stringtranslate.com

Mecánica estadística

En física , la mecánica estadística es un marco matemático que aplica métodos estadísticos y teoría de la probabilidad a grandes conjuntos de entidades microscópicas. A veces llamada física estadística o termodinámica estadística , sus aplicaciones incluyen muchos problemas en los campos de la física, la biología , [1] la química , la neurociencia , [2] la informática , [3] [4] la teoría de la información [5] y la sociología . [6] Su principal propósito es aclarar las propiedades de la materia en conjunto, en términos de las leyes físicas que rigen el movimiento atómico. [7] [8]

La mecánica estadística surgió del desarrollo de la termodinámica clásica , un campo en el que tuvo éxito en explicar propiedades físicas macroscópicas (como la temperatura , la presión y la capacidad térmica ) en términos de parámetros microscópicos que fluctúan alrededor de valores promedio y se caracterizan por distribuciones de probabilidad . [ cita requerida ]

Mientras que la termodinámica clásica se ocupa principalmente del equilibrio termodinámico , la mecánica estadística se ha aplicado en la mecánica estadística del no equilibrio a las cuestiones de modelado microscópico de la velocidad de los procesos irreversibles que son impulsados ​​por desequilibrios. Ejemplos de tales procesos incluyen reacciones químicas y flujos de partículas y calor. El teorema de fluctuación-disipación es el conocimiento básico obtenido de la aplicación de la mecánica estadística del no equilibrio para estudiar la situación de no equilibrio más simple de un flujo de corriente en estado estacionario en un sistema de muchas partículas. [ cita requerida ]

Historia

En 1738, el físico y matemático suizo Daniel Bernoulli publicó Hydrodynamica , que sentó las bases de la teoría cinética de los gases . En esta obra, Bernoulli postuló el argumento, que todavía se utiliza hoy en día, de que los gases están formados por un gran número de moléculas que se mueven en todas direcciones, que su impacto sobre una superficie causa la presión del gas que sentimos y que lo que experimentamos como calor es simplemente la energía cinética de su movimiento. [9]

La fundación del campo de la mecánica estadística generalmente se atribuye a tres físicos:

En 1859, después de leer un artículo sobre la difusión de moléculas de Rudolf Clausius , el físico escocés James Clerk Maxwell formuló la distribución de Maxwell de velocidades moleculares, que daba la proporción de moléculas que tenían una cierta velocidad en un rango específico. [10] Esta fue la primera ley estadística en física. [11] Maxwell también dio el primer argumento mecánico de que las colisiones moleculares implican una igualación de temperaturas y, por lo tanto, una tendencia hacia el equilibrio. [12] Cinco años después, en 1864, Ludwig Boltzmann , un joven estudiante de Viena, se encontró con el artículo de Maxwell y pasó gran parte de su vida desarrollando el tema.

La mecánica estadística se inició en la década de 1870 con el trabajo de Boltzmann, gran parte del cual se publicó colectivamente en sus Lectures on Gas Theory de 1896. [13] Los artículos originales de Boltzmann sobre la interpretación estadística de la termodinámica, el teorema H , la teoría del transporte , el equilibrio térmico , la ecuación de estado de los gases y temas similares, ocupan alrededor de 2000 páginas en las actas de la Academia de Viena y otras sociedades. Boltzmann introdujo el concepto de un conjunto estadístico de equilibrio y también investigó por primera vez la mecánica estadística del no equilibrio, con su teorema H.

Portada del texto de Gibbs sobre mecánica estadística

El término "mecánica estadística" fue acuñado por el físico matemático estadounidense J. Willard Gibbs en 1884. [14] Según Gibbs, el término "estadístico", en el contexto de la mecánica, es decir, la mecánica estadística, fue utilizado por primera vez por el físico escocés James Clerk Maxwell en 1871:

"Al tratar con masas de materia, mientras no percibamos las moléculas individuales, nos vemos obligados a adoptar lo que he descrito como el método estadístico de cálculo y a abandonar el método dinámico estricto, en el que seguimos cada movimiento mediante el cálculo".

