Статистическая сумма и ее связь с термодинамическими функциями

Статистическая сумма (partition function) является фундаментальным понятием статистической термодинамики, связывающим микроскопические состояния системы с макроскопическими термодинамическими величинами. Для системы, состоящей из дискретных энергетических уровней {Ei}, статистическая сумма Z определяется как

Z = ∑igieEi/kBT,

где gi — вырождение энергетического уровня i, kB — постоянная Больцмана, T — абсолютная температура. Для систем с непрерывным спектром уровней суммирование заменяется интегрированием по фазовому пространству.

Связь статистической суммы с энергетикой системы

Средняя энергия системы E через статистическую сумму выражается формулой:

$$ \langle E \rangle = - \frac{\partial \ln Z}{\partial \beta}, $$

где β = 1/(kBT). Это позволяет напрямую вычислять внутреннюю энергию вещества, используя только микроскопические уровни и их вырождения.

Для системы с N частицами статистическая сумма часто представляется как произведение одночастичных статистических сумм при отсутствии взаимодействий:

$$ Z_N = \frac{Z_1^N}{N!}, $$

что учитывает принцип неразличимости частиц (фактор 1/N!).

Связь с термодинамическими потенциалами

Статистическая сумма служит связующим звеном между микроскопическим и макроскопическим описанием через термодинамические потенциалы. Основные соотношения:

  • Свободная энергия Гельмгольца F:

F = −kBTln Z

Определяет работу, которую система может совершить при изотермическом процессе, и является ключевой величиной для вычисления энтропии и давления.

  • Энтропия S:

$$ S = -\left(\frac{\partial F}{\partial T}\right)_V = k_B \left( \ln Z + \beta \langle E \rangle \right) $$

Подчеркивает связь беспорядка системы с числом доступных микросостояний.

  • Внутренняя энергия U:

$$ U = \langle E \rangle = -\frac{\partial \ln Z}{\partial \beta} $$

Таким образом, внутренняя энергия полностью определяется статистической суммой.

  • Теплоёмкость при постоянном объёме CV:

$$ C_V = \left(\frac{\partial U}{\partial T}\right)_V = k_B \beta^2 \left( \langle E^2 \rangle - \langle E \rangle^2 \right) $$

Она связана с флуктуациями энергии, что демонстрирует фундаментальную роль статистической суммы в описании термодинамических колебаний.

Расширение на изотермо-изобарный ансамбль

Для систем, находящихся в контакте с тепло- и баростатом (изотермо-изобарный ансамбль), вводится функция Гиббса G через статистическую сумму Δ:

Δ = ∑ieβ(Ei + PVi),  G = −kBTln Δ

Эта формализация позволяет учитывать не только энергетические уровни, но и объемные флуктуации, что важно для фазовых переходов и химических реакций при постоянном давлении.

Разложение статистической суммы по энергиям

Статистическая сумма может быть представлена через энергетическое распределение g(E):

Z = ∫0g(E)eβEdE

где g(E)dE — число микросостояний с энергиями между E и E + dE. Это выражение формально связывает микроскопическое описание с энтропией через принцип Больцмана:

S = kBln g(E)

Таким образом, знание статистической функции позволяет строить все макроскопические термодинамические величины.

Факторы вырождения и корреляции

Для реальных систем учет вырождения энергетических уровней и взаимодействий между частицами изменяет форму статистической суммы. В этом случае вводятся корректирующие множители или используют кластерные разложения:

ln Z = ∑clustersbnzn

где bn — кластерные коэффициенты, z — одночастичная статистическая сумма. Такая методика используется для описания газов с взаимодействующими молекулами и для фазовых переходов.

Практическое значение

Статистическая сумма является инструментом вычисления практически всех термодинамических функций. Она обеспечивает переход от квантовомеханических или классических уровней энергии к измеряемым макроскопическим величинам, таким как давление, теплоёмкость, химический потенциал и энтропия. Любые изменения условий (температуры, объёма, давления) отражаются через соответствующие модификации статистической суммы, что делает этот инструмент универсальным для термодинамики химических систем.

Связь статистической суммы с термодинамическими функциями обеспечивает глубокое понимание физических процессов на микроуровне, позволяя предсказывать поведение веществ и фазовые переходы, а также разрабатывать модели сложных химических систем.