在統計力學和數學中，波茲曼分布（），或稱吉布斯分布（），是一種機率分布或機率測度，它給出一個系統處於某種狀態的機率，是該狀態的能量及溫度的函數。該分布以下列形式表示：
: p_i \propto e^{-{\varepsilon_i}/{(kT)}}
其中是系統處於狀態的機率，是該狀態的能量，為波茲曼常数和熱力學溫度的乘积。符號\propto表示比例（比例常數見）
這裡的「系統」一詞具有非常廣泛的涵義；它適用的範圍可以從「足夠數量」的原子集合（但不是單個原子）到一個宏觀系統，例如天然气储罐。因此，波茲曼分布可以解決非常廣泛且多樣的問題。該分布表明，能量較低的狀態總是有較高的機率被佔用。
兩種狀態的機率比稱為波茲曼因子，其特徵在於其僅取決於兩狀態之能量差：
: \frac{p_i}{p_j} = e^{{(\varepsilon_j - \varepsilon_i)}/{(kT)}}
波茲曼分布以路德維希·波茲曼的名字命名，他於1868年研究熱平衡中氣體的統計力學時首次提出了這一分布。波茲曼的統計力學成果證明於他的論文“論熱力學第二定律與熱平衡狀態的機率之間的關係”該分布後來被喬賽亞·威拉德·吉布斯以現代通用的形式進行了廣泛的研究。
廣義波茲曼分布是熵的統計力學定義（吉布斯熵公式S = -k_{\mathrm{B}}\sum_i p_i \log p_i）和熵的熱力學定義（\mathrm{d} S = \frac{\delta Q_\text{rev}}{T}，以及熱力學基本關係）等價的充分必要條件。
不應將波茲曼分布与馬克士威-波茲曼分布或馬克士威-波茲曼統計混淆。波茲曼分布給出了系統處於某一狀態的機率，作為該狀態的能量的函數，而馬克士威-波茲曼分布給出了理想氣體中的粒子速度或能量的機率。
分布形式
波茲曼分布是狀態能量與系統溫度的機率分布函數，給出了粒子處於特定狀態下的機率。其具有以下形式：
:
p_i=\frac{1}{Q}} {e^{- {\varepsilon}_i / (k T)}=\frac{e^{- {\varepsilon}_i / (k T)}}{\sum_{j=1}^{M}{e^{- {\varepsilon}_j / (k T)}}}
其中p_i為狀態i的機率，\epsilon_i為狀態i之能量， k為波茲曼常數，T為系統的絕對溫度，而M是系統中我們有興趣且可知的狀態數量。
該分布表明，低能量的狀態比起高能量的狀態具有較高的分布機率。同時，它也能夠定量地比較兩能階分布機率的關係。狀態i與狀態j的分布機率比為：
:
{\frac{p_i}{p_j}}=e^{({\varepsilon}_j-{\varepsilon}_i) / (k T)}
其中，p_{i}為狀態i的機率，p_{j}為狀態j的機率，而\epsilon_{i}和\epsilon_{j}分別為狀態i和狀態j的能量。兩能量對應的機率比，必須考慮它們的簡併能階。
波茲曼分布通常用於描述粒子的分布，例如原子與分子在各種束縛態的分布情形。實際上，粒子處於狀態i的機率會等於處於狀態i的粒子數除以系統中所有粒子的總數，即：
:
p_i={\frac{N_i}{N}}
其中N_{i}為處於狀態i的粒子數，N為系統中所有粒子的總數。我們可以使用波茲曼分布找出該機率。正如上式，機率等於位於狀態i的粒子數與總數之比例。因此，我們可以位於狀態i的粒子數比例表示成一以能量作為變數的函數：一般來說，越大比例的分子在第一能態，意味著發生越多的從第一至第二能態的躍遷。此現象可從越強的譜線觀察到。然而，除了分子數比例外，也有其他因素會影響譜線的強弱，例如禁制機制。
機器學習中常用的softmax函數與波茲曼函數有關。
統計力學上的應用
在統計力學中，波茲曼分布會出現在熱平衡（能量交換平衡）的孤立（或近似孤立）系統中。最一般的情況是正則系綜的機率分布。而在某些特殊情況下（衍生自正則系綜）也有相關的應用。
; 正則系綜（一般情况）
: 正則系綜給出了各種可能狀態的機率分布在一固定體積、封閉且有熱庫的熱平衡系統。此時，正則系綜具有波茲曼形式的機率分布。
數學上的應用
在數學上，波茲曼函數更廣義的形式為。在統計學與機器學習中又被稱為。在深度学习中，玻尔兹曼分布被用于随机神经网络的采样分布，例如玻尔兹曼机，受限玻尔兹曼机和深度玻尔兹曼机。
參見
- 玻色–愛因斯坦統計
- 費米-狄拉克統計
- 負溫度
- Softmax函数
參考文獻
评论 (0)