Термостат, который любит склеивать вероятности экспресс
Кастрюля с водой на плите рано или поздно успокаивается: температура выравнивается, жидкость перестаёт бурлить. Физики называют это тепловым равновесием — состоянием, в котором энергия распределяется самым вероятным способом. Сто лет назад для такого покоя вывели простое правило: каждая порция энергии достаётся частицам независимо, как лотерейные билеты. Но что делать, если билеты слипаются? Если выигрыш одного меняет шансы другого — и так для всех сразу?
Именно эту задачу решают авторы новой работы. Они берут привычный рецепт равновесия — формулу Больцмана — Гиббса — Шеннона, которая считает неупорядоченность (энтропию) как сумму независимых вкладов, — и заменяют её на более гибкую. В новой версии вероятности не просто складываются, а как бы склеиваются: параметр q управляет силой склейки. Если q=1, всё возвращается к обычной лотерее. Но если q меньше единицы — частицы начинают чувствовать друг друга, и привычное равновесие меняется.
Авторы не просто переписали старые уравнения. Они строго доказали, когда решение вообще существует, когда оно единственно и как его вычислить в явном виде. Оказалось, что из множества возможных способов учитывать склейку только два дают изящный результат — распределение вероятностей, похожее на степенной закон. И ещё один, третий способ, который раньше не замечали: он возникает, когда параметр склейки в условии задачи зеркально отражается.
Самый интересный вывод касается тепла. Учёные ввели понятие эффективной температуры — не той, что показывает обычный градусник, а той, что диктует правила обмена энергией в таком склеенном мире. И показали: если склейка достаточно сильна (q между 0 и 1), то при абсолютном нуле энтропия действительно зануляется — как того требует третий закон термодинамики. А значит, эту причудливую статистику можно применять к реальным системам: от роя гравитирующих частиц до электронных схем на грани хаоса, где обычные предсказания перестают работать.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2605.08860
The thermal-equilibrium canonical distribution is currently obtained by maximizing the Boltzmann-Gibbs-von Neumann-Shannon entropy $$S_{BG}(p)=k\sum^{W}_{i=1}p_{i}\ln 1/p_{i}$$ constrained to $$\sum^{W}_{i=1}p_{i}=1$$ and $$\sum^{W}_{i=1}p_{i}\,e_{i}=U$$, $$e_{1}\leq\ldots\leq e_{W}$$ being the energies of the $$W$$ possible states and $$U\in[e_{1},e_{W}]$$ their mean value. We revisit a generalized version of this optimization problem grounded in the nonadditive entropy $$S_{q}(p)=k\,(\sum^{W}_{i=1}p_{i}^{q}-1)/(1-q)$$ (frequently, though not necessarily, $$q\in(0,1)$$; $$S_1=S_{BG}$$), and the constraint $$\sum^{W}_{i=1} p_{i}^{q^{\prime}}e_{i} / \sum^{W}_{i=1}p_{i}^{q^{\prime}}=U$$, $$q^{\prime}>0$$. Sufficient conditions for existence, strict positivity, and uniqueness of solutions are derived, along with a theorem that enables their closed-form calculation. We apply these results to deepen the understanding of the two standard cases in the literature ($$q^{\prime}=1$$ and $$q^{\prime}=q$$), as well as of a new one ($$q^{\prime}=2-q$$). We prove that these standard cases are the only ones yielding optimizing probability distributions of $$q$$-exponential form. Furthermore, we define an effective temperature $$T_{q,q^{\prime}}$$ through a Clausius-like relation $$1/T_{q,q^{\prime}}=\partial S_{q} / \partial U$$ and derive a Helmholtz-like energy $$F_{q,q^{\prime}}=U-T_{q,q^{\prime}}S_{q}$$, with the former grounding the validity of the $$0^{th}$$ Principle of Thermodynamics within this generalized statistical mechanics. Finally, we show that the case with a linear constraint (i.e., $$q^{\prime}=1$$) with $$q\in(0,1)$$ (i) preserves the Third Law of Thermodynamics; (ii) can be used to model classical many-body Hamiltonian systems with arbitrarily-ranged interactions; and (iii) resembles features of low-dimensional nonlinear dynamical systems at the edge of chaos.
Параметр q в этой статистике иногда называют «параметром неэкстенсивности». Он появился в 1988 году, когда бразильский физик Константино Тсаллис пытался описать системы с дальней памятью — и с тех пор его формула всплывает в самых неожиданных местах: от турбулентности до финансовых рынков.