—  J. Clerk Maxwell [15]

"Mecánica probabilística" puede parecer hoy un término más apropiado, pero "mecánica estadística" está firmemente arraigada. [16] Poco antes de su muerte, Gibbs publicó en 1902 Principios elementales de mecánica estadística , un libro que formalizó la mecánica estadística como un enfoque totalmente general para abordar todos los sistemas mecánicos, macroscópicos o microscópicos, gaseosos o no gaseosos. [17] Los métodos de Gibbs se derivaron inicialmente en el marco de la mecánica clásica , sin embargo, eran de tal generalidad que se encontró que se adaptaban fácilmente a la mecánica cuántica posterior , y todavía forman la base de la mecánica estadística hasta el día de hoy. [18]

Principios: mecánica y conjuntos

En física, se suelen estudiar dos tipos de mecánica: la mecánica clásica y la mecánica cuántica . Para ambos tipos de mecánica, el enfoque matemático estándar consiste en considerar dos conceptos:

Utilizando estos dos conceptos, en principio se puede calcular el estado en cualquier otro momento, pasado o futuro. Sin embargo, existe una desconexión entre estas leyes y las experiencias de la vida cotidiana, ya que no consideramos necesario (ni siquiera teóricamente posible) conocer con exactitud a nivel microscópico las posiciones y velocidades simultáneas de cada molécula mientras llevamos a cabo procesos a escala humana (por ejemplo, al realizar una reacción química). La mecánica estadística llena esta desconexión entre las leyes de la mecánica y la experiencia práctica del conocimiento incompleto, añadiendo cierta incertidumbre sobre el estado en el que se encuentra el sistema.

Mientras que la mecánica ordinaria solo considera el comportamiento de un solo estado, la mecánica estadística introduce el conjunto estadístico , que es una gran colección de copias virtuales e independientes del sistema en varios estados. El conjunto estadístico es una distribución de probabilidad sobre todos los estados posibles del sistema. En la mecánica estadística clásica, el conjunto es una distribución de probabilidad sobre puntos de fase (a diferencia de un único punto de fase en la mecánica ordinaria), generalmente representado como una distribución en un espacio de fase con ejes de coordenadas canónicos . En la mecánica estadística cuántica, el conjunto es una distribución de probabilidad sobre estados puros y puede resumirse de forma compacta como una matriz de densidad .

Como es habitual en el caso de las probabilidades, el conjunto puede interpretarse de diferentes maneras: [17]

Estos dos significados son equivalentes para muchos propósitos y se utilizarán indistintamente en este artículo.

Independientemente de cómo se interprete la probabilidad, cada estado del conjunto evoluciona con el tiempo según la ecuación de movimiento. Por lo tanto, el propio conjunto (la distribución de probabilidad entre los estados) también evoluciona, ya que los sistemas virtuales del conjunto abandonan continuamente un estado y entran en otro. La evolución del conjunto se da mediante la ecuación de Liouville (mecánica clásica) o la ecuación de von Neumann (mecánica cuántica). Estas ecuaciones se derivan simplemente de la aplicación de la ecuación mecánica de movimiento por separado a cada sistema virtual contenido en el conjunto, conservándose la probabilidad del sistema virtual con el tiempo a medida que evoluciona de un estado a otro.

Una clase especial de conjunto son aquellos conjuntos que no evolucionan con el tiempo. Estos conjuntos se conocen como conjuntos de equilibrio y su condición se conoce como equilibrio estadístico . El equilibrio estadístico ocurre si, para cada estado del conjunto, el conjunto también contiene todos sus estados futuros y pasados ​​con probabilidades iguales a la probabilidad de estar en ese estado. (Por el contrario, el equilibrio mecánico es un estado con un equilibrio de fuerzas que ha dejado de evolucionar). El estudio de conjuntos de equilibrio de sistemas aislados es el foco de la termodinámica estadística. La mecánica estadística de no equilibrio aborda el caso más general de conjuntos que cambian con el tiempo y/o conjuntos de sistemas no aislados.

Termodinámica estadística

El objetivo principal de la termodinámica estadística (también conocida como mecánica estadística del equilibrio) es derivar la termodinámica clásica de los materiales en términos de las propiedades de sus partículas constituyentes y las interacciones entre ellas. En otras palabras, la termodinámica estadística proporciona una conexión entre las propiedades macroscópicas de los materiales en equilibrio termodinámico y los comportamientos y movimientos microscópicos que ocurren dentro del material.

Mientras que la mecánica estadística propiamente dicha se ocupa de la dinámica, aquí la atención se centra en el equilibrio estadístico (estado estacionario). El equilibrio estadístico no significa que las partículas hayan dejado de moverse ( equilibrio mecánico ), sino que el conjunto no evoluciona.

