Статистическая физика

редактировать

Статистическая физика - это раздел физики, в котором используются методы теории вероятностей и статистика, и особенно математические инструменты для работы с большими совокупностями и приближениями при решении физических задач. Он может описывать широкий спектр полей, имеющих по своей сути стохастический характер. Его приложения включают множество задач в области физики, биологии, химии, нейробиологии и даже некоторых социальных наук, таких как социология и лингвистика. Его основная цель - прояснить свойства материи в совокупности с точки зрения физических законов, управляющих движением атомов.

Статистическая механика развивает феноменологические результаты термодинамики из вероятностное исследование лежащих в основе микроскопических систем. Исторически одной из первых тем в физике, где были применены статистические методы, была область классической механики, которая занимается движением частиц или объектов под действием силы.

Содержание
  • 1 Статистическая механика
    • 1.1 Квантовая статистическая механика
  • 2 Метод Монте-Карло
  • 3 Ученые и университеты
  • 4 Достижения
  • 5 См. Также
  • 6 Примечания
  • 7 Ссылки
  • 8 Дополнительная литература
Статистическая механика

Статистическая механика обеспечивает основу для соотнесения микроскопических свойств отдельных атомов и молекул с макроскопическими или объемными свойствами материалов, которые можно наблюдать в повседневной жизни, поэтому объяснение термодинамики как естественного результата статистики, классической механики и квантовой механики на микроскопическом уровне. Из-за этой истории статистическая физика часто считается синонимом статистической механики или статистической термодинамики.

Одним из важнейших уравнений статистической механики (сродни F = ma {\ displaystyle F = ma}F = ma в механике Ньютона или уравнение Шредингера в квантовой механике) - это определение статистической суммы Z {\ displaystyle Z}Z , который по сути является взвешенной суммой всех возможных состояний q {\ displaystyle q}q, доступных системе.

Z = ∑ qe - E (q) к BT {\ displaystyle Z = \ sum _ {q} \ mathrm {e} ^ {- {\ frac {E (q)} {k_ {B} T}} }}Z = \ sum _ {q} \ mathrm {e} ^ {- {\ frac {E (q)} {k_ {B} T}}}

где k B {\ displaystyle k_ {B}}k_ { B} - постоянная Больцмана, T {\ displaystyle T}T - температура, а E (q) {\ displaystyle E (q)}E (q) - энергия состояния q {\ displaystyle q}q. Кроме того, вероятность возникновения данного состояния, q {\ displaystyle q}q, определяется выражением

P (q) = e - E (q) k BTZ {\ displaystyle P ( q) = {\ frac {\ mathrm {e} ^ {- {\ frac {E (q)} {k_ {B} T}}}} {Z}}}P (q) = {\ frac {\ mathrm {e} ^ {- {\ frac {E (q)} {k_ {B} T}}}} {Z}}

Здесь мы видим, что очень высокий- Энергетические состояния имеют небольшую вероятность возникновения, что согласуется с интуицией.

Статистический подход может хорошо работать в классических системах, когда число степеней свободы (и, следовательно, количество переменных) настолько велико, что точное решение невозможно или не совсем полезно. Статистическая механика также может описывать работу в нелинейной динамике, теории хаоса, теплофизике, гидродинамике (особенно при высоких Числа Кнудсена ) или физика плазмы.

Квантовая статистическая механика

Квантовая статистическая механика - это статистическая механика, применяемая к квантово-механическим системам. В квантовой механике статистический ансамбль (распределение вероятностей по возможным квантовым состояниям ) описывается оператором плотности S, который является неотрицательным, самосопряженный, оператор следового класса следа 1 в гильбертовом пространстве H, описывающий квантовую систему. Это можно показать с помощью различных математических формализмов квантовой механики. Один из таких формализмов обеспечивается квантовой логикой.

методом Монте-Карло

Хотя некоторые проблемы в статистической физике могут быть решены аналитически с использованием приближений и расширений, в большинстве современных исследований для решения этой задачи используется большая вычислительная мощность современных компьютеров. моделировать или приближать решения. Обычный подход к статистическим задачам заключается в использовании моделирования Монте-Карло, чтобы получить представление о свойствах сложной системы. Методы Монте-Карло важны в вычислительной физике, физической химии и смежных областях и имеют различные приложения, включая медицинскую физику, где они используются для моделирования переноса излучения. для расчетов дозиметрии излучения.

Ученые и университеты

Существенный вклад (в разное время) в развитие статистической физики внесли Сатиендра Нат Боз, Джеймс Клерк Максвелл, Людвиг Больцманн, Дж. Уиллард Гиббс, Мариан Смолуховски, Альберт Эйнштейн, Энрико Ферми, Ричард Фейнман, Лев Ландау, Владимир Фок, Вернер Гейзенберг, Николай Боголюбов, Бенджамин Видом, Ларс Онсагер и другие. Статистическая физика изучается в ядерном центре Лос-Аламос. Кроме того, Пентагон организовал большой отдел по изучению турбулентности в Принстонском университете. Работы в этой области также ведутся Сакле (Париж), Институтом Макса Планка, Нидерландским институтом атомной и молекулярной физики и другими исследовательскими центрами.

Достижения

Статистическая физика позволила нам объяснить и количественно описать сверхпроводимость, сверхтекучесть, турбулентность, коллективные явления в твердые тела и плазма, а также структурные особенности жидкости. Он лежит в основе современной астрофизики. Именно статистическая физика помогла нам создать столь интенсивно развивающиеся исследования жидких кристаллов и построить теорию фазовых переходов и критических явлений. Многие экспериментальные исследования материи полностью основаны на статистическом описании системы. К ним относятся рассеяние холодных нейтронов, рентгеновских лучей, видимого света и др. Статистическая физика играет важную роль в физике твердого тела, материаловедении, ядерной физике, астрофизике, химии, биологии и медицине (например, изучение распространения инфекционных заболеваний), теории информации и технике, но также и в этих областях техники благодаря их развитие в эволюции современной физики. Он по-прежнему имеет важные приложения в теоретических науках, таких как социология и лингвистика, и полезен для исследователей в области высшего образования, корпоративного управления и промышленности.

См. Также
Примечания
Ссылки
Дополнительная литература

Харальд Дж. В. Мюллер-Кирстен (Университет Кайзерслаутерна, Германия)

Последняя правка сделана 2021-06-09 10:07:41
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте