《高等统计物理学》2：经典系综

知乎链接：《高等统计物理学》2：经典系综

对系综思想的理解，读者们有兴趣可以参见我之前写的 《高等统计物理学》1: 领悟系综

一. 从概率论视角推导正则系综和巨正则系综的概率表达式和熵公式

第一节课老师就带着我们肝概率论和随机过程，对于本科不是物理科班出生的笔者而言，一开始不用被深奥难懂的物理背景虐得死去活来，还算是松了一口气。下面我们就来看一看，概率论和随机过程的知识是如何在统计物理中发挥作用的。
最先笔者还觉得，万物皆物理…，我大物理就是厉害，shannon大神当初信息熵的灵感肯定也来源于统计物理。到后来才发现，统计物理中的一些熵，是可以从大神的信息熵推导来的！（待解决问题 1:信息熵是否还可以由统计物理的熵推导过去呢？）

1. 热力学模型推导正则系综和巨正则系综的概率表达式

首先，让我们来简单回顾一下

1.1 正则系综的概率表达式：

${\rho }_s=\frac{1}{Z}{e}^{-\beta E_s}$（无简并的量子统计表达式）

${\rho }_l=\frac{1}{Z}{\Omega }_l{e}^{-\beta E_l}$ （有简并的量子统计表达式）

${\rho }_{(p,q)}d\Omega =\frac{1}{Z}{e}^{-\beta H(p,q)}\frac{d\Omega }{N!h^{Nr}}$（经典统计表达式）

1.2 巨正则系综的概率表达式：

${\rho }_{Ns}=\frac{1}{\Xi }{e}^{-\alpha N-\beta E_s}$ （无简并的量子统计表达式）

${\rho }_{Ns}=\frac{1}{\Xi }{\Omega }_l{e}^{-\alpha N-\beta E_l}$（有简并的量子统计表达式）

${\rho }_{N(p,q)}d\Omega =\frac{1}{\Xi }{e}^{-\alpha N-\beta H(p,q)}\frac{d\Omega }{N!h^{Nr}}$（经典统计表达式）

下面我会给出它们的推导过程，如果你已对此很熟悉，可以直接跳过下面这一部分。（但我觉得你至少得很清楚：公式中各字母的含义以及公式的推导思想和过程。反正笔者还不太熟悉，赶紧拿起笔又推导了一边哈哈啊哈）

第一步，建模（如下图）

图1 是微正则系综中的一个系统（孤立系统，V,E,N不变），图2 是正则系综中的一个系统（热源+状态处于s的系统=孤立系统，V,T,N不变），图3 是巨正则系综中的一个系统（热源+粒子源+状态处于s的系统=孤立系统）

第二步，弄清楚上述公式中 $\beta ，\alpha ，\gamma$ 的含义及由来（虽然这里没有 $\gamma$ ）

我们先给定：$$\beta =\frac{\partial \ln \Omega }{\partial E},\alpha =\frac{\partial \ln \Omega }{\partial N},\gamma =\frac{\partial \ln \Omega }{\partial V}$$ 要推导它们，我们从微正则系综下手（从微正则系综出发推导出它们的表达式，将用在后面的正则系综和巨正则系综的公式中）。

如图1所示，系统被分成A1和A2两部分，考虑这样一种情况：它们的粒子数N1和N2，以及它们的体积V1和V2都恒等，而能量E1和E2却未知。对于孤立系统和两个子系统A1、A2而言，它们的微观状态数应该有如下关系：

$$\Omega (E_1,E_2)={\Omega }_1(E_1){\Omega }_1(E_2)={\Omega }_1(E_1){\Omega }_2(E-E_1)(eq.1)$$

由此可见， 孤立系统的微观状态数 $\Omega$ 取决于总能量在A1和A2之间的分配情况，$\Omega$ 取极大值，意味着相应的E1和E2是一种最概然的能量分配（待解决问题 2:为什么呢？）。可以认为最概然微观状态数对应的E1和E2就是A1和A2达到热平衡时的内能。由(eq.1)，我们可以将$\Omega$ 看作仅关于E1的函数，于是平衡时有 :
$$\begin{array}{rl}\frac{\partial \Omega (E_1)}{\partial E_1}=0& \Rightarrow \frac{\partial \ln \Omega (E_1)}{\partial E_1}=\frac{\partial \ln [{\Omega }_1(E_1){\Omega }_2(E_2)]}{\partial E_1}\\ & =\frac{\partial \ln {\Omega }_1(E_1)}{\partial E_1}+\frac{\partial \ln {\Omega }_2(E_2)}{\partial E_1}=\frac{\partial \ln {\Omega }_1(E_1)}{\partial E_1}+\frac{\partial \ln {\Omega }_2(E_2)}{\partial E-E_2}\\ & =\frac{\partial \ln {\Omega }_1(E_1)}{\partial E_1}-\frac{\partial \ln {\Omega }_2(E_2)}{\partial E_2}=0\end{array}$$即两个系统达到热平衡时， $\frac{\partial \ln {\Omega }_1(E_1)}{\partial E_1}=\frac{\partial \ln {\Omega }_2(E_2)}{\partial E_2}$ ，由此我们令$\beta =\frac{\partial \ln \Omega }{\partial E}$ 。同理，在E1和E2,V1和V2恒等，N1和N2不确定的情况下，我们可以得到热平衡时 $\alpha =\frac{\partial \ln \Omega }{\partial N}$ ；在E1和E2,N1和N2恒等，V1和V2不确定的情况下，我们可以得到 热平衡时 $\gamma =\frac{}{\partial V}$