Postulado fundamental

Una condición suficiente (pero no necesaria) para el equilibrio estadístico con un sistema aislado es que la distribución de probabilidad sea una función únicamente de propiedades conservadas (energía total, número total de partículas, etc.). [17] Hay muchos conjuntos de equilibrio diferentes que pueden considerarse, y solo algunos de ellos corresponden a la termodinámica. [17] Se necesitan postulados adicionales para motivar por qué el conjunto para un sistema dado debe tener una forma u otra.

Un enfoque común que se encuentra en muchos libros de texto es tomar el postulado de probabilidad igual a priori . [18] Este postulado establece que

Para un sistema aislado con una energía y una composición exactamente conocidas, el sistema puede encontrarse con la misma probabilidad en cualquier microestado consistente con ese conocimiento.

El postulado de probabilidad a priori igual proporciona, por tanto, una motivación para el conjunto microcanónico que se describe a continuación. Hay varios argumentos a favor del postulado de probabilidad a priori igual:

También se han propuesto otros postulados fundamentales para la mecánica estadística. [9] [20] [21] Por ejemplo, estudios recientes muestran que la teoría de la mecánica estadística se puede construir sin el postulado de probabilidad a priori igual. [20] [21] Uno de estos formalismos se basa en la relación termodinámica fundamental junto con el siguiente conjunto de postulados: [20]

  1. La función de densidad de probabilidad es proporcional a alguna función de los parámetros del conjunto y las variables aleatorias.
  2. Las funciones de estado termodinámicas se describen mediante promedios de conjuntos de variables aleatorias.
  3. La entropía tal como se define en la fórmula de entropía de Gibbs coincide con la entropía tal como se define en la termodinámica clásica .

donde el tercer postulado puede ser reemplazado por el siguiente: [21]

  1. A temperatura infinita, todos los microestados tienen la misma probabilidad.

Tres conjuntos termodinámicos

Existen tres conjuntos de equilibrio de forma simple que pueden definirse para cualquier sistema aislado acotado dentro de un volumen finito. [17] Estos son los conjuntos más discutidos en termodinámica estadística. En el límite macroscópico (definido a continuación) todos ellos corresponden a la termodinámica clásica.

Conjunto microcanónico
describe un sistema con una energía dada con precisión y una composición fija (número preciso de partículas). El conjunto microcanónico contiene con igual probabilidad cada estado posible que sea consistente con esa energía y composición.
Conjunto canónico
describe un sistema de composición fija que está en equilibrio térmico con un baño de calor de una temperatura precisa . El conjunto canónico contiene estados de energía variable pero composición idéntica; a los diferentes estados del conjunto se les asignan diferentes probabilidades en función de su energía total.
Gran conjunto canónico
describe un sistema con una composición no fija (número incierto de partículas) que está en equilibrio térmico y químico con un reservorio termodinámico. El reservorio tiene una temperatura precisa y potenciales químicos precisos para varios tipos de partículas. El conjunto gran canónico contiene estados de energía variable y número variable de partículas; a los diferentes estados del conjunto se les asignan diferentes probabilidades dependiendo de su energía total y número total de partículas.

En el caso de sistemas que contienen muchas partículas (el límite termodinámico ), los tres conjuntos enumerados anteriormente tienden a mostrar un comportamiento idéntico. Por lo tanto, es simplemente una cuestión de conveniencia matemática qué conjunto se utiliza. [22] El teorema de Gibbs sobre la equivalencia de conjuntos [23] se desarrolló en la teoría del fenómeno de concentración de la medida , [24] que tiene aplicaciones en muchas áreas de la ciencia, desde el análisis funcional hasta los métodos de inteligencia artificial y la tecnología de big data . [25]

Los casos importantes en los que los conjuntos termodinámicos no dan resultados idénticos incluyen:

En estos casos, se debe elegir el conjunto termodinámico correcto, ya que existen diferencias observables entre estos conjuntos, no sólo en el tamaño de las fluctuaciones, sino también en las cantidades promedio, como la distribución de partículas. El conjunto correcto es el que corresponde a la forma en que se ha preparado y caracterizado el sistema, es decir, el conjunto que refleja el conocimiento sobre ese sistema. [18]

Métodos de cálculo

Una vez calculada la función de estado característica de un conjunto para un sistema dado, dicho sistema queda "resuelto" (se pueden extraer observables macroscópicos de la función de estado característica). Sin embargo, calcular la función de estado característica de un conjunto termodinámico no es necesariamente una tarea sencilla, ya que implica considerar todos los estados posibles del sistema. Si bien algunos sistemas hipotéticos se han resuelto con exactitud, el caso más general (y realista) es demasiado complejo para una solución exacta. Existen varios enfoques para aproximarse al conjunto verdadero y permitir el cálculo de cantidades promedio.

