До конца времен. Сознание, материя и поиск смысла в меняющейся Вселенной
Шрифт:
Именно поэтому выпадение всех орлов стало бы для вас шоком.
Мое объяснение опирается на тот факт, что большинство из нас интуитивно анализирует набор монет – примерно так же, как Максвелл и Больцман призывали анализировать емкость с паром. Точно так же, как ученые отказались рассматривать пар молекула за молекулой, мы, как правило, не оцениваем случайный набор одинаковых монет монета за монетой. Мы не обращаем внимания – нам до этого дела нет! – что 29-я монета легла орлом кверху, а 71-я – решкой. Вместо этого мы смотрим на набор монет в целом. И нам важно число выпавших орлов в сравнении с числом решек: на столе больше орлов, чем решек, или решек, чем орлов? Вдвое больше? Втрое больше? Примерно одинаково? Мы заметим значительное изменение в соотношении орлов и решек, но случайные перестановки, сохраняющие это соотношение, – скажем, если перевернуть 23-ю, 46-ю и 92-ю монеты с решки на орла и одновременно перевернуть 17-ю, 52-ю и 81-ю с орла на решку, – выглядят
Главное здесь – понять, что эти группы имеют не одинаковое число членов. Даже близко не одинаковое. И тогда становится очевидно, почему вас шокирует выпадение при случайном броске одних только орлов (в этой группе ровно один член), чуть меньше шокирует выпадение при случайном броске одной решки (группа со 100 членами), еще чуть меньше шокирует обнаружение двух решек (группа с 4950 членами), но бросок, давший половину орлов и половину решек, заставит вас только зевнуть (в этой группе сто миллиардов миллиардов миллиардов членов). Чем больше элементов в заданной группе, тем с большей вероятностью случайный бросок даст результат, относящийся именно к этой группе. Размер группы имеет значение.
Если этот материал вам не знаком, то вы, может быть, не понимаете, что мы только что проиллюстрировали важную концепцию энтропии. Энтропия заданной конфигурации монет – это размер соответствующей группы, число конфигураций, практически неотличимых от заданной [25] . Если похожих конфигураций много, данная конфигурация имеет высокую энтропию, если мало – низкую. При прочих равных условиях результат случайного броска скорее попадет в группу с высокой энтропией, поскольку в этой группе больше членов.
25
Точнее, энтропия есть логарифм числа членов в заданной группе. Эта важная математическая особенность гарантирует, что энтропия обладает разумными физическими свойствами (к примеру, когда две системы объединяют, их энтропии складываются), но при рассмотрении качественных свойств ее вполне можно проигнорировать. В главе 10 мы будем неявно пользоваться более точным определением, но пока хватит и этого.
Эта формулировка также связана с бытовым употреблением слова «энтропия», о котором я упоминал в начале раздела. Интуитивно беспорядочные конфигурации (представьте себе письменный стол, хаотически заваленный документами, ручками и скрепками) обладают высокой энтропией, потому что предметы в них можно организовать множеством способов, при которых итоговая раскладка будет выглядеть практически одинаково; если случайным образом переложить беспорядочную конфигурацию, она все равно будет выглядеть беспорядочной. Упорядоченные конфигурации (представьте безупречно чистый стол, на котором все документы, ручки и скрепки аккуратно разложены по местам) обладают низкой энтропией, поскольку существует очень немного вариантов раскладки вещей, при которых вся система будет выглядеть так же. Как и в случае с монетами, высокая энтропия выглядит привлекательно, потому что беспорядочных раскладок гораздо больше, чем упорядоченных.
Энтропия: факты
Монеты особенно полезны, потому что прекрасно иллюстрируют подход, при помощи которого ученые разбираются с большими наборами частиц, составляющих физические системы, будь то молекулы воды, снующие туда-сюда в горячей паровой машине, или молекулы воздуха, летающие по комнате, где вы сейчас дышите. Как и с монетами, мы игнорируем детальную информацию об отдельных частицах (не важно, находится ли конкретная молекула воды или воздуха в каком-то определенном месте) и вместо этого группируем конфигурации частиц, которые выглядят практически одинаково. Для монет критерием одинаковости конфигураций служит соотношение орлов и решек, и, поскольку нас, как правило, не интересует, как легла конкретная монета, мы обращаем внимание только на общий вид конфигурации. Но что означает «конфигурации выглядят практически одинаково» для большого набора молекул газа?
