Home
Explore Uedu
Student Console
Register as Member/Login
(2) In future presentations of the research findings, in addition to the course project website and public presentations, your real name and personal information will not appear in this research report. If you are interested in the research results, we can provide you with an executive summary after the study is completed.
問卷中心
Teacher Console
Course Setup
Support & Messages
Uptime Data

UeduGPTs

--

Jupyters

0

Local AI

--

CISOSE26 本地 AI UG26
臺北 AQI 17 · 臺中 AQI 41 · 臺南 AQI 29 · 高雄 AQI 39

AI Reply Desktop Notifications

Show a desktop notification when the AI TA finishes replying

Chat Message Notifications

Notify me when classmates post messages in the forum

Sound notification

Play an alert sound whenever there is a new notification

熱力學

熵與熱力學第二定律:從卡諾循環到統計詮釋

嚴謹推導克勞修斯不等式、熵增原理與玻茲曼統計,並延伸至漲落定理與黑洞熵

從不可逆性出發:為何時間有箭頭

把一滴墨水滴入清水,墨水會自發擴散均勻,卻從未見過已混勻的墨水自動聚回一滴。這種「單向性」在牛頓力學裡找不到對應——力學方程對時間反演對稱。熱力學第二定律正是補上這條物理缺口的基本律:在孤立系統中存在一個態函數「熵」(entropy)$S$,其變化只能不減。本文不停留在「亂度增加」的口語比喻,而要從卡諾循環、克勞修斯不等式、一路推到統計詮釋,把第二定律的數學骨架攤開。

熵與熱力學第二定律概念示意圖

卡諾定理與熵的定義

考慮一個在高溫熱庫 $T_H$ 與低溫熱庫 $T_C$ 之間運作的可逆熱機。卡諾(Carnot)證明,任何工作於兩固定溫度間的熱機,其效率上限只取決於溫度:

$$ \eta_{\text{Carnot}} = 1 - \frac{T_C}{T_H}. $$

對可逆卡諾循環,吸放熱與溫度滿足

$$ \frac{Q_H}{T_H} = \frac{Q_C}{T_C}\quad\Longrightarrow\quad \frac{Q_H}{T_H} - \frac{Q_C}{T_C} = 0, $$

其中 $Q$ 取代數符號(系統吸熱為正)後寫成 $\sum_i \frac{Q_i}{T_i}=0$。把任意可逆循環用無限多個微小卡諾循環拼貼覆蓋,相鄰絕熱線互相抵消,便得到克勞修斯(Clausius)對可逆過程的核心結果:

$$ \oint \frac{\delta Q_{\text{rev}}}{T} = 0. $$

迴路積分為零意味著被積量是某個態函數的全微分。克勞修斯據此定義熵:

$$ \mathrm{d}S \equiv \frac{\delta Q_{\text{rev}}}{T},\qquad \Delta S = \int_A^B \frac{\delta Q_{\text{rev}}}{T}. $$

關鍵在於:$S$ 是態函數,$\Delta S$ 只依賴始末狀態,與路徑無關。即使實際過程不可逆,只要找一條連接相同始末態的可逆路徑來積分,就能算出熵變。

克勞修斯不等式與熵增原理

對不可逆循環,卡諾效率必然較低,可推得克勞修斯不等式:

$$ \oint \frac{\delta Q}{T} \le 0, $$

等號僅在全可逆時成立。把一個不可逆過程 $A\to B$ 與一條可逆回程 $B\to A$ 接成迴路,代入上式並利用 $\int_B^A \frac{\delta Q_{\text{rev}}}{T} = -\Delta S$,得到

$$ \Delta S \ge \int_A^B \frac{\delta Q}{T}. $$

對孤立系統 $\delta Q = 0$,因此

$$ \boxed{\;\Delta S_{\text{iso}} \ge 0\;} $$

這就是熵增原理:孤立系統的熵不減,平衡態對應熵的極大值。第二定律不是禁止能量轉換,而是限制其「方向」與「品質」。

從巨觀到微觀:玻茲曼與吉布斯

熱力學只說「熵會增加」,統計力學則回答「為什麼」。玻茲曼(Boltzmann)把熵與微觀態數 $\Omega$ 連結:

$$ S = k_B \ln \Omega, $$

其中 $k_B \approx 1.381\times10^{-23}\ \mathrm{J/K}$。更一般的吉布斯(Gibbs)熵以系綜機率 $p_i$ 表示:

$$ S = -k_B \sum_i p_i \ln p_i. $$

在等機率假設 $p_i = 1/\Omega$ 下二者一致。熵增的微觀意義是:系統自發演化到對應微觀態數最多的巨觀態。第二定律因此具有統計性質——它是壓倒性機率,而非絕對禁令;對 $N\sim 10^{23}$ 的系統,違反它的機率小到宇宙年齡尺度都觀察不到。

