势))

如何确定概率是什么?——最大熵原理。


最大熵原理

熵和不确定性有关。假设对于第 \(i\) 种状态出现的概率为 \(p_i\) ,我们有Shannon信息熵:

\[ S = -k_B\sum_i p_i\ln p_i \]

最大熵原理认为:在所有概率分布种,体系取得的是熵最大的概率分布。这也对应了该体系的平衡态。

由大数定理可以得到:高自由度下概率会集中处于一个态,而其涨落呈指数级下降。因此对于宏观物体的状态是稳定的。

image-20260303144437595

当然还有可能调节外参量使得出现两个或者多个峰。峰数就对应着相数的概念,这里表示的就是两相或者多相。

现在我们考虑能量约束。对于一个宏观能量恒定的体系:

\[ \begin{cases} \sum p_i = 1\\ \sum E_ip_i = \ev{E} \end{cases} \]

2. 热力学定律的统计结构

2.1 热力学定律

第〇定律

若体系A与B、B与C分别处于热平衡,则A与C也处于热平衡。

这告诉我们热平衡具有传递性,也就是有一个标量可以刻画热平衡状态,这一状态也被称为温度

考虑最大熵原理:

\[ S = -k_B\sum_i p_i\ln p_i \]

我们基于上述提到的约束条件进行变分得到:

\[ \delta(-\sum_i p_i\ln p_i+\alpha(1-\sum_i p_i) + \beta(\ev{E} - \sum_i p_iE_i)=0 \]

最终可以得到:

\[ \boxed{p_i = \frac{1}{Z}e^{-\beta E_i} \qc Z(\beta) = \sum_ie^{-\beta E_i}} \]

我们把 \(\beta\)\(E_i\) 称为一对对偶变量,因为 \(\beta\) 是在变分中控制 \(E_i\) 的变量。

配分函数的变分推导

先对 \(p_i\) 进行变分:

\[ \begin{gathered} -\sum_i (\ln p_i + 1)-\alpha(\sum_i 1) - \beta( - \sum_i E_i) = 0 \\ \sum_i (-\ln p_i - 1 - \alpha - \beta E_i) = 0 \end{gathered} \]

于是我们有:

\[ p_i = \exp(-\alpha-1-\beta E_i) \]

回代到概率限制,有:

\[ \sum_i p_i = e^{-(\alpha + 1)} \sum_i e^{-\beta E_i} = e^{-(\alpha + 1)} Z = 1 \]

这对应 \(\alpha = \ln Z -1\)。带回到 \(p_i\) 表达式即有:

\[ p_i = \frac{1}{Z}e^{-\beta E_i} \]

如果两个体系接触达到平衡,平衡态需要满足熵最大:

\[ \delta(S_1 + S_2) = 0 \]

而又由于体系的总能量固定 \(U_1 + U_2 = U\),就有:

\[ \begin{gathered} \pdv{(S_1 + S_2)}{U_1} = \pdv{S_1}{U_1} - \pdv{S_2}{U_2} = 0\\ \pdv{S_1}{U_1} = \pdv{S_2}{U_2} \end{gathered} \]

我们定义 \(\beta = \pdv{S_1}{U_1}\) 称为热力学beta,再定义 \(\beta = 1/k_BT\) 温度,就有:

\[ \beta_1 = \beta_2 \Rightarrow T_1=T_2 \]

这就是温度的定义。

image-20260305132942944


第一定律

能量在孤立系统中守恒,既不会凭空产生,也不 会凭空消失,只会在不同形式间转化。

我们提到过 \(U = \sum p_iE_i\),对其偏导得到:

\[ \dd U = \sum E_i \dd p_i + \sum p_i \dd E_i \]

如果能级依赖外参量 \(\lambda\) ,则进一步化简得到:

\[ \begin{aligned} \dd U &= \sum E_i \dd p_i + \sum p_i \pdv{E_i}{\lambda}\dd \lambda \\ &= \sum E_i \dd p_i + \ev{\pdv{H}{\lambda}}\dd \lambda \\ &= \delta Q + \delta W \end{aligned} \]