Exacto

Hay algunos casos que permiten soluciones exactas.

Montecarlo

Aunque algunos problemas en física estadística pueden resolverse analíticamente utilizando aproximaciones y expansiones, la mayoría de las investigaciones actuales utilizan la gran potencia de procesamiento de las computadoras modernas para simular o aproximar soluciones. Un enfoque común para los problemas estadísticos es utilizar una simulación de Monte Carlo para obtener información sobre las propiedades de un sistema complejo . Los métodos de Monte Carlo son importantes en física computacional , química física y campos relacionados, y tienen diversas aplicaciones, incluida la física médica , donde se utilizan para modelar el transporte de radiación para cálculos de dosimetría de radiación. [27] [28] [29]

El método de Monte Carlo examina sólo algunos de los estados posibles del sistema, y ​​los elige aleatoriamente (con un peso justo). Siempre que estos estados formen una muestra representativa de todo el conjunto de estados del sistema, se obtiene la función característica aproximada. A medida que se incluyen más muestras aleatorias, los errores se reducen a un nivel arbitrariamente bajo.

Otro

Mecánica estadística del no equilibrio

Muchos fenómenos físicos implican procesos cuasi-termodinámicos fuera de equilibrio, por ejemplo:

Todos estos procesos ocurren a lo largo del tiempo con velocidades características. Estas velocidades son importantes en ingeniería. El campo de la mecánica estadística del desequilibrio se ocupa de comprender estos procesos de desequilibrio a nivel microscópico. (La termodinámica estadística sólo se puede utilizar para calcular el resultado final, una vez que se han eliminado los desequilibrios externos y el conjunto ha vuelto a alcanzar el equilibrio).

En principio, la mecánica estadística de no equilibrio podría ser matemáticamente exacta: los conjuntos de un sistema aislado evolucionan con el tiempo según ecuaciones deterministas como la ecuación de Liouville o su equivalente cuántico, la ecuación de von Neumann . Estas ecuaciones son el resultado de aplicar las ecuaciones mecánicas del movimiento de forma independiente a cada estado del conjunto. Estas ecuaciones de evolución del conjunto heredan gran parte de la complejidad del movimiento mecánico subyacente, por lo que es muy difícil obtener soluciones exactas. Además, las ecuaciones de evolución del conjunto son completamente reversibles y no destruyen la información (se conserva la entropía de Gibbs del conjunto ). Para avanzar en la modelización de procesos irreversibles, es necesario considerar factores adicionales además de la probabilidad y la mecánica reversible.

Por lo tanto, la mecánica del desequilibrio es un área activa de investigación teórica, ya que se sigue explorando el rango de validez de estos supuestos adicionales. En las siguientes subsecciones se describen algunos enfoques.

Métodos estocásticos

Un enfoque de la mecánica estadística del desequilibrio consiste en incorporar un comportamiento estocástico (aleatorio) al sistema. El comportamiento estocástico destruye la información contenida en el conjunto. Si bien esto es técnicamente inexacto (aparte de las situaciones hipotéticas que involucran agujeros negros , un sistema no puede por sí mismo causar pérdida de información), la aleatoriedad se agrega para reflejar que la información de interés se convierte con el tiempo en correlaciones sutiles dentro del sistema, o en correlaciones entre el sistema y el entorno. Estas correlaciones aparecen como influencias caóticas o pseudoaleatorias sobre las variables de interés. Al reemplazar estas correlaciones con la aleatoriedad propiamente dicha, los cálculos pueden resultar mucho más fáciles.

