“统计物理”的版本间的差异
（→统计力学） |
|||
| 第64行： | 第64行： | ||
*二项分布 | *二项分布 | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
2020年7月16日 (四) 21:20的版本
统计物理学是物理学的一个分支，它使用概率论和统计学的方法，特别是在解决物理问题时使用数学工具来处理大的群体和近似。它可以描述具有内在随机性的广泛领域。统计物理的应用领域包括物理学、生物学、化学、神经科学，甚至社会学、语言学[1] 等一些社会科学领域。它的主要目的是用支配原子运动的物理定律来阐明凝聚物质的性质[2]。
特别地，统计力学从对潜在的微观系统的概率检验中得到了热力学的现象结果。历史上，统计学方法应用于物理学的第一个主题是力学领域，它涉及到粒子或物体在受力时的运动。
统计力学
统计力学提供了一个将单个原子和分子的微观属性与日常生活中可以观测到的物质的宏观特性联系起来的框架，从而在微观层面上解释了热力学作为统计学、经典力学和量子力学的自然结果。由于这段历史，统计物理学常常被认为是统计力学或统计热力学的同义词。
统计力学最重要的方程之一(类似于牛顿运动定律的[math]\displaystyle{ F=ma }[/math] ，或者量子力学的薛定谔方程)是配分函数 [math]\displaystyle{ Z }[/math] 的定义，它本质上是一个系统所有可能状态[math]\displaystyle{ q }[/math]的加权和。
- [math]\displaystyle{ Z = \sum_q \mathrm{e}^{-\frac{E(q)}{k_BT}} }[/math]
其中[math]\displaystyle{ k_B }[/math]是玻尔兹曼常数，[math]\displaystyle{ T }[/math] 是温度，[math]\displaystyle{ E(q) }[/math] 是状态[math]\displaystyle{ q }[/math]的能量。此外，给定状态 [math]\displaystyle{ q }[/math]出现的概率是
- [math]\displaystyle{ P(q) = \frac{ {\mathrm{e}^{-\frac{E(q)}{k_BT}}}}{Z} }[/math]
这里，极高能量状态出现的概率很小，这个结果与直觉是一致的。
在经典系统中，当自由度(以及变量数)很大以至于精确解是不可能的，或者不是真正有用时，统计方法可以很好地起作用。统计力学还可以描述非线性动力学、混沌理论、热物理学、流体动力学(特别是在高克努森数时)或等离子体物理学中的工作。
虽然统计物理学中的一些问题可以用近似和展开来解析地解决，但目前的大多数研究利用现代计算机的巨大处理能力来模拟或近似求解。处理统计问题的一个常用方法是使用蒙特卡罗模拟来洞察复杂系统的性质。
量子统计力学
量子统计力学是应用于量子力学系统的统计力学。在量子力学中，系综（可能量子态的概率分布）由密度算符S来描述，它是一个描述量子系统希尔伯特空间 H 上的非负的、自伴随的、迹为1的迹类算符。这可以在量子力学的不同数学形式上来表示。量子逻辑就是这样一种形式。
科学家和大学
萨特延德拉·纳特·玻色、詹姆斯·克拉克·麦克斯韦、路德维希·玻尔兹曼、约西亚·威拉德·吉布斯、马利安·斯莫鲁霍夫斯基、阿尔伯特·爱因斯坦、恩里科·费米，理查德·费曼、列夫·朗道、弗拉基米尔·福克、维尔纳·海森堡、尼古拉·博戈柳博夫、本杰明·维多姆、昂萨格、本杰明和杰里米·丘布(也是钛升华泵的发明者)、亨伯、马诺等人在不同时期对统计物理学的发展做出了重大贡献。统计物理学在洛斯阿拉莫斯的核中心被广泛研究。此外，五角大楼已经在普林斯顿大学组织了一个大的部门来研究湍流。萨克雷(巴黎)、马克斯 · 普朗克研究所、荷兰原子与分子物理研究所和其他研究中心也在进行这方面的工作。
成就
统计物理学使我们能够解释和定量描述超导现象、超流动性、湍流、燃素、抗燃素、络合物、固体和等离子体中的集体现象以及液体的结构特征。它是现代天体物理学的基础。正是统计物理学帮助我们开展了如此深入的液晶研究，并建立了相变和临界现象的理论。许多物质的实验研究完全基于对系统的统计描述。这些包括冷中子、 x 射线、可见光等的散射。
统计物理学在固体物理学、材料科学、核物理学、天体物理学、化学、生物学和医学（例如研究传染病的传播）、信息理论和技术等学科中占有重要地位，在现代物理发展过程中也发挥着重要作用。它在社会学和语言学等理论科学中也有重要应用，对高等教育、公司治理和工业领域的研究人员也很有用。
参见
- 统计系综
- 统计场论
- 平均停留时间
- 马尔可夫粒子动力学
- 复杂网络
- 数学物理
- 组合学和物理学
- 二项分布
参考资料
- ↑ Raducha, Tomasz; Gubiec, Tomasz (April 2017). "Coevolving complex networks in the model of social interactions". Physica A: Statistical Mechanics and Its Applications. 471: 427–435. arXiv:1606.03130. Bibcode:2017PhyA..471..427R. doi:10.1016/j.physa.2016.12.079. ISSN 0378-4371.
- ↑ Huang, Kerson (2009-09-21). Introduction to Statistical Physics (2nd ed.). CRC Press. p. 15. ISBN 978-1-4200-7902-9.
进一步阅读
编者推荐
集智文章推荐
吉布斯——热力学大师与统计物理奠基人 |集智俱乐部
抢车位中的机器学习与统计物理 | 傅渥成 |集智俱乐部
深度学习背后的统计物理—有关RNN与记忆模型 | 甄慧玲 | 傅渥成 |集智俱乐部
集智视频推荐
陈晓松：统计物理与地球系统|集智俱乐部
书籍推荐
统计物理学
经典书籍，豆瓣评分9.8
本中文词条由不是海绵宝宝编辑，欢迎在讨论页面留言。
本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。