Przeskocz do treści

Delta mi!

Pierścień Kaca

Krzysztof Rejmer

o artykule ...

  • Publikacja w Delcie: marzec 2004
  • Publikacja elektroniczna: 12-02-2011

Charakterystyczną cechą układów makroskopowych, złożonych z wielkiej liczby cząsteczek jest to, że zachodzą w nich procesy nieodwracalne, takie jak przepływ ciepła pomiędzy ciałami o różnych temperaturach. Dzieje się tak, mimo że prawa mechaniki klasycznej, rządzące ruchem cząsteczek, są odwracalne w czasie.

Wprawdzie „natura” cząsteczek jest kwantowa, ale ich ruch pomiędzy zderzeniami można opisać klasycznie, o ile energia nie jest zbyt wysoka. Samo zderzenie cząsteczek należy opisywać prawami mechaniki kwantowej, ale jedyną wielkością, której potrzebujemy w analizie ich ruchu, jest tak zwany przekrój czynny na zderzenie, czyli – mówiąc niezbyt dokładnie – prawdopodobieństwo zderzenia. Najczęściej jednak traktujemy cząsteczki jako sztywne kule zderzające się sprężyście, bez wnikania w to, co dzieje się z nimi, gdy znajdą się bardzo blisko. Jeśli potraktujemy cząsteczki jako klasyczne sztywne kule, obliczenie przekroju czynnego na zderzenie jest zadaniem trywialnym. Sprzeczność między nieodwracalnością wielu fizycznych procesów a odwracalnością praw mechaniki klasycznej nosi nazwę paradoksu Loschmita. Co więcej, z twierdzenia Poincarégo o powrocie wynika, że dla prawie wszystkich stanów początkowych układ powróci w pobliże stanu początkowego, choć dla układów makroskopowych ten czas powrotu jest niesłychanie duży (większy niż czas życia Wszechświata). Porównanie konsekwencji twierdzenia Poincarégo z istnieniem procesów nieodwracalnych nazwano paradoksem Zermelo. Z obu paradoksów płynie wniosek, że nieodwracalności procesów w makroskopowych układach nie można wytłumaczyć w kategoriach czysto mechanicznych (niezbędne są pewne założenia o charakterze statystycznym), a poza tym nieodwracalność nie ma charakteru bezwzględnego, lecz związana jest z właściwą układowi skalą czasu. Należy wspomnieć, że twierdzenie Poincarégo dotyczy zachowawczych (izolowanych) układów mechanicznych, natomiast układy, z którymi mamy do czynienia w rzeczywistości, nie są izolowane, jednak nie tu tkwi istota rzeczy.

Dążenie makroskopowego układu do stanu równowagi – co jest procesem nieodwracalnym – w przypadku rozrzedzonego gazu opisywane jest równaniem Boltzmanna. Jednak analiza zachowania się wielkiego zbioru cząsteczek poruszających się w trójwymiarowej przestrzeni jest niesłychanie trudna, dlatego uprościmy sobie zadanie i przedyskutujemy własności bardzo prostego modelu, mającego wszystkie interesujące nas własności, zaproponowanego przez Marka Kaca. Model ten został nazwany pierścieniem Kaca. Rozważymy zatem okrąg podzielony przez math  punktów na  math  komórek, każda z nich zawiera kulkę białą lub czarną, założymy przy tym, że w stanie początkowym dominują kulki jednego koloru. W jednostkowych odstępach czasu każda z kulek przeskakuje do następnej komórki, umówmy się, że zgodnie z ruchem wskazówek zegara. Pewna liczba punktów zawiera wskaźniki, które zmieniają kolor mijającej wskaźnik kulki. Przejście kulki przez znacznik jest tu odpowiednikiem zderzenia cząsteczek. Spodziewalibyśmy się, że układ dąży do stanu równowagi, w którym liczba białych kulek jest równa liczbie kulek czarnych.

Naszym celem jest znalezienie równań opisujących liczbę kulek białych math i czarnych math jako funkcji (dyskretnego, mierzonego liczbami naturalnymi) czasu  math Oznaczmy przez mathmath liczby białych i czarnych kulek znajdujących się bezpośrednio przed znacznikami, a więc zmieniających kolor w najbliższym skoku.

Spełnione są równania

display-math(1)

Oznaczmy przez math różnicę między liczbą białych i czarnych kulek. Spełnia ona równanie

display-math(2)

Jest to równanie wprawdzie ścisłe, ale zupełnie bezwartościowe, nie znamy bowiem rozkładu kulek przed znacznikami. Wprowadzimy do modelu pewne założenie statystyczne. Założymy mianowicie, że ułamek cząstek zmieniających barwę w danym kroku jest równy prawdopodobieństwu math tego, że wybrany punkt dzielący okrąg na komórki jest znacznikiem. Prawdopodobieństwo to możemy zdefiniować jako stosunek liczby znaczników do liczby wszystkich punktów. A zatem

display-math(3)

Przy tym założeniu równanie (2) daje się sprowadzić do postaci

display-math(4)

które można iterować math razy, aby otrzymać rozwiązanie w postaci

display-math(5)

W nieciekawym przypadku math kiedy w każdym punkcie znajduje się znacznik, w każdym ruchu każda kulka zmienia kolor, a zatem obserwujemy oscylacje, math zmienia jedynie znak, co także odzwierciedla wzór 5. Jednak gdy math rozwiązanie, które otrzymaliśmy, odpowiada znikającej różnicy ilości białych i czarnych kulek ( math), gdy math dąży do nieskończoności, co zgadza się z obserwowanym w przyrodzie dążeniem do stanu równowagi; takie zachowanie się układu nazwiemy boltzmannowskim. Z drugiej strony nasz wynik w oczywisty sposób jest błędny, ponieważ mamy

1. Paradoks Loschmita: równanie 4 i jego rozwiązanie 5 nie jest niezmiennicze względem odwrócenia czasu, podczas gdy dynamika układu jest odwracalna.

