tecktom.com

例題:大分配関数と密度揺らぎ

2026年10月15日4分で読めますAI生成教科書『基礎理論』第3章 三つのアンサンブル
目次
  1. 解 (1)。
  2. 解 (2)。
  3. カノニカル分布との関係。
  4. 木下の層

AI 生成・木下が未勉強

統計熱力学入門 第3章 §3.11 ★★★ ⟨E⟩,⟨N⟩\langle E \rangle ,\langle N \rangle の Ξ\Xi 表示・密度揺らぎ Δρ∝V−1/2\Delta\rho\propto V^{-1/2}・等価性。大分配関数の使い方の演習。

解 (1)。

状態 ii の実現確率は pi=ΞV−1(1/Ni!) e−β(Ei−μNi)p_i=\Xi_V^{-1}(1/N_i!)\,e^{-\beta(E_i-\mu N_i)} である。まず μ\mu で微分すると∂μe−β(Ei−μNi)=βNi e−β(Ei−μNi)\partial_\mu e^{-\beta(E_i-\mu N_i)}=\beta N_i\,e^{-\beta(E_i-\mu N_i)} なので

∂ΞV∂μ=β∑iNi 1Ni! e−β(Ei−μNi)=β ⟨N⟩ ΞV⟹  ⟨N⟩=1β∂∂μlog⁡ΞV  .\frac{\partial\Xi_V}{\partial\mu} =\beta\sum_i N_i\,\frac{1}{N_i!}\,e^{-\beta(E_i-\mu N_i)} =\beta\,\langle N \rangle \,\Xi_V \quad\Longrightarrow\quad \boxed{\;\langle N \rangle =\frac{1}{\beta}\frac{\partial}{\partial\mu}\log\Xi_V\;}.

次に μ\mu を固定して β\beta で微分すると∂βe−β(Ei−μNi)=−(Ei−μNi) e−β(Ei−μNi)\partial_\beta e^{-\beta(E_i-\mu N_i)}=-(E_i-\mu N_i)\,e^{-\beta(E_i-\mu N_i)} なので

∂ΞV∂β=−⟨E−μN⟩ ΞV  ⟹  ⟨E⟩−μ⟨N⟩=−∂∂βlog⁡ΞV,\frac{\partial\Xi_V}{\partial\beta}=-\langle E-\mu N \rangle \,\Xi_V \;\Longrightarrow\; \langle E \rangle -\mu\langle N \rangle =-\frac{\partial}{\partial\beta}\log\Xi_V,

これに上の ⟨N⟩\langle N \rangle を代入して

  ⟨E⟩=−∂∂βlog⁡ΞV+μβ∂∂μlog⁡ΞV  .\boxed{\;\langle E \rangle =-\frac{\partial}{\partial\beta}\log\Xi_V +\frac{\mu}{\beta}\frac{\partial}{\partial\mu}\log\Xi_V\;}.

解 (2)。

ρ=N/V\rho=N/V なので⟨ρ2⟩−⟨ρ⟩2=V−2(⟨N2⟩−⟨N⟩2)\langle \rho^2 \rangle -\langle \rho \rangle ^2=V^{-2}\bigl(\langle N^2 \rangle -\langle N \rangle ^2\bigr)、すなわちΔρ=ΔN/V\Delta\rho=\Delta N/V。∂μlog⁡ΞV=β⟨N⟩\partial_\mu\log\Xi_V=\beta\langle N \rangle をもう一度 μ\mu で微分すると

∂2∂μ2log⁡ΞV=1ΞV∂2ΞV∂μ2−(1ΞV∂ΞV∂μ) ⁣2=β2⟨N2⟩−β2⟨N⟩2\frac{\partial^2}{\partial\mu^2}\log\Xi_V =\frac{1}{\Xi_V}\frac{\partial^2\Xi_V}{\partial\mu^2} -\left(\frac{1}{\Xi_V}\frac{\partial\Xi_V}{\partial\mu}\right)^{\!2} =\beta^2\langle N^2 \rangle -\beta^2\langle N \rangle ^2

(途中 ∂μ2ΞV=β2⟨N2⟩ ΞV\partial_\mu^2\Xi_V=\beta^2\langle N^2 \rangle \,\Xi_V を使用)。log⁡ΞV=−βJV\log\Xi_V=-\beta J_V を代入すると ∂μ2log⁡ΞV=−β ∂μ2JV\partial_\mu^2\log\Xi_V=-\beta\,\partial_\mu^2 J_V なので

⟨N2⟩−⟨N⟩2=−1β∂2JV∂μ2,  Δρ=1V−1β∂2JV∂μ2  .\langle N^2 \rangle -\langle N \rangle ^2=-\frac{1}{\beta}\frac{\partial^2 J_V}{\partial\mu^2}, \qquad \boxed{\;\Delta\rho=\frac{1}{V}\sqrt{-\frac{1}{\beta}\frac{\partial^2 J_V}{\partial\mu^2}}\;}.

(分散は非負なので ∂μ2JV≤0\partial_\mu^2 J_V\le0、すなわち JVJ_V は μ\mu の凹関数であることも同時に従う。)

熱力学極限では、§8で示したとおり JV(β,μ)=V j(β,μ)J_V(\beta,\mu)=V\,j(\beta,\mu)(j=−Pj=-P)と示量的に書けるから ∂μ2JV=V ∂μ2j∝V\partial_\mu^2 J_V=V\,\partial_\mu^2 j\propto V であり、

Δρ=1V−β−1V ∂μ2j=1V−β−1 ∂μ2j  ∝  1V  →  V→∞    0.\Delta\rho =\frac{1}{V}\sqrt{-\beta^{-1}V\,\partial_\mu^2 j} =\frac{1}{\sqrt{V}}\sqrt{-\beta^{-1}\,\partial_\mu^2 j} \;\propto\;\frac{1}{\sqrt{V}} \;\xrightarrow{\;V\to\infty\;}\;0.

密度の揺らぎは V−1/2V^{-1/2} で消える。

カノニカル分布との関係。

ΔN/⟨N⟩∼V−1/2→0\Delta N/\langle N \rangle \sim V^{-1/2}\to0 となるから、粒子数 NN の分布は平均値 ⟨N⟩\langle N \rangle のまわりに鋭くピークを持つ。したがって μ\mu を固定するグランドカノニカル分布も、実質的には粒子数が N=⟨N⟩N=\langle N \rangle に固定されたカノニカル分布と区別がつかない。実際、ΞV=∑NeβμNZV(β,N)\Xi_V=\sum_N e^{\beta\mu N}Z_V(\beta,N) という NN についての和は V→∞V\to\infty でN=⟨N⟩N=\langle N \rangle の項のみが支配的になり(§7)、グランドカノニカル分布はその ⟨N⟩\langle N \rangle を粒子数に持つカノニカル分布へ帰着する。両分布から計算される熱力学量は一致する(アンサンブルの等価性)。なお相転移点では ∂μ2J→∞\partial_\mu^2 J\to\infty となってこの帰着が破れる(§7のコラム)。

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