양자역학계의 통계역학
양자통계역학 은 양자역학계에 적용 되는 통계역학 이다.양자역학에서 통계적 앙상블(가능 양자상태 에 대한 확률 분포)은 양자계 를 기술하는 힐버트 공간 H상의 트레이스 1의 비음성, 자기접점 , 트레이스 클래스 연산자 S 에 의해 기술된다. 이것 은 양자역학의 다양한 수학적 형식론 에서 보여질 수 있다.그러한 형식주의 중 하나는 양자 논리에 의해 제공 된다.
기대. 고전적인 확률 이론으로부터, 우리는 랜덤 변수 X의 기대치 가 그것 의 분포X D에 의해 정의된다는 것을 안다.
E ( X ) = ∫ R λ d D X ( λ ) {\displaystyle \mathbb {E} (X)=\int _{\mathbb {R}}\lambda \,d,\operatorname {D} _{X}(\lambda)} 물론 랜덤 변수가 적분 가능하거나 랜덤 변수가 음수가 아니라고 가정합니다. 마찬가지로, A를 양자역학계의 관측가능 이라고 하자 . A 는 H 상 에서 조밀하게 정의된 자기접속 연산자에 의해 부여됩니다.A의 스펙트럼 측정값은 다음 과 같이 정의된다.
E A ( U ) = ∫ U λ d E ( λ ) , {\displaystyle \operatorname {E} _{A} (U)=\int _{U}\lambda d\operatorname {E} (\displayda ) } A를 일의로 결정 하고 반대로 A에 의해 일의로 결정한다. E는A R 의 보렐 부분 집합에서 H 의 자기접점 투영 격자 Q로 부울 동형사상입니다. 확률 이론과 유사하게, 상태 S가 주어졌을 때, 우리는 R 의 보렐 부분 집합에서 정의된 확률 측도인 S 아래 의 A의 분포 를 도입합니다.
D A ( U ) = Tr ( E A ( U ) S ) . {\displaystyle \operatorname {D} _{A}(U)=\operatorname {Tr}(\operatorname {E} _{A}(U)S). } 마찬가지로, A 의 기대치는 확률 분포A D의 관점에서 다음과 같이 정의된다.
E ( A ) = ∫ R λ d D A ( λ ) . {\displaystyle \mathbb {E} (A)=\int _{\mathbb {R}}\lambda \,d,\operatorname {D} _{A}(\lambda) } 이 예상은 D의 정의에A 사용되는 혼합 상태 S에 상대적이다.
비고 . 기술적 이유로, 무한 연산자에 대해 보렐 함수 미적분에 의해 정의된 A 의 양의 부분과 음의 부분을 별도로 고려할 필요가 있다.
쉽게 알 수 있는 것은 다음과 같습니다.
E ( A ) = Tr ( A S ) = Tr ( S A ) . \displaystyle \mathbb {E}(A)=\operatorname {Tr}(AS)=\operatorname {Tr}(SA). } S가 벡터 δ (\displaystyle \psi ) 에 대응하는 순수 상태일 경우 다음과 같이 됩니다.
E ( A ) = ⟨ ψ A ψ ⟩ . \displaystyle \mathbb {E} (A)=\langle \psi A \psi \rangle .} 연산자 A의 트레이스는 다음과 같이 기술됩니다.
Tr ( A ) = ∑ m ⟨ m A m ⟩ . {\displaystyle \operatorname {Tr}(A)=\sum _{m}\sumle m A m\rangle .} 폰 노이만 엔트로피 상태의 무작위성을 기술하는 데 있어서 특별한 중요성의 하나는 공식적으로 정의된 S 의 폰 노이만 엔트로피이다.
H ( S ) = - Tr ( S log 2 ) 、 S ) { displaystyle \operatorname { H ( S ) = - \operatorname { Tr } ( S \ log _ {2} S ) } 。 실제로 연산자 S2 로그 S가 반드시 트레이스 클래스일 필요는 없습니다. 그러나 S가 추적 클래스가 아닌 음이 아닌 자가 점 연산자일 경우 Tr (S) = +self-consume를 정의한다. 또한 어떤 밀도 연산자 S도 대각화할 수 있으며, 어떤 직교 정규 기반에서 (아마도 무한한) 형태의 행렬로 나타낼 수 있습니다.
[ λ 1 0 ⋯ 0 ⋯ 0 λ 2 ⋯ 0 ⋯ ⋮ ⋮ ⋱ 0 0 λ n ⋮ ⋮ ⋱ ] {\displaystyle {bmatrix}\cdots & 0&\cdots & 0&\cdots &\cdots &\vdots &\0&\cdots &\vdots &\0&\cdots &\cdots &\dots\dots\dots\dots\dots\dots\dots\dots\cdots\dots\dots\dots\dots\dots\dots\cdots\dots 그리고 우리는
H ( S ) = − ∑ i λ i 로그. 2 λ i . {\displaystyle \operatorname {H}(S)=-\sum _{i}\sum _{i}\log _{2}\superda _{i}. } 확률이 0인 이벤트는 엔트로피의 원인이 되지 않기 때문에 0 log 2 0 0 = 0 {\displaystyle \;0 \log _{2}0=0 } 이라는 규칙이 있습니다 . 이 값은 확장 실수(즉 [0, θ])이며, 이는 분명히 S의 단일 불변량이다.