Métodos de casi equilibrio

Otra clase importante de modelos mecánicos estadísticos de no equilibrio se ocupa de sistemas que se ven perturbados muy levemente con respecto al equilibrio. Con perturbaciones muy pequeñas, la respuesta puede analizarse en la teoría de respuesta lineal . Un resultado notable, tal como se formaliza mediante el teorema de fluctuación-disipación , es que la respuesta de un sistema cuando está cerca del equilibrio está relacionada precisamente con las fluctuaciones que ocurren cuando el sistema está en equilibrio total. Esencialmente, un sistema que está ligeramente alejado del equilibrio (ya sea que haya sido puesto allí por fuerzas externas o por fluctuaciones) se relaja hacia el equilibrio de la misma manera, ya que el sistema no puede notar la diferencia o "saber" cómo llegó a estar alejado del equilibrio. [30] : 664 

Esto proporciona una vía indirecta para obtener números como la conductividad óhmica y la conductividad térmica extrayendo resultados de la mecánica estadística del equilibrio. Dado que la mecánica estadística del equilibrio está matemáticamente bien definida y (en algunos casos) es más adecuada para los cálculos, la conexión fluctuación-disipación puede ser un atajo conveniente para los cálculos en la mecánica estadística del equilibrio cercano.

Algunas de las herramientas teóricas utilizadas para realizar esta conexión incluyen:

Métodos híbridos

Un enfoque avanzado utiliza una combinación de métodos estocásticos y teoría de respuesta lineal . Como ejemplo, un enfoque para calcular los efectos de coherencia cuántica ( localización débil , fluctuaciones de conductancia ) en la conductancia de un sistema electrónico es el uso de las relaciones de Green-Kubo, con la inclusión del desfase estocástico por interacciones entre varios electrones mediante el uso del método de Keldysh. [31] [32]

Aplicaciones

El formalismo de conjuntos se puede utilizar para analizar sistemas mecánicos generales con incertidumbre en el conocimiento sobre el estado de un sistema. Los conjuntos también se utilizan en:

La física estadística explica y describe cuantitativamente la superconductividad , la superfluidez , la turbulencia , los fenómenos colectivos en sólidos y plasmas , y las características estructurales de los líquidos . Es la base de la astrofísica moderna . En la física del estado sólido, la física estadística ayuda al estudio de los cristales líquidos , las transiciones de fase y los fenómenos críticos . Muchos estudios experimentales de la materia se basan completamente en la descripción estadística de un sistema. Estos incluyen la dispersión de neutrones fríos , rayos X , luz visible y más. La física estadística también desempeña un papel en la ciencia de los materiales, la física nuclear, la astrofísica, la química, la biología y la medicina (por ejemplo, el estudio de la propagación de enfermedades infecciosas). [ cita requerida ]

Las técnicas analíticas y computacionales derivadas de la física estadística de sistemas desordenados pueden extenderse a problemas de gran escala, incluido el aprendizaje automático, por ejemplo, para analizar el espacio de pesos de redes neuronales profundas . [33] Por lo tanto, la física estadística está encontrando aplicaciones en el área de diagnóstico médico . [34]

Mecánica estadística cuántica

La mecánica estadística cuántica es la mecánica estadística aplicada a los sistemas mecánicos cuánticos . En mecánica cuántica, un conjunto estadístico (distribución de probabilidad sobre posibles estados cuánticos ) se describe mediante un operador de densidad S , que es un operador de traza no negativo, autoadjunto y de clase traza de traza 1 en el espacio de Hilbert H que describe el sistema cuántico. Esto se puede demostrar con varios formalismos matemáticos para la mecánica cuántica . Uno de esos formalismos lo proporciona la lógica cuántica . [ cita requerida ]

