В очередной лекции курса Массачусетского технологического института (MIT OpenCourseWare) профессор Джан Паоло Беретта разворачивает масштабное полотно взаимосвязи между классической термодинамикой, квантовой механикой и теорией информации. На примере анализа поведения смесей и одиночной квантовой частицы в замкнутом объёме демонстрируется, как абстрактные математические модели Клода Шеннона и фундаментальные уравнения квантовых состояний находят прямое отражение в макроскопических свойствах окружающего мира.
🔄 От идеальных смесей к биологическим мембранам 0:12
Профессор Беретта начинает лекцию от 19 марта с краткого повторения пройденного материала, напоминая о свойствах изотермо-барического смешения — измеряемых характеристиках, позволяющих делать выводы о химических потенциалах компонентов. В режиме идеального газа межмолекулярные взаимодействия пренебрежимо малы, поскольку молекулы проводят большую часть времени вдали друг от друга, несмотря на колоссальное число ежесекундных столкновений.
В рамках модели смесей Гиббса — Дальтона свойства смеси представляются как эквивалент свойств сложной системы, компоненты которой разделены, но занимают один и тот же объём, имеют одинаковую температуру и находятся под парциальным давлением. Профессор напоминает ключевые постулаты:
-
Закон Дальтона: парциальные давления газов суммируются, давая общее давление смеси.
-
Закон Амага: идеальная газовая смесь может рассматриваться как совокупность чистых газов, каждый из которых занимает свой собственный объём при той же температуре и общем давлении.
При самопроизвольном смешении газов, разделенных подвижными перегородками, конечные температура и давление остаются равными начальным, однако энтропия системы возрастает на величину так называемой энтропии смешения. Процесс можно провести термодинамически более выгодно и обратимо с помощью полупроницаемых мембран, способных пропускать один тип частиц (например, «чёрные») и задерживать другой (например, «серые»).
Отвечая на вопросы студентов о существовании таких мембран в реальности, Беретта подтверждает, что современные технологии позволяют успешно проектировать подобные материалы с отверстиями нужного размера. В живой природе этот механизм критически важен для функционирования клеточных оболочек. Клетки используют пассивный и активный транспорт (последний требует затрат энергии) для регулирования своей жизнедеятельности.
Как иронично отмечает профессор, «когда клетка хочет поесть, так сказать», она открывает микроскопические поры для доступа кислорода, а для удаления углекислого газа задействует более крупные отверстия. При этом лектор честно признаётся, что не является экспертом в биологических структурах, предпочитая сфокусироваться на физической стороне вопроса.
🧩 Парадокс Гиббса и философский вызов природе 11:55
Исторический парадокс Гиббса предоставляет идеальный инструментарий для понимания природы моделирования реальности. Профессор демонстрирует это на примере бинарной смеси. Если смешать два разных газа в пропорции 50 на 50, энтропия смешения составит $nR \ln 2$. Если уменьшить масштаб до уровня единичных частиц, где количество вещества выражается через число Авогадро ($6.02 \times 10^{23}$ частиц в одном моле), то комбинация $nR$ превращается в универсальную физическую константу — постоянную Больцмана ($k_B$). В случае смешения двух одиночных частиц энтропия смешения будет равна $2 k_B \ln 2$.
Суть парадокса уходит корнями в старинный философский афоризм, известный ещё со времён Аристотеля и Лейбница: Natura non facit saltum — «Природа не делает скачков». Представим, что мы окрашиваем частицы красителем, и степень их различия по цвету измеряется параметром $\lambda$. До тех пор, пока газы хоть немного отличаются ($\lambda > 0$), энтропия смешения строго равна фиксированной величине и никак не зависит от степени схожести частиц. Однако в точке абсолютного тождества ($\lambda = 0$) значение энтропии смешения мгновенно падает до нуля. Философы прошлого не могли смириться с этой математической разрывностью.
Разрешение парадокса, как объясняет Беретта, кроется в природе нашего моделирования. Если у нас есть практическая возможность зафиксировать различие между частицами, значит, существует принципиальная возможность построить селективную полупроницаемую мембрану и извлечь из процесса смешения полезную работу. Если же мы принципиально не способны распознать или проконтролировать эти различия, извлечение работы становится невозможным.
С точки зрения квантовой механики, где понятия различимости и неразличимости частиц (фермионов и бозонов) строго детерминированы, никакой непрерывности не существует вовсе. Разрывность функции заложена в самой нашей способности управлять физическими свойствами на микроуровне.
📊 Информационная энтропия Шеннона и концепция «сюрприза» 22:12
Чтобы глубже раскрыть тему статистического описания систем, профессор предлагает провести мысленный эксперимент. Представьте контейнер с газом и небольшое смотровое окошко (контрольный объём), в котором в каждый момент времени может находиться не более одной частицы. Фиксируя появление молекул азота, кислорода, аргона или углекислого газа, мы обнаружим, что в состоянии устойчивого равновесия вероятность заметить ту или иную частицу строго пропорциональна её молярной доле. Молярная доля, как и классическая вероятность, принимает значения от 0 до 1, а их сумма равна единице.
