微观态与宏观态

统计力学和热力学是物理学中复杂的主题，帮助我们理解和预测粒子系统的行为。该领域最重要的概念之一是微观态和宏观态的思想。这些概念构成了我们在统计力学中进行的大部分工作的基础。

理解微观态

让我们从讨论微观态开始。在统计力学中，微观态表示系统的特定详细配置。它包括系统中每个粒子的确切位置和动量。

为了帮助理解这一点，想象一个由两个骰子组成的简单系统。每个骰子可以显示从1到6的值。在这种情况下，微观态是两个骰子上显示的数字的任何唯一组合。例如，一个微观态可以是(3, 5)，其中第一个骰子显示3，第二个骰子显示5。

两个骰子的微观态的直观例子

1,1 | 1,2 | 1,3 | 1,4 | 1,5 | 1,6 2,1 | 2,2 | 2,3 | 2,4 | 2,5 | 2,6 3,1 | 3,2 | 3,3 | 3,4 | 3,5 | 3,6 4,1 | 4,2 | 4,3 | 4,4 | 4,5 | 4,6 5,1 | 5,2 | 5,3 | 5,4 | 5,5 | 5,6 6,1 | 6,2 | 6,3 | 6,4 | 6,5 | 6,6
1,1 | 1,2 | 1,3 | 1,4 | 1,5 | 1,6 2,1 | 2,2 | 2,3 | 2,4 | 2,5 | 2,6 3,1 | 3,2 | 3,3 | 3,4 | 3,5 | 3,6 4,1 | 4,2 | 4,3 | 4,4 | 4,5 | 4,6 5,1 | 5,2 | 5,3 | 5,4 | 5,5 | 5,6 6,1 | 6,2 | 6,3 | 6,4 | 6,5 | 6,6
    

上表中的每一行和列代表该骰子系统的一个唯一微观态，结果是总共有36种可能的微观态对于两个六面骰子。

理解宏观态

微观态为我们提供详细信息，而宏观态帮助我们以更广泛的形式理解系统。宏观态由系统的宏观属性定义，例如温度、压力、体积或总能量。

继续骰子的例子，让我们将一个宏观态定义为两个骰子上值的总和。如果我们只对总和感兴趣，许多不同的微观态可以给出相同的宏观态。例如，如果宏观态有一个等于7的总和，它可以通过许多微观态来实现，例如(1,6)、(2,5)、(3,4)、(4,3)、(5,2)和(6,1)。

两个骰子总和的宏观态的直观例子

Sum = 2: (1,1) Sum = 3: (1,2), (2,1) Sum = 4: (1,3), (2,2), (3,1) Sum = 5: (1,4), (2,3), (3,2), (4,1) Sum = 6: (1,5), (2,4), (3,3), (4,2), (5,1) Sum = 7: (1,6), (2,5), (3,4), (4,3), (5,2), (6,1) Sum = 8: (2,6), (3,5), (4,4), (5,3), (6,2) Sum = 9: (3,6), (4,5), (5,4), (6,3) Sum = 10: (4,6), (5,5), (6,4) Sum = 11: (5,6), (6,5) Sum = 12: (6,6)
Sum = 2: (1,1) Sum = 3: (1,2), (2,1) Sum = 4: (1,3), (2,2), (3,1) Sum = 5: (1,4), (2,3), (3,2), (4,1) Sum = 6: (1,5), (2,4), (3,3), (4,2), (5,1) Sum = 7: (1,6), (2,5), (3,4), (4,3), (5,2), (6,1) Sum = 8: (2,6), (3,5), (4,4), (5,3), (6,2) Sum = 9: (3,6), (4,5), (5,4), (6,3) Sum = 10: (4,6), (5,5), (6,4) Sum = 11: (5,6), (6,5) Sum = 12: (6,6)
    

每个总和代表一个不同的宏观态，如所示，每个宏观态可以包含多个微观态。总和为7的宏观态特别有趣，因为它有最多的微观态（6个微观态）。这使得它在随机掷两个骰子时统计上最可能的宏观态。

微观态和宏观态的重要性

在统计力学中，微观态和宏观态之间的主要关系是基本的。具有更多相关微观态的宏观态更可能发生，因为有更多的方法来获得它。当讨论熵时，这一概念很重要，因为熵是与给定宏观态相关的微观态数量的度量。

熵可以用这个公式理解：

S = k_B * ln(Ω)
S = k_B * ln(Ω)
    

其中S是熵，k_B是玻尔兹曼常数，Ω是对应于一个宏观态的微观态数量。熵通常与无序相关，但在统计力学中，它被视为在微观层面如何以多种方式排列系统同时在宏观层面看起来相同的度量。

计算熵的例子

想象一个非常简单的物理系统，总共有4种可能的微观态：(A)、(B)、(C)和(D)，以及两个定义为M1 = {(A), (B)}和M2 = {(C), (D)}的宏观态。如果每个微观态同等可能，可以计算这些宏观态的熵如下：

对于宏观态M1：

Ω1 = 2 S1 = k_B * ln(2)
Ω1 = 2 S1 = k_B * ln(2)
    

对于宏观态M2：

Ω2 = 2 S2 = k_B * ln(2)
Ω2 = 2 S2 = k_B * ln(2)
    

两个宏观态的熵是相同的，因为它们具有相同数量的微观态。

微观态和宏观态的实际应用

在实际系统中，特别是由大量粒子组成的系统，如一个容器中的气体，微观态的数量是天文数字的，直接计算是不可能的。而是，统计力学允许我们通过专注于宏观态来预测这些系统的宏观性质。

例如，考虑一个气体被封闭在一个容器中。与其跟踪每个分子的位置信息和速度（这几乎是不可能的任务），我们考虑由气体的温度、压力和体积定义的宏观态。通过考虑最可能的宏观态，我们估计气体的最可能行为。

PV = nRT
PV = nRT
    

这是理想气体定律的公式，描述气体的宏观量压强P，体积V，物质的量n，和温度T，以及说明它在显微镜下的表达。

热力学中的微观态和宏观态

在热力学中，微观态和宏观态的概念帮助我们理解热量和功，这是描述能量如何在系统中传输的重要概念。热力学第二定律，指出孤立系统的熵永远不减少，可以解释为微观态和宏观态，因为系统自然趋向于具有最大熵的宏观态。

这解释了为什么，例如，热量从热物体流向冷物体。系统演变成一个宏观态，其中能量在可用的微观态之间更均匀地分布，从而有效地增加系统的总熵。

结论

微观态与宏观态之间的相互作用是统计力学和热力学的核心。它将我们的理解从确定性的牛顿框架转变为能够适应现实世界系统复杂性的概率框架。通过认识到具有更多可能微观态的宏观态在统计上更可能，我们获得了对热力学系统中自然趋势的深刻见解，例如熵增或趋于平衡。

无论你是在考虑一个简单的骰子对，还是充满气体的房间的广阔，微观态和宏观态的概念都是理解由许多相互作用组成的系统行为的强大工具。通过专注于这些宏观细节，即使不知道所涉及的每个粒子的细节，我们也可以做出准确的预测。

评论