Véase también

Referencias

  1. ^ Teschendorff, Andrew E.; Feinberg, Andrew P. (julio de 2021). "La mecánica estadística se encuentra con la biología unicelular". Nature Reviews Genetics . 22 (7): 459–476. doi :10.1038/s41576-021-00341-z. PMC  10152720 . PMID  33875884.
  2. ^ Advani, Madhu; Lahiri, Subhaneil; Ganguli, Surya (12 de marzo de 2013). "Mecánica estadística de sistemas neuronales complejos y datos de alta dimensión". Journal of Statistical Mechanics: Theory and Experiment . 2013 (3): P03014. arXiv : 1301.7115 . Bibcode :2013JSMTE..03..014A. doi :10.1088/1742-5468/2013/03/P03014.
  3. ^ Huang, Haiping (2021). Mecánica estadística de redes neuronales . doi :10.1007/978-981-16-7570-6. ISBN 978-981-16-7569-0.
  4. ^ Berger, Adam L.; Pietra, Vincent J. Della; Pietra, Stephen A. Della (marzo de 1996). "Un enfoque de máxima entropía para el procesamiento del lenguaje natural" (PDF) . Computational Linguistics . 22 (1): 39–71. INIST 3283782. 
  5. ^ Jaynes, ET (15 de mayo de 1957). "Teoría de la información y mecánica estadística". Physical Review . 106 (4): 620–630. Código Bibliográfico :1957PhRv..106..620J. doi :10.1103/PhysRev.106.620.
  6. ^ Durlauf, Steven N. (14 de septiembre de 1999). "¿Cómo puede la mecánica estadística contribuir a las ciencias sociales?". Actas de la Academia Nacional de Ciencias . 96 (19): 10582–10584. Bibcode :1999PNAS...9610582D. doi : 10.1073/pnas.96.19.10582 . PMC 33748 . PMID  10485867. 
  7. ^ Huang, Kerson (21 de septiembre de 2009). Introducción a la física estadística (2.ª ed.). CRC Press. pág. 15. ISBN 978-1-4200-7902-9.
  8. ^ Germano, R. (2022). Física Estatística do Equilíbrio: um curso introdutório (en portugues). Río de Janeiro: Ciencia Moderna. pag. 156.ISBN 978-65-5842-144-3.
  9. ^ ab Uffink, Jos (marzo de 2006). Compendio de los fundamentos de la física estadística clásica (preimpresión).
  10. ^ Ver:
    • Maxwell, JC (1860) "Ilustraciones de la teoría dinámica de los gases. Parte I. Sobre los movimientos y colisiones de esferas perfectamente elásticas", Philosophical Magazine , 4.ª serie, 19  : 19–32.
    • Maxwell, JC (1860) "Ilustraciones de la teoría dinámica de los gases. Parte II. Sobre el proceso de difusión de dos o más tipos de partículas en movimiento entre sí", Philosophical Magazine , 4.ª serie, 20  : 21–37.
  11. ^ Mahon, Basil (2003). El hombre que lo cambió todo: la vida de James Clerk Maxwell . Hoboken, Nueva Jersey: Wiley. ISBN 978-0-470-86171-4.OCLC 52358254  .
  12. ^ Gyenis, Balazs (2017). "Maxwell y la distribución normal: una historia coloreada de probabilidad, independencia y tendencia hacia el equilibrio". Estudios de historia y filosofía de la física moderna . 57 : 53–65. arXiv : 1702.01411 . Bibcode :2017SHPMP..57...53G. doi :10.1016/j.shpsb.2017.01.001. S2CID  38272381.
  13. ^ Ebeling, Werner; Sokolov, Igor M. (2005). Termodinámica estadística y teoría estocástica de sistemas en desequilibrio . Serie sobre avances en mecánica estadística. Vol. 8. Bibcode :2005stst.book.....E. doi :10.1142/2012. ISBN 978-981-02-1382-4.
  14. ^ Gibbs, JW (1885). Sobre la fórmula fundamental de la mecánica estadística, con aplicaciones a la astronomía y la termodinámica . OCLC  702360353.
  15. ^ James Clerk Maxwell, Teoría del calor (Londres, Inglaterra: Longmans, Green, and Co., 1871), pág. 309
  16. ^ Mayants, Lazar (1984). El enigma de la probabilidad y la física. Springer. pág. 174. ISBN 978-90-277-1674-3.
  17. ^ abcdefg Gibbs, Josiah Willard (1902). Principios elementales de mecánica estadística . Nueva York: Charles Scribner's Sons .
  18. ^ abcd Tolman, Richard Chace (1979). Los principios de la mecánica estadística . Courier Corporation. ISBN 978-0-486-63896-6.[ página necesaria ]
  19. ^ Jaynes, E. (1957). "Teoría de la información y mecánica estadística". Physical Review . 106 (4): 620–630. Código Bibliográfico :1957PhRv..106..620J. doi :10.1103/PhysRev.106.620.
