[论文解读] Poincare Recurrence, Zermelo's Second Law Paradox, and Probabilistic Origin in Statistical Mechanics

P. D. Gujrati|ArXiv.org|Mar 7, 2008

Force Microscopy Techniques and Applications被引用 3

一句话总结

本文通过证明庞加莱回归不违反热力学第二定律，解决了策梅洛悖论，因为熵取决于微观态的概率分布，而不仅仅是一个状态的重复。作者表明，统计力学中的概率行为源于外部噪声，而非系统制备过程；在孤立随机系统中，熵在达到平衡后保持恒定，永远不会下降。

ABSTRACT

We show that Poincare recurrence does not mean that the entropy will eventually decrease, contrary to the claim of Zermelo, and that the probabilitistic origin in statistical physics must lie in the external noise, and not the preparation of the system.

研究动机与目标

• 为解决策梅洛悖论，该悖论声称庞加莱回归意味着熵必须减少，从而违反第二定律。
• 阐明统计力学中熵的概率性质并非源于系统制备，而是源于与环境的随机相互作用。
• 证明在孤立随机系统中，即使初始微观态发生重复，熵在达到平衡后仍保持恒定，不会下降。
• 区分确定性庞加莱回归（概率为1）与随机回归（概率≈1/W），表明后者并不意味着熵的逆转。

提出的方法

• 使用吉布斯系综公式定义熵为 S(t) = Σ p_i(t) u_i(t)，其中 u_i(t) = -ln p_i(t)，p_i(t) 为微观态 i 的概率。
• 将庞加莱回归定理应用于受限于有限相空间的确定性系统，证明其回归概率为1。
• 将确定性回归与随机演化进行对比，后者由于外部噪声导致微观态跃迁，即使初始态的概率也小于1。
• 使用系综方法分析随机系统中的熵演化，表明即使 p_0(t) > 0，S(t) 仍大于0，这是由于所有微观态的贡献。
• 计算所有副本同时处于初始微观态的真正回归概率为 W^{-N} → 0（当 N → ∞ 时），证明其在实际中不可能发生。
• 证明在平衡状态下，对所有 i 有 p_i(t) → 1/W，因此 S(t) = ln W，此后熵保持恒定，不再下降。

实验结果

研究问题

• RQ1 庞加莱回归是否如策梅洛所声称的那样，意味着熵必须减少，从而违反热力学第二定律？
• RQ2 统计力学中概率行为的真正根源是什么——系统制备还是环境噪声？
• RQ3 即使初始微观态发生重复，孤立随机系统的熵在达到平衡后是否仍可能下降？
• RQ4 既然熵是概率的函数，为何单个微观态的回归并不意味着系统返回低熵态？
• RQ5 在熵演化方面，确定性庞加莱回归与随机回归有何区别？

主要发现

• 在确定性系统中，庞加莱回归不会违反第二定律，因为熵在回归周期中保持恒定。
• 在随机系统中，初始微观态的回归概率为 p_0(t) < 1，因此即使状态被重新访问，熵也不会恢复到零。
• 在平衡状态下，系统的熵为 S(t) = ln W，此后保持恒定，不会下降，无论微观态是否重复。
• 真正回归的概率——即所有副本同时处于初始微观态——为 W^{-N}，当 N → ∞ 时趋于0，因此在实际中几乎不可能发生。
• 统计力学中熵的概率起源来自外部噪声，而非系统制备方式。
• 熵由所有微观态上的完整概率分布决定，而不仅仅是一个状态的概率，因此单个状态的重复并不意味着熵的减少。