[论文解读] A short derivation of Boltzmann distribution and Gibbs entropy formula from the fundamental postulate

D. Lairez|arXiv (Cornell University)|Nov 4, 2022

Advanced Thermodynamics and Statistical Mechanics被引用 4

一句话总结

本文從統計力學的基本假設——孤立系統中所有微觀狀態等機率——出發，提供了一種簡潔、適合大學程度學生理解的玻爾茲曼分佈與吉布斯熵公式推導。透過分析子系統之間的能量交換，並運用對稱性與歸一化條件，推導出機率分佈的指數形式，並識別出熵為 $ S = -\sum_i p_i \ln p_i $，直接連結統計力學與熱力學，無需使用拉格朗日乘數或斯特靈近似。

ABSTRACT

Introducing the Boltzmann distribution very early in a statistical thermodynamics course (in the spirit of Feynmann) has many didactic advantages, in particular that of easily deriving the Gibbs entropy formula. In this note, a short derivation is proposed from the fundamental postulate of statistical mechanics and basics calculations accessible to undergraduate students.

研究动机与目标

• 為大學程度統計熱力學課程提供一種教學上易於理解的玻爾茲曼分佈與吉布斯熵公式推導。
• 消除對拉格朗日乘數與斯特靈近似之依賴，這些方法對初學者而言往往較具挑戰性。
• 將吉布斯熵公式建立於統計力學的基本假設之上，而非任意引入或透過資訊理論導出。
• 示範熱力學熵與統計熵之間的關聯並非任意，而是直接源自對稱性與機率論。
• 支持在教學中早期引入玻爾茲曼分佈，沿襲玻爾茲曼與费曼等先驅的歷史與概念脈絡。

提出的方法

• 從基本假設出發：孤立系統中所有微觀狀態機率相等。
• 考慮由 N 個子部分組成的系統，其能階為離散的 $ \epsilon_i = i\epsilon $，並透過基本躍遷追蹤能量交換。
• 利用遠距離子部分的獨立性，推導出機率分佈必為指數形式：$ p_i \propto e^{-\beta \epsilon_i} $。
• 應用歸一化與對稱性論證，顯示相同函數形式適用於所有子部分，進而導出正則分佈。
• 使用分割函數 $ Z = \sum_i e^{-\beta \epsilon_i} $，並推導自由能 $ F = -T \ln Z $。
• 將 $ \ln Z $ 對 $ 1/T $ 的微分與內能連結，識別出 $ \beta = 1/T $，進而導出吉布斯熵公式。

实验结果

研究问题

• RQ1 是否能在不使用拉格朗日乘數或斯特靈近似的前提下推導出玻爾茲曼分佈？
• RQ2 如何能直接從統計力學的基本假設推導出吉布斯熵公式 $ S = -\sum_i p_i \ln p_i $？
• RQ3 參數 $ \beta $ 的物理意義為何？它與溫度有何關係？
• RQ4 為何機率分佈的指數形式對於獨立子系統之間的一致性至關重要？
• RQ5 如何讓大學程度學生對熱力學熵與統計熵之間的連結既嚴謹又直觀？

主要发现

• 玻爾茲曼分佈 $ p_i = \frac{1}{Z} e^{-\beta \epsilon_i} $ 係透過獨立子部分的對稱性與歸一化推導而成，無需拉格朗日乘數或斯特靈近似。
• 透過將熱力學關係 $ U = F + TS $ 與統計內能表達式匹配，識別出參數 $ \beta $ 為 $ \beta = 1/T $。
• 吉布斯熵公式 $ S = -\sum_i p_i \ln p_i $ 為機率分佈與自由能關係的直接結果。
• 此推導確立了克勞修斯熵與吉布斯熵為同一物理量，解決了教科書中常見的概念斷層。
• 該方法對大學程度學生而言易於理解，僅需基本機率與代數知識，適合在統計力學課程中早期引入。
• 此方法提供邏輯一致且具教學意義的統計力學基礎，根植於基本假設與物理直覺。