  20. ^ abc Gao, Xiang; Gallicchio, Emilio; Roitberg, Adrian E. (21 de julio de 2019). "La distribución de Boltzmann generalizada es la única distribución en la que la entropía de Gibbs-Shannon es igual a la entropía termodinámica". The Journal of Chemical Physics . 151 (3): 034113. arXiv : 1903.02121 . Bibcode :2019JChPh.151c4113G. doi :10.1063/1.5111333. PMID  31325924.
  21. ^ abc Gao, Xiang (marzo de 2022). "Las matemáticas de la teoría de conjuntos". Resultados en Física . 34 : 105230. arXiv : 2006.00485 . Código Bibliográfico :2022ResPh..3405230G. doi : 10.1016/j.rinp.2022.105230 . S2CID  221978379.
  22. ^ Reif, F. (1965). Fundamentos de física estadística y térmica . McGraw-Hill. pág. 227. ISBN. 978-0-07-051800-1.
  23. ^ Touchette, Hugo (2015). "Equivalencia y no equivalencia de conjuntos: niveles termodinámicos, de macroestados y de medida". Journal of Statistical Physics . 159 (5): 987–1016. arXiv : 1403.6608 . Bibcode :2015JSP...159..987T. doi :10.1007/s10955-015-1212-2. S2CID  118534661.
  24. ^ El fenómeno de la concentración de la medida . Encuestas y monografías matemáticas. Vol. 89. 2005. doi :10.1090/surv/089. ISBN 978-0-8218-3792-4.[ página necesaria ]
  25. ^ Gorban, AN; Tyukin, IY (28 de abril de 2018). "Bendición de la dimensionalidad: fundamentos matemáticos de la física estadística de los datos". Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences . 376 (2118): 20170237. arXiv : 1801.03421 . Bibcode :2018RSPTA.37670237G. doi :10.1098/rsta.2017.0237. PMC 5869543 . PMID  29555807. 
  26. ^ Baxter, Rodney J. (1982). Modelos resueltos con exactitud en mecánica estadística . Academic Press Inc. ISBN 978-0-12-083180-7.[ página necesaria ]
  27. ^ Jia, Xun; Ziegenhein, Peter; Jiang, Steve B (2014). "Computación de alto rendimiento basada en GPU para radioterapia". Física en Medicina y Biología . 59 (4): R151–R182. Bibcode :2014PMB....59R.151J. doi :10.1088/0031-9155/59/4/R151. PMC 4003902 . PMID  24486639. 
  28. ^ Hill, R; Healy, B; Holloway, L; Kuncic, Z; Thwaites, D; Baldock, C (marzo de 2014). "Avances en la dosimetría de rayos X de kilovoltaje". Física en Medicina y Biología . 59 (6): R183–R231. Bibcode :2014PMB....59R.183H. doi :10.1088/0031-9155/59/6/R183. PMID  24584183. S2CID  18082594.
  29. ^ Rogers, DWO (2006). "Cincuenta años de simulaciones de Monte Carlo para la física médica". Física en Medicina y Biología . 51 (13): R287–R301. Bibcode :2006PMB....51R.287R. doi :10.1088/0031-9155/51/13/R17. PMID  16790908. S2CID  12066026.
  30. ^ abc Balescu, Radu (1975). Mecánica estadística de equilibrio y no equilibrio . Wiley. ISBN 978-0-471-04600-4.[ página necesaria ]
  31. ^ Altshuler, BL; Aronov, AG; Khmelnitsky, DE (30 de diciembre de 1982). "Efectos de las colisiones electrón-electrón con pequeñas transferencias de energía en la localización cuántica". Journal of Physics C: Solid State Physics . 15 (36): 7367–7386. Bibcode :1982JPhC...15.7367A. doi :10.1088/0022-3719/15/36/018.
  32. ^ Aleiner, IL; Blanter, Ya. M. (28 de febrero de 2002). "Tiempo de dispersión inelástica para fluctuaciones de conductancia". Physical Review B . 65 (11): 115317. arXiv : cond-mat/0105436 . Código Bibliográfico :2002PhRvB..65k5317A. doi :10.1103/PhysRevB.65.115317.
  33. ^ Ramezanpour, Abolfazl; Beam, Andrew L.; Chen, Jonathan H.; Mashaghi, Alireza (19 de noviembre de 2020). "Física estadística para diagnósticos médicos: algoritmos de aprendizaje, inferencia y optimización". Diagnóstico . 10 (11): 972. doi : 10.3390/diagnostics10110972 . PMC 7699346 . PMID  33228143. 
  34. ^ Mashaghi, Alireza; Ramezanpour, Abolfazl (16 de marzo de 2018). "Física estadística de diagnósticos médicos: estudio de un modelo probabilístico". Physical Review E . 97 (3): 032118. arXiv : 1803.10019 . Código Bibliográfico :2018PhRvE..97c2118M. doi :10.1103/PhysRevE.97.032118. PMID  29776109.

Lectura adicional

Enlaces externos