2. Paradoks Zermelo: w czasie math każda z kulek dwukrotnie mija każdy znacznik, a więc układ musi wrócić do pierwotnego stanu (twierdzenie Poincarégo o powrocie).

Dokładniej rzecz biorąc, zarówno równanie (4), jak i rozwiązanie (5) wcale nie muszą być złe, jedynie zakres ich stosowalności jest ograniczony. Sprzeczność między nieodwracalnym charakterem obserwowanych zjawisk i odwracalnością dynamiki, jak również paradoksy Loschmita i Zermelo zostają rozwiązane, jeśli wprowadzimy zespół statystyczny i wykażemy, że równania (4, 5) opisują nie ścisłe zachowanie się dowolnego układu w zespole, lecz najbardziej prawdopodobne zachowanie się jednego z układów tworzących zespół. Zespół statystyczny zdefiniujemy jako zbiór pierścieni Kaca o tym samym początkowym rozmieszczeniu kulek czarnych i białych, ale o różnych rozmieszczeniach tej samej liczby znaczników. Niech math oznacza numer punktu, natomiast ułamek układów mających znacznik w punkcie math jest równy math Stan mikroskopowy układu opiszemy następująco:

pict

Posługując się tymi definicjami, możemy napisać

display-math(6)

oraz

display-math(7)

Możemy więc wyrazić math przez warunki początkowe

display-math(8)

display-math(9)

Odnotujmy, że math ponieważ po czasie math każdy z epsilonów pojawia się dwukrotnie. Uśrednijmy to wyrażenie względem zespołu.

display-math(10)

Po prawej stronie równania (10) mamy średnią iloczynu math kolejnych epsilonów. Średnia iloczynu epsilonów nie zależy od math więc możemy wyciągnąć ją przed sumę, a że są to kolejne epsilony, możemy ponumerować je od math do  math

display-math(11)

Przedyskutujemy dwa przypadki, gdy math jest mniejsze i gdy jest większe niż math Prawdopodobieństwo tego, że kulka mija math znaczników w  math krokach, jest równe iloczynowi

display-math

(jest to prawdopodobieństwo wystąpienia math znaczników w dowolnym układzie) przez

display-math

(jest to ilość możliwych rozmieszczeń math znaczników pośród math punktów). Dla math znaczników iloczyn epsilonów jest równy math Mamy zatem dla math

display-math(12)

(W oryginalnej pracy Kaca ta średnia obliczona jest w zupełnie inny, niezwykle pomysłowy, choć trudniejszy sposób.) Powyższa procedura jest poprawna pod warunkiem, że math  Duże wartości math w sumie (12) mogą być większe od ilości znaczników i takie składniki sumy fałszują wynik. Wynik, który otrzymaliśmy, natychmiast prowadzi do wniosku

display-math(13)

przy czym jest on prawdziwy, gdy math jest mniejsze nie tylko od math lecz i od liczby znaczników. Jest to wynik zgodny z równaniem opartym na założeniu (3), tyle tylko, że opisuje on nie dokładne zachowanie się pojedynczego układu (z całego zespołu możliwych układów), lecz najbardziej prawdopodobne zachowanie się jednego z układów w zespole. Dla math zapiszemy math

display-math(14)

gdzie najpierw pozbyliśmy się znaczników występujących dwukrotnie, a potem inaczej ponumerowaliśmy punkty. Dostajemy wynik taki sam jak poprzednio, tylko zamiast math mamy math

display-math(15)

Wynik ten jest poprawny, gdy math jest bliskie wartości math z podobnych powodów jak w poprzednim przypadku. Gdy math średnia po zespole dąży do wartości początkowej. Nazwiemy to antyboltzmannowskim zachowaniem się układu.

Wykazaliśmy zatem, że typowy układ będzie dążył do stanu równowagi, w którym liczba czarnych kulek jest równa liczbie białych kulek i że jest to typowe zachowanie się tylko w pewnej skali czasu. Co więcej, można wykazać, że odchylenie standardowe maleje wraz z  math zgodnie z prawem

display-math(16)

co oznacza, że w dużym zespole statystycznym większość układów zachowuje się (w odpowiedniej skali czasu) po boltzmannowsku. Nie wyklucza to faktu, że mogą istnieć w zespole także inne, bardzo szczególne układy, które zachowują się w sposób zupełnie inny niż średnie opisane powyżej, na przykład gdy znaczniki rozmieścimy na okręgu regularnie. Jeśli znacznik znajduje się w co drugim punkcie (wymaga to, by math było liczbą parzystą), to po dwóch skokach każda kulka dwukrotnie zmienia kolor, czyli układ wraca do stanu sprzed dwóch skoków, zachowując się periodycznie z okresem 2. Nie jest to ani boltzmannowskie, ani antyboltzmannowskie zachowanie się układu. Czytelnik bez trudu sam znajdzie inne przykłady. Jednak są to zawsze bardzo nieliczne w zespole układy. Zdecydowana większość układów zachowuje się w sposób bliski średniej.