В такой ситуации исследователь сталкивается с неопределённостью: невозможно точно предсказать, какая именно молекула окажется в окошке в ходе следующего замера. В 1948 году математик Клод Шеннон сформулировал набор постулатов, описывающих меру этой неопределённости, и вывел единственную логически непротиворечивую математическую функцию, известную как информационная энтропия Шеннона. Она равна нулю в условиях абсолютной определённости (когда в системе присутствует только один тип газа) и достигает своего максимума ($\ln r$, где $r$ — число разновидностей частиц), когда вероятности встретить любой компонент полностью равны.
Беретта вводит интуитивно понятную интерпретацию этой формулы, представляя её как средневзвешенную сумму молярных долей, помноженных на величину, которую он предлагает называть «сюрпризом» (surprise), математически выражаемую как $-\ln y$. Мера «сюрприза» максимальна для наименее вероятных событий. Профессор иллюстрирует это на примере состава атмосферного воздуха:
-
Азот и кислород: составляют подавляющую часть смеси, поэтому их появление в контрольном объёме не вызывает удивления.
-
Аргон: его концентрация составляет менее 1%, а значит, в среднем потребуется около 100 попыток, чтобы зафиксировать одну такую молекулу.
-
Углекислый газ ($CO_2$): при условной концентрации в 500 PPM (частей на миллион) вероятность его обнаружения крайне мала. Чтобы встретить одну молекулу $CO_2$, потребуется произвести порядка 2000 наблюдений, что делает её фиксацию настоящим «сюрпризом».
⚖️ Метод множителей Лагранжа и каноническое распределение 31:12
Теория информации Шеннона находит прямое применение в физических измерениях. Представим, что измерительный прибор (например, спектрометр) способен определять частицы исключительно по их массе. В результате серии экспериментов мы можем узнать только одну величину — среднюю массу частиц в системе. Возникает фундаментальный вопрос: можно ли на основе этой скудной информации сделать обоснованное суждение о реальном распределении молярных долей?
Для решения этой задачи Беретта предлагает использовать принцип максимальной энтропии. Чтобы избежать любых необоснованных искажений (bias), не содержащихся в исходных данных, необходимо выбрать такое распределение вероятностей, которое максимизирует шенноновскую энтропию при заданных ограничениях. Математически это сводится к поиску условного максимума функции методом множителей Лагранжа. Каждому ограничению (условию нормировки суммы вероятностей к единице и равенству средней массы экспериментальному значению) присваивается неопределённый множитель $\lambda_M$.
Полученное распределение вероятностей по форме идентично тому, что используется в статистической механике для описания устойчивых равновесных состояний. Если вместо массы подставить значения энергии уровней, мы получим знаменитое каноническое распределение.
Профессор упоминает выдающегося учёного Эдвина Джейнса (Jaynes), который впервые провёл эти изящные параллели между теорией информации и физической статистикой. Также Беретта с теплотой вспоминает уникальный цикл видеолекций профессора Майрона Трибуса (Myron Tribus), записанный в стенах MIT в 1960-х или 1970-х годах, где вся термодинамика последовательно выводилась исключительно из базовых концепций теории информации Шеннона.
📦 Квантовая частица в ящике: от волновой функции к термодинамике 38:23
В качестве «дигрессии внутри дигрессии» профессор предлагает рассмотреть классическую задачу квантовой механики — одиночную структуру без внутренних степеней свободы, запертую в трёхмерном прямоугольном ящике со сторонами $l_1, l_2, l_3$. Беретта сразу успокаивает студентов, обещая не требовать детального вывода этих уравнений на устных экзаменах, поскольку объём материала курса и без того огромен.
В классической физике частица просто движется между стенками взад и вперёд, обладая точной координатой в любой момент времени. В квантовом мире представление о локализованной частице в корне неверно. Состояние описывается волновой функцией $\psi(x,t)$, которая раскладывается на пространственную координату $x$ и временную составляющую. Пространственная функция является решением задачи на собственные значения.
Каждому целочисленному квантовому числу $j$ соответствует свой строго определённый уровень энергии $\epsilon_j$. Самый низший (основной) уровень соответствует $j=1$. Энергия последующих уровней растёт пропорционально квадрату квантового числа: второй уровень ($j=2$) обладает энергией в 4 раза выше базовой, а третий ($j=3$) — в 9 раз выше.
При реальном спектроскопическом измерении частица чаще всего находится в состоянии суперпозиции, то есть обладает распределением вероятностей нахождения на разных энергетических уровнях. Физический смысл имеет квадрат модуля волновой функции, определяющий функцию плотности вероятности (PDF) обнаружения частицы в пространстве.
