本页目录

非平衡统计物理 · Langevin、线性响应与涨落定理

对标：Kubo 线性响应 / Sekimoto–Seifert 随机热力学入门｜前置：sm-02、数学站 sde 线（Langevin/FP 已建）、信息论线平衡统计力学管"静态"；真实世界在流动、耗散、驱动。本页三级台阶：涨落-耗散定理（涨落与摩擦同源）、线性响应（Kubo）（响应 = 平衡涨落的回声）、涨落定理与 Jarzynski（把热力学第二定律升级为等式的现代突破）——终点连回扩散模型与信息热力学。

1. Langevin 与涨落-耗散（FDT 第一课）

布朗粒子（数学站 sde 线的方程，物理装填）：\(m\dot v = -\gamma v + \xi(t)\)，\(\langle\xi(t)\xi(t')\rangle = 2D\delta(t - t')\)。

定理（Einstein 关系）【推导】 长时间平衡要求 \(\langle\frac12mv^2\rangle = \frac12k_BT\)（均分，sm-02）：解 OU 过程的稳态方差 \(= \frac{D}{2\gamma m}\cdot m^2\cdots\) 整理得

\[ D = 2\gamma k_BT \quad\Longleftrightarrow\quad D_{\text{扩散}} = \frac{k_BT}{\gamma}\ (\text{位置扩散系数}) \]

\(\blacksquare\) 读法：噪声强度与摩擦系数被温度锁死——它们是同一微观碰撞的两面（撞你的分子既推你乱走又拖你减速）；1905 年 Einstein 由此从布朗运动称出 \(k_B\)（原子实在性的判决实验——Perrin 诺奖）。这是"涨落-耗散"主题的第一乐章。

2. 线性响应与 Kubo 公式

问题：弱外场 \(F\) 下系统的响应（电导、磁化率、粘度……）。

定理（Kubo 公式）【骨架】 响应系数 = 平衡态涨落的时间关联：

\[ \chi \;\propto\; \int_0^\infty\langle A(t)\,B(0)\rangle_{\text{eq}}\,dt \]

（微扰论对密度矩阵一阶展开——qm-04 含时微扰的统计版。）样板：电导率 = 电流自关联积分（Green–Kubo——comp-01 MD 测输运的公式出处）；FDT 一般形：响应函数的虚部 ∝ 涨落谱（\(\coth\frac{\hbar\omega}{2k_BT}\) 因子连接量子与经典【引用】）。

读法（方法论级）："想知道系统怎么回应踢一脚，看它平衡时怎么自己晃"——不做非平衡实验就能算输运；Johnson 噪声测温、光谱线形反演动力学、金融里"波动率预测响应"的直觉同源（🔗 时序线 GARCH 的哲学近亲）。

3. 涨落定理与 Jarzynski 等式（现代突破）

问题升级：远离平衡（快速拉伸分子、微观马达）——线性响应失效，第二定律只给不等式 \(\langle W\rangle \geq \Delta F\)。

定理（Jarzynski 1997）【陈述 + 骨架】

\[ \big\langle e^{-W/k_BT}\big\rangle = e^{-\Delta F/k_BT} \]

——任意远离平衡的过程，功的指数平均精确等于自由能差（等式！）。Jensen 不等式一行退回第二定律（\(\langle W\rangle \geq \Delta F\)——信息论线的 Jensen 又一次执法）；骨架：沿轨迹的路径积分 + 时间反演对称（Crooks 定理 \(\frac{P_F(W)}{P_R(-W)} = e^{(W - \Delta F)/k_BT}\) 是母定理【引用】）。实验落地：光镊拉 RNA 发卡（em-03 辐射压的仪器）——从不可逆拉伸数据提取平衡 \(\Delta F\) ✓【引用】："用暴力实验测平衡量"的魔法；违反第二定律的轨迹存在但按 \(e^{-\Delta S/k_B}\) 指数稀有（涨落定理的定量版——sm-01 例 2 的"天文小概率"获得精确公式）。

信息热力学一嘴：Landauer 原理——擦除 1 bit 至少耗散 \(k_BT\ln2\)（信息是物理的：信息论线与热力学的最终焊点；Maxwell 妖被"妖的记忆要擦除"收编【引用实验验证】）。

4. 收官对账：扩散模型（本站的隐藏主线闭环）

comfy 课 02/数学站 sde 线的扩散模型在本页语言里：前向加噪 = 把数据分布耗散到平衡（高斯）；反向生成 = 受控的非平衡过程（score 场扮演"驱动力"逆着熵流搬运概率）——训练目标与非平衡自由能/得分匹配的联系是活跃研究线【引用 Sohl-Dickstein 起源论文的标题即"非平衡热力学"】。"生成模型是台非平衡热机"——你的两条学习主线（ML 与物理）在本站最后一页数学上正式合流。

5. 练习与要点

例 1（Einstein 关系测 \(k_B\)） 1 μm 胶体球、水中 \(\gamma = 6\pi\eta a\)（Stokes）：\(D = \frac{k_BT}{6\pi\eta a} \approx 0.4\ \mu\mathrm{m}^2/\mathrm{s}\)——显微镜下方均位移 vs 时间的斜率：Perrin 实验的桌面复刻（本科实验室可做的诺奖）。

例 2（Jarzynski 玩具验证） 过阻尼粒子 + 匀速拖动的谐势阱（可解模型）：\(W\) 呈高斯分布、验证 \(\langle e^{-\beta W}\rangle = e^{-\beta\Delta F}\)（高斯的 MGF 一行——概率线）——等式在最小模型上亲手成立。

例 3（Landauer 数量级） 室温擦 1 bit：\(k_BT\ln2 \approx 3\times10^{-21}\) J；现代 CPU 每次逻辑翻转耗散 ~\(10^{-15}\) J——距物理极限还有六个量级：可逆计算/低功耗的理论天花板在哪，一道乘法题。\(\blacksquare\)

最后一页：量子多体的现代方法——张量网络与变分蒙卡：把"指数大的希尔伯特空间"压进可计算的角落。