其中:

  • 第一项代表“热”,即概率分布发生改变;
  • 第二项代表“功”,即哈密顿量的结构发生改变。例如理想气体的体积功是 \(V\) 变化引起的,则这一项就由 \(\ev{\pdv{H}{V}}\) 产生。

第二定律

孤立系统会自发演化到熵增加的方向,即趋向最可能的宏观状态。

假设对于一个能量固定的系统(ENV系统),由于等概率假设,所有状态概率相等:

\[ p_i = \frac{1}{\Omega} \]

将热力学概率带入到Shannon熵:

\[ S = -k_B \sum \frac{1}{\Omega} \ln \frac{1}{\Omega} = k_B \ln \Omega \]

这就是Boltzmann熵公式

同样我们考虑两个孤立体系,它们的能量分别为 \(E_A\)\(E - E_A\),对应微观状态数分别为 \(\Omega(E_A)\)\(\Omega(E-E_A)\) ,于是总的微观状态数是 \(\Omega(E_A) \cdot \Omega(E-E_A)\) 。于是宏观能量分配为 \(E_A\) 的概率:

\[ P(E_A) \propto \Omega(E_A) \cdot \Omega(E-E_A) \]

取对数得到:

\[ \ln P(E_A) \propto \ln \Omega(E_A) + \ln \Omega(E-E_A) \propto S_A(E_A) + S_B(E-E_A) = S_{tot}(E_A) \]

我们想让概率最大,也就是:

\[ P(E_A) \propto e^{\frac{S_tot(E_A)}{k_B}}\ 达到最大值 \]

也就是最大概率等价于总熵最大

从一阶导数来看:

\[ \dv{S_{tot}}{E_A} = \pdv{S_A}{E_A} + \pdv{S_B}{E_A} = \pdv{S_A}{E_A} - \pdv{S_B}{E_B} = 0 \]

这也就对应了温度相等的条件。

从二阶导数来看:

\[ \dv[2]{S_{tot}}{E_A} = \pdv[2]{S_A}{E_A} + \pdv[2]{S_B}{E_B} < 0 \]

同时有:

\[ \dv[2]{S_{tot}}{E_A} = -\frac{1}{T^2C} < 0 \Rightarrow C>0 \]

这就证明了为了让熵达到极大值稳定点,必须要满足热容为正。


我们尝试构造偏离极值点的情况,这需要用到Taylor展开,展开到第二项:

\[ S(E_A) = S(E_A^*) + \frac12 {\pdv[2]{S}{E}}(E-E_A^*)^2 \]

带入到概率分布得:

\[ P(E_A) = \exp(-\frac{(E_A-E_A^*)^2}{2k_BT^2C}) \]

由于 \(\Delta E/E \sim N^{-1/2}\),偏离最大值的概率几乎为0。


2.2 最大熵原理与平衡分布

概率和控制变量

我们之前提到过能量约束下的分布:

\[ \boxed{p_i = \frac{1}{Z}e^{-\beta E_i} \qc Z(\beta) = \sum_ie^{-\beta E_i}} \]

接下来我们考虑允许粒子数的涨落,也就是:

\[ N = \sum_i p_i N_i \]

再通过变分法可以得到:

\[ p_i = \frac{1}{\Xi} e^{-\beta(E_i - \mu N)} \qc \Xi = \sum_i e^{-\beta(E_i - \mu N)} \]

这里的 \(\mu\) 称为化学势,是约束粒子数 \(N\) 的对偶变量。


状态函数

在统计力学中,宏观量定义为微观量的统计平均。由于可能存在的涨落,所以我们需要定义热力学极限:

\[ N\to \infty,\ V\to\infty,\ \rho = N/V=const. \]

此时:

