tecktom.com

補遺:最大エントロピー原理による統一導出

2026年10月15日2分で読めますAI生成教科書『基礎理論』第1章 ルジャンドル変換と統計力学の基礎

AI 生成・木下が未勉強

統計熱力学入門 第1章 §1.5 ★ Jaynes の変分原理で三分布を一挙に導く別視点。背景として得点源。

各分布を「浴との接触」から導いたが、Jaynes の最大エントロピー原理を使うと、三つの分布が一つの変分問題の特別な場合として一挙に得られ、ルジャンドル構造が最も透明になる。

情報エントロピー S[P]=−kB∑iPiln⁡PiS[P]=- k_{\mathrm B}\sum_i P_i\ln P_i を、課された期待値拘束のもとで最大化する。ラグランジュ未定乗数を使うと、拘束に共役な乗数がちょうど示強変数になる。

アンサンブル拘束(固定する期待値)結果の分布
ミクロカノニカルなし(規格化のみ)Pi=1/WP_i=1/W(一様)
カノニカル⟨E⟩\langle E\rangle 固定Pi∝e−βEiP_i\propto\mathrm{e}^{-\beta E_i}
グランドカノニカル⟨E⟩,⟨N⟩\langle E\rangle,\langle N\rangle 固定Pi∝e−β(Ei−μNi)P_i\propto\mathrm{e}^{-\beta(E_i-\mu N_i)}

たとえばカノニカルでは、∑iPi=1\sum_i P_i=1 と ∑iPiEi=⟨E⟩\sum_i P_i E_i=\langle E\rangle の二拘束のもとで S[P]S[P] を最大化する。未定乗数 α,β\alpha,\beta を導入し δ[S/kB−α∑Pi−β∑PiEi]=0\delta\bigl[S/ k_{\mathrm B}-\alpha\sum P_i-\beta\sum P_iE_i\bigr]=0 を解くとPi∝e−βEiP_i\propto\mathrm{e}^{-\beta E_i} が出て、β\beta がエネルギー拘束に共役な乗数=逆温度として現れる。規格化乗数から ln⁡Z\ln Z が、すなわち F=−kBTln⁡ZF=- k_{\mathrm B} T\ln Z が自然に立ち現れる。

title=★★ まとめ:一つの構造の三つの顔

  • 数学:ルジャンドル変換は、凸関数を「独立変数 xx」と「共役な傾き pp」のあいだで双対的に付け替える。
  • 熱力学:示量変数 (S,V,N)(S,V,N) と示強変数 (T,p,μ)(T,p,\mu) の付け替えがルジャンドル変換であり、U,F,H,G,ΩU,F,H,G,\Omega はその選択的適用で得られる。凸性は安定性、その破れは相転移。
  • 統計力学:S=kBln⁡WS= k_{\mathrm B}\ln W, F=−kBTln⁡ZF=- k_{\mathrm B} T\ln Z, Ω=−kBTln⁡Ξ\Omega=- k_{\mathrm B} T\ln\Xi。分配関数はラプラス変換で連鎖し、熱力学極限の鞍点法を通じてポテンシャルのルジャンドル変換へ帰着する。
  • 情報論:最大エントロピー原理のラグランジュ乗数が示強変数であり、分配関数の対数が(符号付きの)ルジャンドル変換そのものとして現れる。

木下の勉強ステータス

木下はまだこの記事を勉強していません。

AI(Claude)が書いた教材を、木下が勉強しながら公開しています。式と数値は検算していますが、誤りが残っているかもしれません。誤りのご指摘・削除のご依頼をいただければ直します。 連絡先:support@tecktom.com

← AI生成教科書『基礎理論』の記事一覧へ