В статистической механике и математике распределение Больцмана (реже также называемое распределением Гиббса ) — это распределение вероятностей или вероятностная мера , которая дает вероятность того, что система будет находиться в определённом как функция энергии этого состояния и температуры системы. Распределение выражается в виде:

${\displaystyle p_{i}\propto e^{-{\frac {\varepsilon _{i}}{kT}}}}$

где p _i — вероятность того, что система находится в состоянии i , ε _i — энергия этого состояния, а константа kT является произведением постоянной Больцмана k и термодинамической температуры T . Символ ${\textstyle \propto }$ обозначает пропорциональность .

Термин « система» здесь имеет очень широкое значение; она может варьироваться от одиночного атома до макроскопической системы, такой как резервуар для хранения природного газа . Благодаря этому распределение Больцмана можно использовать для решения очень широкого круга задач. Распределение показывает, что состояния с более низкой энергией всегда будут иметь более высокую вероятность быть занятыми.

Распределение Больцмана названо в честь Людвига Больцмана, который впервые сформулировал его в 1868 году во время исследований статистической механики газов находящихся в тепловом равновесии . Статистическая работа Больцмана возникла из его статьи «О связи между второй фундаментальной теоремой механической теории тепла и вероятностными расчетами, касающимися условий теплового равновесия» . Позднее распределение широко исследовалось в его современной общей форме для систем с переменным числом частиц Гиббсом в 1902 году ^:Ch.IV .

Обобщенное распределение Больцмана является достаточным и необходимым условием эквивалентности между определением энтропии статистической механикой ( формула энтропии Гиббса ${\displaystyle S=-k_{\mathrm {B} }\sum _{i}p_{i}\log p_{i}}$ ) и термодинамическое определение энтропии ( ${\displaystyle dS={\frac {\delta Q_{\text{rev}}}{T}}}$ , и ) .

Распределение Больцмана не следует путать с распределением Максвелла — Больцмана . Первое дает вероятность того, что система будет находиться в определённом состоянии в зависимости от энергии этого состояния ; напротив, последнее используется для описания скоростей частиц в идеализированных газах.

Распределение

Распределение Больцмана — это распределение вероятностей, которое даёт вероятность определённого состояния как функцию энергии этого состояния и температуры системы, к которой применяется распределение . Оно задаётся формулой

${\displaystyle p_{i}={\frac {1}{Q}}}{e^{-{\varepsilon }_{i}/kT}={\frac {e^{-{\varepsilon }_{i}/kT}}{\sum _{j=1}^{M}{e^{-{\varepsilon }_{j}/kT}}}}}$

где p _i — вероятность состояния i , ε _i — энергия состояния i , k — постоянная Больцмана , T — температура системы, а M — количество всех состояний, доступных для интересующей системы . Нормировочный знаменатель Q (обозначаемый некоторыми авторами буквой Z ) — это каноническая статистическая сумма

${\displaystyle Q={\sum _{i=1}^{M}{e^{-{\varepsilon }_{i}/kT}}}}$

Это связано с ограничением, согласно которому вероятности всех доступных состояний должны составлять в сумме 1.

Распределение Больцмана — это распределение, которое максимизирует энтропию

${\displaystyle H(p_{1},p_{2},\cdots ,p_{M})=-\sum _{i=1}^{M}p_{i}\log _{2}p_{i}}$

при условии, что ${\textstyle {\sum {p_{i}{\varepsilon }_{i}}}}$ равно определённому среднему значению энергии (что можно доказать с помощью множителей Лагранжа ).

Статистическую сумму можно вычислить, если известны энергии состояний, доступных для интересующей системы. Для атомов значения статистической суммы можно найти в базе данных атомных спектров NIST.

Распределение показывает, что состояния с более низкой энергией всегда будут иметь более высокую вероятность быть занятыми, чем состояния с более высокой энергией. Оно также может дать нам количественное соотношение между вероятностями того, что два состояния заняты. Отношение вероятностей состояний i и j задается как

${\displaystyle {\frac {p_{i}}{p_{j}}}=e^{({\varepsilon }_{j}-{\varepsilon }_{i})/kT}}$

где p _i — вероятность состояния i , p _j — вероятность состояния j , а ε _i и ε _j — энергии состояний i и j , соответственно.

Распределение Больцмана часто используется для описания распределения частиц, таких как атомы или молекулы, по доступным им энергетическим состояниям. Если у нас есть система, состоящая из многих частиц, то вероятность того, что частица находится в состоянии i , практически равна вероятности того, что, если мы выберем случайную частицу из этой системы и проверим, в каком состоянии она находится, мы обнаружим, что она находится в состоянии i . Эта вероятность равна количеству частиц в состоянии i , деленному на общее количество частиц в системе, то есть доле частиц, которые занимают состояние i .

${\displaystyle p_{i}={\frac {N_{i}}{N}}}$

где N _i — количество частиц в состоянии i , а N — общее количество частиц в системе. Мы можем использовать распределение Больцмана, чтобы найти эту вероятность, которая, как мы видели, равна доле частиц, находящихся в состоянии i. Таким образом, уравнение, которое даёт долю частиц в состоянии i как функцию энергии этого состояния, имеет вид

${\displaystyle {\frac {N_{i}}{N}}={\frac {e^{-{\varepsilon }_{i}/kT}}{\sum _{j=1}^{M}{e^{-{\varepsilon }_{j}/kT}}}}}$

Это уравнение очень важно в спектроскопии . В спектроскопии наблюдаются спектральные линии атомов или молекул, связанные с переходами из одного состояния в другое . Для того, чтобы это было возможно, в первом состоянии должны быть частицы, которые должны совершить переход. Выполняется ли это условие можно понять, найдя долю частиц в первом состоянии. Если им можно пренебречь, то переход, скорее всего, не будет наблюдаться при температуре, для которой проводился расчет. В общем, большая доля молекул в первом состоянии означает большее количество переходов во второе состояние . Это даёт более сильную спектральную линию. Однако есть и другие факторы, которые влияют на интенсивность спектральной линии, например, вызвана ли она разрешенным или запрещенным переходом .

Распределение Больцмана связано с функцией softmax , используемой в машинном обучении .

Примечания