  • 相对涨落基本为0;
  • 宏观量几乎可以视为确定值,即有函数关系 \(U = U(S,V,N)\)。这也是状态函数的来源。

我们可以从全微分得到:

\[ T = \qty(\pdv{U}{S})_{V,N}\qc P=\qty(\pdv{U}{V})_{S,N}\qc \mu =\qty(\pdv{U}{N})_{S,V} \]

因此我们称 \(T,P,\mu\) 三者为一组共轭变量

当然,我们也可以用这种方式展开熵。我们有:

\[ \dd{S} = \frac{1}{T}\dd{E} - \frac{P}{T}\dd{V} + \frac{\mu}{T}\dd{N} \]

这样就有:

\[ \frac{1}{T} = \qty(\pdv{S}{E})_{N,V}\qc\frac{P}{T} = \qty(\pdv{S}{V})_{E,N}\qc\frac{\mu}{T} = \qty(\pdv{S}{N})_{E,V}\qc \]

因此我们可以说:这三个共轭变量都是熵在不同约束下的偏导数,也就是温度,压强,化学势并非独立引入的量


当然问题就来了:比方说对于能量 \(E = E(S,V,T)\) 来说,如果实验控制的是温度 \(T\) 而不是熵 \(S\) ,我们就需要构造一个新的函数了。我们通过Legendre变换实现这一点。

考虑系统和一个温度为 \(T\) 的足够大的热库接触,考虑熵最大原理,这就有:

\[ \var{S}_{tot} = \var{S}_{sys} + \var{S}_{env} = \var{S} - \frac{\var{E}}{T}=0 \]

这样右边就等价于 \(\var{(E-TS)} = 0\),也就是得到了一个新的函数:

\[ F = E-TS \]

这就是 Helmholtz自由能。也就是此时平衡态由 \(\var{F} = 0\) 决定。我们也可以从基本方程看出这一点:

\[ \dd{F} = -S\dd{T}-P\dd{V} + \mu \dd{N} \]

这就将变量变成 \((T,V,N)\) 三者了。


响应函数

我们来求等温压缩率 \(\kappa_T\),这对应的是等温状态下的状态函数,也就是Helmholtz自由能:

\[ \kappa_T = -\frac{1}{V}\qty(\pdv{P}{V})_{T,N} = -\frac{1}{V}\frac{1}{\qty(\pdv*{P}{V})_{T,N}} = \frac{1}{V}\qty(\pdv[2]{F}{V})_{T,N}^{-1} \]

热力学稳定性要求:等温压缩率 \(\kappa_T\) 必须为正值。这意味着 \(\pdv*[2]{F}{V} > 0\),也就是稳定状态处于 \(F\) 对体积 \(V\)的极小值。

同样的方法,我们来看定容热容 \(C_V\)

\[ C_V= T\qty(\pdv{S}{T})_{V,N} = -T\qty(\pdv[2]{F}{T})_{V,N} \]

定容热容 \(C_V\) 必须为正值,这意味着 \(\pdv*[2]{F}{T} < 0\),也就是稳定状态处于 \(F\) 对温度 \(T\) 的极大值。


其他热力学势

类似地,还可以通过Legendre变换构造其他热力学量。其本质上都是通过添加约束条件引入其他Lagrange乘子:

控制变量 约束 Lagrange乘子 对应热力学势
\(E,V,N\) 0 \(S(E,V,N)\)
\(T,V,N\) 平均能量 \(\ev{E} = \sum_i{E_i}\) \(\beta = 1/k_BT\) \(F(T,V,N)\)
\(T,V,\mu\) 平均能量和粒子数 \(\ev{N} = \sum_i N_i\) \(\beta\)\(-\beta\mu\) \(\Omega(T,V,\mu)\)
\(T,p,N\) 平均能量和平均体积 \(\ev{V} = \sum_i V_i\) \(\beta\)\(\beta p\) \(G(T,p,N)\)

2.3 熵函数的结构

评论