비고 . 일부 밀도 연산자 S의 경우 H (S) = +solid일 수 있다.사실 T는 대각행렬이다.
T = [ 1 2 ( 로그. 2 2 ) 2 0 ⋯ 0 ⋯ 0 1 3 ( 로그. 2 3 ) 2 ⋯ 0 ⋯ ⋮ ⋮ ⋱ 0 0 1 n ( 로그. 2 n ) 2 ⋮ ⋮ ⋱ ] {\displaystyle T=bgin{bmatrix}{\frac {1}{2(\log _{2}^{2}}}&\cdots \0&{\frac {1}{3(\log _{2}3)^2}}&\cdots & 0&\cdots & dots & dots T 는 음이 아닌 트레이스 클래스이며 T 로그2 T 가 트레이스 클래스가 아님을 나타낼 수 있습니다.
정리 .엔트로피는 단일 불변량이다.
고전적 인 엔트로피(정의의 유사성에 주목)와 유사하게, H(S)는 상태 S에서 무작위성의 양을 측정합니다.고유값이 분산될수록 시스템 엔트로피가 커집니다. 공간 H가 유한 차원인 시스템에서 엔트로피는 대각선 형태로 다음 표현을 갖는 상태 S에 대해 최대화된다.
[ 1 n 0 ⋯ 0 0 1 n … 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 1 n ] (\displaystyle {\frac {1}{n}}&\cdots & 0&{\frac {1}{n}}&\frac {n}}&\vdots &\vdots &\vdots &\frac {n}}&\frac {n}&\matrix 이러한 S 에 대해 H(S ) = log2 n. 상태 S를 최대 혼합 상태라고 합니다.
순수 한 상태는 형태 중 하나라는 것을 기억하라.
S = ψ ⟩ ⟨ ψ , (\displaystyle S= \psi \rangle \displayle \psi , ) θ에 대하여 노름 1의 벡터.
정리 .S 가 순수한 상태인 경우에만 H(S ) = 0입니다.
S 는 대각형이 0이 아닌 엔트리가 1인 경우에만 순수한 상태입니다.
엔트로피는 양자 얽힘 의 척도로 사용될 수 있다.
깁스 정준합주 평균 에너지 E를 가진 해밀턴 H에 의해 기술된 시스템의 앙상블을 고려합니다. H가 순수점 스펙트럼 을 가지며 H의 고유값 E n(\displaystyle E_{n })이 +displate로 충분히 빠르면 −r H e는 모든 양 의 r에 대해 음이 아닌 트레이스 클래스 연산자가 됩니다.
깁스 정규 앙상블은 주로 설명된다.
S = e − β H Tr ( e − β H ) . {\displaystyle S=mathrm {e} ^{-\display H}} {\operatorname {Tr}(\mathrm {e} ^{-\display H}}}}} 여기서 β는 에너지의 앙상블 평균이 다음을 만족하는 것이다.
Tr ( S H ) = E \displaystyle \operatorname {Tr}(SH)=E} 그리고.
Tr ( e − β H ) = ∑ n e − β E n = Z ( β ) {\displaystyle \operatorname {Tr}(\mathrm {e} ^{-\mathrm {e} ^{-\mathrm E_{n}} = Z(\beta)} } 이것은 분할 함수라고 불리며, 고전 통계 역학의 표준 분할 함수의 양자 역학 버전입니다.앙상블에서 무작위로 선택된 시스템이 에너지 고유값 E m {\display E_{m} 에 해당하는 상태에 있을 확률은 다음과 같습니다.
P ( E m ) = e − β E m ∑ n e − β E n . {\displaystyle {\mathcal {P}}(E_{m})=blac {-\sum E_{n}}{\sum E_{n}\mathrm {e}}}. } 특정 조건에서 깁스 표준 앙상블은 에너지 보존 요구 [clarification needed ] 조건의 대상 상태의 폰 노이만 엔트로피를 최대화합니다.
그랜드 표준 앙상블 에너지와 입자의 수가 변동할 수 있는 개방 시스템의 경우, 시스템은 밀도 매트릭스에 의해 설명되는 그랜드 표준 앙상블에 의해 설명됩니다.
ρ = e β ( ∑ i μ i N i − H ) Tr ( e β ( ∑ i μ i N i − H ) ) . {\displaystyle \rho =\frac {\mathrm {e} ^{\sum _{i}\mu _{i}-H}}}{\operatorname {Tr} \left(\mathrm {e} ^{\sum _ {i}\mu _{i}-H} } } } } } }오른쪽} } 여기서 N, N 2 , ...은 1 저장소와 교환되는 여러 종류의 입자에 대한 입자 번호 연산자입니다. 이것은 (다양한 N의) 표준 앙상블과 비교하여 더 많은 상태를 포함하는 밀도 매트릭스입니다.
그랜드 파티션 기능은
Z ( β , μ 1 , μ 2 , ⋯ ) = Tr ( e β ( ∑ i μ i N i − H ) ) {\displaystyle {\mathcal {Z}(\beta,\mu _{1},\mu _{2},\cdots)=\operatorname {Tr}(\mathrm {e}^{\mu _{i}N_{i}-H})}}})
「 」를 참조해 주세요. 레퍼런스 J. von Neumann, 양자역학 수학재단 , 프린스턴 대학 출판부, 1955 . F. Reif, 통계 및 열물리학 , McGraw-Hill, 1965.