ข้ามไปเนื้อหา

กลศาสตร์เชิงสถิติ

จากวิกิพีเดีย สารานุกรมเสรี

ในฟิสิกส์ กลศาสตร์เชิงสถิติ (อังกฤษ: statistical mechanics) คือกรอบแนวคิดทางคณิตศาสตร์ที่นำวิธีการทางสถิติและทฤษฎีความน่าจะเป็นมาใช้ศึกษาระบบที่ประกอบด้วยหน่วยขนาดเล็กจำนวนมหาศาล ศาสตร์แขนงนี้บางครั้งเรียกว่า ฟิสิกส์สถิติ (statistical physics) หรือ อุณหพลศาสตร์เชิงสถิติ (statistical thermodynamics) และมีการประยุกต์ใช้กับปัญหาหลากหลายสาขา เช่น ชีววิทยา[1] ประสาทวิทยาศาสตร์[2] วิทยาการคอมพิวเตอร์[3][4] ทฤษฎีสารสนเทศ[5] และสังคมวิทยา[6] จุดมุ่งหมายหลักของศาสตร์นี้คือการอธิบายคุณสมบัติโดยรวมของสสารผ่านกฎทางฟิสิกส์ที่ควบคุมการเคลื่อนที่ของอะตอมต่าง ๆ[7][8]

กลศาสตร์เชิงสถิติเกิดขึ้นจากการพัฒนาของอุณหพลศาสตร์ดั้งเดิม ซึ่งเป็นสาขาที่ประสบความสำเร็จในการอธิบายสมบัติทางกายภาพระดับมหภาค เช่น อุณหภูมิ ความดัน และความร้อนจำเพาะ โดยอธิบายผ่านพารามิเตอร์ระดับจุลภาคที่มีการผันผวนรอบค่าเฉลี่ย และสามารถอธิบายได้ด้วยการแจกแจงความน่าจะเป็น[9]: 1–4 

ในขณะที่อุณหพลศาสตร์ดั้งเดิมมุ่งเน้นไปที่สมดุลทางอุณหพลศาสตร์ กลศาสตร์เชิงสถิติได้ถูกนำไปประยุกต์ใช้กับระบบนอกสมดุลเพื่อศึกษาการสร้างแบบจำลองระดับจุลภาคของอัตราการเกิดกระบวนการที่ไม่อาจย้อนกลับได้ ซึ่งเกิดจากความไม่สมดุลต่าง ๆ[9]: 3  ตัวอย่างของกระบวนการเหล่านี้ ได้แก่ ปฏิกิริยาเคมี การไหลของอนุภาค และการถ่ายเทความร้อน ทฤษฎีบทความผันผวน–การกระจายพลังงาน (fluctuation–dissipation theorem) ถือเป็นองค์ความรู้พื้นฐานที่เกิดจากการประยุกต์ใช้กลศาสตร์เชิงสถิติของระบบนอกสมดุล เพื่อศึกษาสถานการณ์นอกสมดุลอย่างง่ายที่สุด กล่าวคือ การไหลของกระแสไฟฟ้าในสถานะคงตัวของระบบที่ประกอบด้วยอนุภาคจำนวนมาก[9]: 572–573 

อ้างอิง

[แก้]
  1. ↑ Teschendorff, Andrew E.; Feinberg, Andrew P. (กรกฎาคม 2021). "Statistical mechanics meets single-cell biology". Nature Reviews Genetics. 22 (7): 459–476. doi:10.1038/s41576-021-00341-z. PMC 10152720. PMID 33875884.{{cite journal}}: CS1 maint: date auto-translated (ลิงก์)
  2. ↑ Advani, Madhu; Lahiri, Subhaneil; Ganguli, Surya (12 มีนาคม 2013). "Statistical mechanics of complex neural systems and high dimensional data". Journal of Statistical Mechanics: Theory and Experiment. 2013 (3). arXiv:1301.7115. Bibcode:2013JSMTE..03..014A. doi:10.1088/1742-5468/2013/03/P03014.{{cite journal}}: CS1 maint: date auto-translated (ลิงก์)
  3. ↑ Huang, Haiping (2021). Statistical Mechanics of Neural Networks. doi:10.1007/978-981-16-7570-6. ISBN 978-981-16-7569-0.
  4. ↑ Berger, Adam L.; Pietra, Vincent J. Della; Pietra, Stephen A. Della (มีนาคม 1996). "A maximum entropy approach to natural language processing" (PDF). Computational Linguistics. 22 (1): 39–71. INIST:3283782.{{cite journal}}: CS1 maint: date auto-translated (ลิงก์)
  5. ↑ Jaynes, E. T. (15 พฤษภาคม 1957). "Information Theory and Statistical Mechanics". Physical Review. 106 (4): 620–630. Bibcode:1957PhRv..106..620J. doi:10.1103/PhysRev.106.620.{{cite journal}}: CS1 maint: date auto-translated (ลิงก์)
  6. ↑ Durlauf, Steven N. (14 กันยายน 1999). "How can statistical mechanics contribute to social science?". Proceedings of the National Academy of Sciences. 96 (19): 10582–10584. Bibcode:1999PNAS...9610582D. doi:10.1073/pnas.96.19.10582. PMC 33748. PMID 10485867.{{cite journal}}: CS1 maint: date auto-translated (ลิงก์)
  7. ↑ Huang, Kerson (2009-09-21). Introduction to Statistical Physics (พิมพ์ครั้งที่ 2nd). CRC Press. น. 15. ISBN 978-1-4200-7902-9.
  8. ↑ Germano, R. (2022). Física Estatística do Equilíbrio: um curso introdutório (ภาษาโปรตุเกส). Rio de Janeiro: Ciência Moderna. น. 156. ISBN 978-65-5842-144-3.
  9. 1 2 3 Reif, Frederick (1965). Fundamentals of Statistical and Thermal Physics. McGraw–Hill. น. 651. ISBN 978-0-07-051800-1.

อ่านเพิ่ม

[แก้]

แหล่งข้อมูล

[แก้]