定量小範例:兩物體熱接觸的總熵變

取兩塊相同物質、熱容量皆為 $C = 800\ \mathrm{J/K}$(視為定值)的金屬塊,初溫分別 $T_1 = 400\ \mathrm{K}$、$T_2 = 200\ \mathrm{K}$,置於絕熱容器中接觸至平衡。

步驟一:求末溫。 能量守恆 $C(T_f - T_1) + C(T_f - T_2)=0$,得

$$ T_f = \frac{T_1+T_2}{2} = 300\ \mathrm{K}. $$

步驟二:各塊熵變。 沿可逆等容路徑 $\mathrm{d}S = C\,\mathrm{d}T/T$:

$$ \Delta S_1 = C\ln\frac{T_f}{T_1} = 800\ln\frac{300}{400} = 800\times(-0.2877) = -230.2\ \mathrm{J/K}, $$ $$ \Delta S_2 = C\ln\frac{T_f}{T_2} = 800\ln\frac{300}{200} = 800\times(0.4055) = +324.4\ \mathrm{J/K}. $$

步驟三:總熵變。

$$ \Delta S_{\text{tot}} = \Delta S_1 + \Delta S_2 = +94.2\ \mathrm{J/K} > 0. $$

熱由高溫流向低溫,孤立系統總熵增加,與第二定律一致。若反向(熱自低溫流向高溫)則 $\Delta S<0$,被禁止。注意:高溫塊放熱使熵減,低溫塊吸熱使熵增更多,淨效果為正——這正是「相同熱量在低溫處攜帶更多熵」的數學體現。

深入探討(研究所視角)

在統計力學的正則系綜中,熵自然地以分布泛函形式登場。最大熵原理(Jaynes)指出:在給定平均能量約束 $\langle E\rangle = U$ 下,使吉布斯熵 $S=-k_B\sum_i p_i\ln p_i$ 極大的分布即玻茲曼分布。引入拉格朗日乘子 $\alpha,\beta$ 構造泛函

$$ \mathcal{L} = -k_B\sum_i p_i\ln p_i - \alpha\Big(\sum_i p_i - 1\Big) - \beta\Big(\sum_i p_i E_i - U\Big), $$

令 $\partial\mathcal{L}/\partial p_i = 0$ 解得 $p_i \propto e^{-\beta E_i}$,並辨識 $\beta = 1/(k_B T)$。此處拉格朗日乘子並非數學技巧而具物理身分:$\beta$ 是逆溫、$\alpha$ 對應化學勢/配分函數正規化。配分函數 $Z=\sum_i e^{-\beta E_i}$ 一旦寫出,所有熱力學量皆由 $F=-k_B T\ln Z$ 的偏微分導出,第二定律則化為自由能在固定 $T,V$ 下的極小化 $\mathrm{d}F\le 0$。

第二定律與時間箭頭的關係牽涉到更深的問題——洛施密特(Loschmidt)佯謬:可逆的微觀動力學如何導出不可逆的巨觀熵增?玻茲曼的 H 定理透過分子混沌假設(Stosszahlansatz)證明 $H=\int f\ln f\,\mathrm{d}^3v$ 單調不增,但該假設本身已悄悄引入時間方向性。現代觀點傾向把熵增歸於初始條件的低熵(宇宙學初態)與相空間粗粒化(coarse-graining)的結合,而非純動力學結論。

漲落定理(fluctuation theorems,如 Jarzynski 等式 $\langle e^{-\beta W}\rangle = e^{-\beta\Delta F}$ 與 Crooks 關係)是近三十年的重大進展,把第二定律從不等式提升為等式:它精確量化了小系統中「短暫違反」第二定律的機率比 $P(+\sigma)/P(-\sigma)=e^{\sigma/k_B}$,並在分子馬達、單分子拉伸實驗中獲驗證。這顯示第二定律的不等式形式是漲落關係取平均後的弱化版本。

熵概念更跨越學科邊界:在資訊論中夏農熵 $H=-\sum p_i\log p_i$ 與吉布斯熵同構,蘭道爾原理(Landauer)指出抹除一位元資訊至少耗散 $k_B T\ln 2$ 的熱,把資訊與熱力學第二定律縫合,並化解了馬克士威惡魔佯謬。在重力場論中,貝肯斯坦—霍金(Bekenstein–Hawking)黑洞熵 $S = k_B A/(4\ell_P^2)$ 將熵與事件視界面積掛鉤,催生了廣義第二定律與全像原理,至今仍是量子重力研究的核心線索。從卡諾的蒸汽機到黑洞視界,熵始終是貫穿物理學各層級最深刻的統一概念之一。

AI 共讀助教正在陪你讀:熵與熱力學第二定律:從卡諾循環到統計詮釋
嗨!我是這篇文章的共讀助教,只根據〈熵與熱力學第二定律:從卡諾循環到統計詮釋〉的內容回答。可以問我「解釋某段」「舉個例子」「出題考我」,或反白文中段落後點下方「解釋選取段落」。