Статистична механіка — ентропія, Больцман і фазові переходи

Чому тепло тече від гарячого до холодного? Чому фазові переходи відбуваються при точних температурах? Статистична механіка відповідає на обидва питання однією ідеєю: макроскопічна поведінка виникає з підрахунку мікростанів. Фактор Больцмана e^(−E/kT), модель Ізінга та алгоритм Метрополіса — усе випливає з цього аргументу підрахунку.

Від мікростанів до макростанів

Класична термодинаміка описує теплові двигуни й фазові діаграми, не запитуючи, що роблять молекули. Статистична механіка робить протилежне: вона виводить кожну термодинамічну величину — температуру, ентропію, тиск — з мікроскопічних імовірностей. Міст між ними простий: система в тепловій рівновазі займає кожен мікростан з імовірністю, пропорційною e^(−E/kT), фактору Больцмана.

Ентропія S = k·ln(Ω) підраховує мікростани. Другий закон — ентропія ніколи не зменшується в ізольованій системі — не каже нічого більшого, ніж те, що система прямує до макростанів з більшою кількістю мікростанів. При 10²³ частинках імовірність руху назад практично дорівнює нулю.

Розподіл Максвелла-Больцмана Молекули газу при температурі T: спостерігайте, як розподіл швидкостей виникає з випадкових пружних зіткнень. Підвищте T і побачите, як розподіл розширюється; знизьте T і побачите, як він звужується до нуля. Середньоквадратична швидкість і найбільш імовірна швидкість відстежуються наживо. Динаміка пружних зіткнень · апроксимація розподілу MB · середньоквадратична швидкість 🧲 Модель Ізінга й фазовий перехід 2D-ґратка магнітних спінів, що еволюціонує за алгоритмом Метрополіса. Нижче температури Кюрі T_c феромагнітний порядок виникає спонтанно. Точно при T_c довжина кореляції розходиться, і ви бачите фрактальний доменний візерунок. Метод Монте-Карло Метрополіса · гамільтоніан Ізінга · спонтанне порушення симетрії 🎲 Інтегрування Монте-Карло Оцінюйте π, обчислюйте багатовимірні інтеграли й вибирайте з довільних розподілів імовірностей за допомогою вибірки за важливістю. Спостерігайте, як статистична похибка спадає як 1/√N — фундаментальна швидкість збіжності Монте-Карло. Вибірка за важливістю · зменшення дисперсії · збіжність 1/√N 🌊 Кінетика ґратчастого Больцмана LBM моделює рівняння переносу Больцмана безпосередньо на ґратці, відновлюючи рівняння Нав'є-Стокса в макроскопічній границі. Прекрасний приклад того, як континуальна поведінка рідини виникає з дискретних зіткнень фіктивних частинок. Рівняння переносу Больцмана · зіткнення BGK · розклад Чепмена-Енскога
Розподіл Больцмана й статистична сума

Імовірність мікростану i:  P_i = e^(−E_i/kT) / Z

Статистична сума: Z = Σ_i e^(−E_i/kT)  (сума за всіма мікростанами)

Вільна енергія Гельмгольца: F = −kT · ln Z
Середня енергія: ⟨E⟩ = −∂(ln Z)/∂β  де β = 1/kT
Ентропія: S = −∂F/∂T = k·ln Z + ⟨E⟩/T

Гамільтоніан Ізінга: H = −J·Σ_{⟨ij⟩} s_i·s_j − h·Σ_i s_i
Імовірність прийняття в Метрополісі: min(1, e^(−ΔE/kT))

Фазові переходи й критичні явища

Модель Ізінга зазнає фазового переходу другого роду при температурі Кюрі T_c ≈ 2.269 J/k (точний 2D-розв'язок Онсагера, 1944). Нижче T_c система порушує симетрію: спіни вирівнюються феромагнітно. Точно при T_c довжина кореляції ξ → ∞, флуктуації відбуваються на кожному масштабі довжини, і система описується масштабно-інваріантною (конформною) теорією поля. Саме тому критична опалесценція виглядає однаково під мікроскопом чи на відстані витягнутої руки.

Чому працює алгоритм Метрополіса? Правило Метрополіса — завжди приймати рухи, що знижують енергію, іноді приймати рухи, що її підвищують — задовольняє детальну рівновагу: потік імовірності зі стану A до стану B дорівнює потоку з B до A в рівновазі. Це гарантує, що ланцюг Маркова сходиться до розподілу Больцмана незалежно від початкової конфігурації.

Реалізація методу Монте-Карло Метрополіса

// Крок Метрополіса для моделі Ізінга (2D, періодична межа)
function metropolisStep(spins, J, T) {
  const N = spins.length;
  const i = (Math.random() * N) | 0;
  const j = (Math.random() * N) | 0;

  // Зміна енергії від перевертання spin[i][j]
  const s = spins[i][j];
  const neighbours =
    spins[(i + 1) % N][j] + spins[(i - 1 + N) % N][j] +
    spins[i][(j + 1) % N] + spins[i][(j - 1 + N) % N];
  const dE = 2 * J * s * neighbours;

  // Прийняти / відхилити (критерій Метрополіса)
  if (dE <= 0 || Math.random() < Math.exp(-dE / T)) {
    spins[i][j] = -s;   // перевернути спін
  }
}

Огляд алгоритмів

Розподіл Больцмана Статистична сума Z Метод Монте-Карло Метрополіса Гамільтоніан Ізінга Спонтанне порушення симетрії Розподіл Максвелла-Больцмана Розклад Чепмена-Енскога Детальна рівновага Рівняння Ланжевена Середньоквадратичне зміщення Вибірка за важливістю Збіжність 1/√N