Представьте себе воздух, наполняющий сейчас вашу комнату. Если вы похожи на меня и на остальных людей, то вам совершенно все равно, пролетает ли в настоящий момент вот эта молекула кислорода мимо окна или отскакивает ли вон та молекула азота от пола. Вам важно лишь, чтобы каждый раз при вдохе в легкие попадал достаточный для ваших нужд объем воздуха. Впрочем, есть еще пара характеристик, которые вас, скорее всего, интересуют. Если бы температура воздуха была так высока, что он сжег бы ваши легкие, вам бы это не понравилось. Или если бы давление воздуха было таким высоким (и вы не выровняли его с давлением воздуха, уже находящегося в ваших евстахиевых трубах), что у вас
Соответственно, для относительно большого набора молекул в некоторой емкости мы говорим, что различные конфигурации выглядят практически одинаково, если они наполняют один и тот же объем, имеют одинаковую температуру и оказывают одинаковое давление. Как с монетами, мы группируем похожие конфигурации молекул и говорим, что каждый член группы порождает одно и то же макросостояние. Энтропией макросостояния является число таких похожих конфигураций. Предполагая, что вы в настоящий момент не включаете комнатный обогреватель (влияющий на температуру), не устанавливаете в комнате непроницаемую перегородку (что изменило бы объем) и не закачиваете в комнату дополнительный кислород (что изменило бы давление в ней), постоянно изменяющиеся конфигурации молекул воздуха, порхающих туда-сюда по комнате, в которой вы в настоящий момент находитесь, можно отнести к одной и той же группе – они все выглядят практически одинаково, – поскольку все они приводят к совершенно одинаковым макроскопическим параметрам, которые вы и наблюдаете.
Разбивка по группам схожих конфигураций – это необычайно мощный подход. Случайным образом брошенные монеты с большей вероятностью попадают в группу с б'oльшим количеством членов (с более высокой энтропией), и точно так же обстоит дело со случайным образом мечущимися в ограниченном объеме частицами. Понимание этого настолько же просто, насколько далеко идущие последствия все это имеет. Где бы ни находились частицы – в котле паровой машины, в вашей комнате или где угодно еще, – понимание типичных свойств самых обычных конфигураций (тех, что принадлежат к группам с самым большим количеством членов) позволяет нам предсказывать макроскопические свойства системы – те самые, что важны для нас. Конечно, это статистические предсказания, но вероятность того, что они окажутся точными, фантастически высока. А главное, мы добиваемся всего этого, избегая непреодолимой сложности анализа траекторий абсурдно большого количества частиц.
Таким образом, чтобы выполнить программу, нам необходимо отточить умение определять обычные (высокоэнтропийные) конфигурации частиц в противовес редким (низкоэнтропийным). То есть при заданном состоянии физической системы нам нужно определить, много или мало существует перестановок составляющих ее частей, при которых система по виду останется прежней. В качестве примера заглянем в наполненную паром ванную комнату сразу после того, как вы закончили нежиться под горячим душем. Чтобы определить энтропию пара, нужно посчитать число конфигураций молекул – их возможные положения и возможные скорости, – имеющих одинаковые макроскопические свойства, то есть одинаковый объем, температуру и давление [26] . Провести математический подсчет для набора молекул H2O намного сложнее, чем для набора одинаковых монет, но делать это большинство студентов-физиков научаются ко второму курсу. Проще да и полезнее разобраться в том, какое качественное влияние объем, температура и давление оказывают на энтропию.
26
В этом примере мы для простоты будем рассматривать только пар – молекулы H2O, плавающие в вашей ванной комнате. Мы не будем обращать внимание на воздух и другие вещества, которые там тоже присутствуют. Мы проигнорируем также внутреннее строение молекул воды и будем рассматривать их как бесструктурные точечные частицы. Когда речь пойдет о температуре пара, помните, что жидкая вода превращается в пар при 100 °C, но, если пар уже образован, его температуру можно поднять и выше этого значения.
Сначала объем. Представьте, что порхающие молекулы H2O собрались плотной кучкой в одном крохотном уголке вашей ванной и образовали там плотный комок пара. В такой конфигурации возможные перестановки молекул будут резко ограничены: передвигая молекулы воды в пространстве, вы должны будете удерживать их в пределах комка, иначе модифицированная конфигурация будет отличаться от первоначальной. В сравнении с этим при равномерном распределении пара по ванной игра в перестановки получится куда свободнее. Вы сможете менять местами молекулы, плавающие возле зеркала, с теми, что летают у светильника, а те, что летают вдоль занавески, с теми, что находятся у окна, – и при всем при том пар в ванной будет выглядеть совершенно одинаково. Отметьте также, что чем больше у вас ванная, тем больше места для распределения молекул, что также увеличивает число доступных конфигураций. Делаем вывод: меньшие по размеру и более плотные конфигурации молекул обладают меньшей энтропией, а б'oльшие и равномерно распределенные – большей.