На краях ящика (у жёстких стенок) плотность вероятности всегда строго равна нулю. Внутри же объёма возникают пространственные осцилляции («всплески»), которые при переходе к высоким квантовым числам начинают компенсировать друг друга, сглаживая распределение в основной массе газа. В трёхмерном случае вклады от трёх ортогональных направлений независимы и просто перемножаются, подобно тому, как ведут себя три независимые субчастицы.
📉 Статистическая сумма и восхождение к равновесию 55:54
Поскольку устойчивое равновесное состояние должно обладать максимальной энтропией при фиксированной энергии, математическое решение приводит к каноническому распределению, где неопределённый множитель Лагранжа идентифицируется как величина $1/kT$ ($k$ — постоянная Больцмана, $T$ — абсолютная температура). Вероятность нахождения на уровне с энергией $\epsilon_j$ обратно пропорциональна экспоненте этой энергии, делённой на нормировочный множитель $Q$, именуемый статистической суммой (partition function).
Статистическая сумма играет центральную роль в статистической физике. Зная её математический вид, можно рассчитать любые термодинамические свойства системы через взятие производных:
-
Вероятность конкретного уровня энергии: вычисляется через частную производную от логарифма $Q$ по уровню энергии.
-
Средняя энергия системы: определяется через производную логарифма статсуммы по температуре.
-
Энтропия системы: также напрямую выражается через $Q$ и среднюю энергию. Логарифм произведения равен сумме логарифмов, поэтому общая энтропия трёхмерного ящика аддитивно складывается из энтропий трёх независимых пространственных направлений.
Понимание структуры этих распределений критически важно для моделирования неравновесных состояний. Профессор демонстрирует анимацию того, как хаотичные гистограммы распределения вероятностей со временем плавно сглаживаются и эволюционируют в сторону классической экспоненциальной кривой канонического равновесия. Беретта с гордостью упоминает, что эти графики были «спасены» им из его собственной докторской диссертации, защищённой в MIT в 1981 году.
Тогда им было предложено уравнение движения, описывающее эту плавную эволюцию системы к равновесию, — метод, получивший название «наибыстрейшего восхождения энтропии» (steepest entropy ascent). По мнению Беретты, общность этого подхода для самых разных областей физики позволяет говорить о существовании так называемого «Четвёртого закона термодинамики» — универсального правила корректного динамического моделирования природы, которое не должно противоречить базовым физическим законам.
🌡️ Вывод закона идеального газа и взгляд в жидкую фазу 1:13:49
Математический анализ статистической суммы $Q$ для одномерной частицы показывает, что формула содержит лишь два изменяемых макропараметра — температуру $T$ и линейный размер ящика $l$. Взяв полный дифференциал от логарифма статсуммы, можно прийти к энтропийной форме фундаментального уравнения Гиббса. Если в классическом макроскопическом выражении изменение энергии записывается как $dE = TdS - pdV$, то для одиночной частицы роль изменения объёма играет изменение длины ящика. Это позволяет ввести понятие «направленного давления» $\pi_i$, измеряющего изменение энергии при деформации ящика вдоль одной из осей.
При достаточно высоких температурах или в сильно разрежённых (дильютных) системах дискретную математическую сумму в формуле $Q$ можно с высокой точностью заменить непрерывным интегралом. В этом классическом пределе геометрические детали формы ящика полностью теряют значение — важен становится только его итоговый объём $V$.
Из этой аппроксимации автоматически вытекает знаменитая теорема о равнораспределении энергии: на каждую из трёх трансляционных степеней свободы бесструктурной частицы приходится ровно по $\frac{1}{2}kT$ энергии, а её общая средняя энергия составляет $\frac{3}{2}kT$. Соответственно, удельная теплоёмкость становится равной $3/2 k_B$.
Финальным триумфом этого моста между квантовым микромиром и термодинамикой становится точное выведение уравнения состояния идеального газа $pV = kT$ для одиночной частицы в макроскопическом лимите. Это объясняет, почему в практических инженерных расчётах геометрия сосуда никогда не учитывается — при обычных температурах объём является единственным значимым геометрическим параметром.
В самом конце лекции профессор Беретта бросает взгляд в будущее, анонсируя переход к изучению жидких сред. В отличие от газов, где молекулы большую часть времени предоставлены сами себе, в жидкостях частицы находятся в постоянном тесном контакте, располагаясь в минимумах межмолекулярных потенциалов.
Беретта даёт определение «идеального раствора»: это гипотетическая жидкая система, в которой потенциалы взаимодействия между одинаковыми и разными молекулами практически идентичны. В такой модели при смешении не происходит изменения объёма или выделения тепла (энтальпия смешения равна нулю). Единственным движущим фактором процесса остаётся чистая случайность — энтропия смешения, математически завязанная на шенноновскую концепцию «сюрприза», детальный разбор которой продолжится на следующем занятии.
