热力学(second law of thermodynamics)基本定律之一, 在热力学第二定律的表示中也可称之为熵增原理

万物皆由物质, 能量构成, 物质和能量可以相互转换, 但是信息却是个抽象的概念, 物质和能量可以传递信息.

物质和能量关系很复杂, 可以相互转换, 但又不能随意相互转换. 物质具有能量的波动性, 而能量又具有物质的离子性, 可以说一切物质皆为能量, 而能量又不能完全脱离物质而存在.

关于熵的定义, 我查了好久, 感觉明白了, 又似乎没有明白, 觉得非常混乱. 本着以我为主, 为我所用的原则, 我大胆对熵进行自己的定义.

对熵的定义

这部分是我个人对熵的定义, 和科学上大不一样, 但这样定义后, 我确实感觉更容易理解了

  1. 熵就是熵, 是一个状态值, 是一个变量, 而不是一个动作, 可以表示系统所处状态的程度, 但是不能表示转换的度量值.

    熵小则转变程度高,熵大则转变程度低

  2. 熵增是物质的趋势, 而不仅仅是有限封闭系统的趋势.

    这个其实是我独自定义的和科学领域中最不同的地方, 但最终我就这么定义了.

    后续有一些对熵增的现象描述, 也不仅仅限于系统中.

    以一件物质为视角, 这件物质本身, 加上其包含的能量(包含其在宇宙角度的所有动能和势能), 再加上物质与外界的能量交换总体满足熵的理论.

    熵不仅适应于有限的封闭的封闭系统, 而是适应于宇宙总体, 世间万物本身.

  3. 我将熵增作为两部分的综合, 物质的混乱程度能量的耗散程度 的叠加, 它不能单单表示其中之一.

    • 能量的耗散: 在一个开放系统中, 能量总是趋于耗散.
    • 物质的混乱: 在一个有限的封闭系统中, 且能量处在一般正常情况下, 物体会自发的趋于混乱.

    熵适应于物质, 能量之间的总体的相互协调以及叠加综合的结果.

  4. 信息熵不是熵

    物质和能量是真实存在的, 它们可以相互转换, 但是信息却是抽象的, 是物质和能量携带的东西, 它们是两个维度.

    信息熵是香农在处理信息的不确定程度时从热力学中引出的, 虽然和熵很相似, 但是就像信息与物质能量之间的关系一样, 它们是两回事, 不能合起来讨论, 信息熵和熵是两个概念, 它们是平行关系, 而不是包含于被包含的关系.

熵增

对于一个有限的系统来讲,如果把它封闭起来与外界不发生热交换和热传递,那么这个系统发生的任何过程都应该是自动的从较小的熵值状态变到最大的熵值状态,因而熵是永远增加的。

在一个有限的, 孤立系统内, 对可逆过程来说,系统的熵总保持不变;对不可逆过程,系统的熵总是增加的。这个规律叫做熵增加原理

熵的变化一般只与过程的初始和终结两个状态有关,而与中间的过程无关

  △S=S终-S始〉0不可逆的过程,自发过程。△S称为熵变。△S=S终-S始〈0不可能自发实现的过程。△S=S终-S始=0可逆的过程,平衡过程。
  • 对于理想气体或者可逆循环,它变化过程的熵是常数

能量的耗散

有人称热力学第二定律为能量耗散定律,可表述为自发过程(不可逆过程)是一种能量耗散的过程。

在一个孤立的系统中,经历了自发的不可逆过程后,总有一部分较易利用的能转化成为较难利用的能,即体系中较易利用的能会减少,这种现象称为“能量的耗散”。

物质的混乱

从概率学角度解释熵增: 熵的增加表示系统从几率小的状态向几率大的状态演变,也就是从比较有规则、有秩序的状态向更无规则,更无秩序的状态演变。熵体现了系统的统计性质。

从微观统计意义上讲,热运动则是大量分子的无规则运动。无规则运动要变为有规则运动的几率极小,而有规则的运动变成无规则运动的几率大。一个不受外界影响的孤立系统,其内部自发的过程总是由几率小的状态向几率大的状态进行,从此可见热是不可能自发地变成功的。

物质的混乱与能量耗散的相互影响

这部分是我擅自对两者的理解, 不一定完全正确

在有限的封闭系统中, 一般情况下, 物质趋于混乱的情况下, 能量也趋于耗散, 然而, 还有很多情况下, 这两种趋势不是相同的.

一般情况下这两种趋势是以能量耗散为优先趋势, 也就是说, 当系统处于一个状态的时候, 由于某种情况, 触发了一种状态, 例如, 如果此时物质能触发某种从无序变有序的动作的话, 就能导致能量耗散的趋势变得非常强, 而使得总体熵增趋势加大, 就会出现能量更加趋于耗散, 物质趋于有序, 总体熵增效果更剧烈的情况.

  • 恒星产生的过程: 恒星早期是分子云, 在引力的作用下, 分子云不断聚集, 导致分子云里面某一点压力极大, 温度极高, 当达到一定程度后, 这一点就开始触发聚变反应, 聚变反应的这一点导致分子越来越聚集, 从而点燃整个分子云, 形成恒星系.

熵增的本质是概率

这部分是我擅自的理解, 不一定完全正确

熵增是一个现象, 是各种维度, 各种力, 热运动, 概率, 综合作用的结果.

  1. 由于概率, 因此物质趋于混乱

    宇宙的一切以概率波的形式存在, 物质本质是波, 能量本质也是波, 一切波最终都是概率波.

    1. 物质和能量皆有离子性, 其本质都是一个个微观粒子.
    2. 一个粒子不能处于多种状态, 而粒子所处的状态是波函数界定的.
    3. 一切波都是概率波

    没错, 根据量子力学, 宇宙的一切都是概率决定的,

    掷一个硬币正面反面概率五五分, 随着硬币的增加, 结果会越来越趋于1/2, 当硬币数量足够大, 我们就可以说总体的结果一定是1/2,

    而物质和能量的存在, 就是这种概率的结果, 由于数量足够大, 概率就趋于物质一定存在.

    这样物质和能量就和概率有了密不可分的关系, 最典型的就是分子的热运动.

  2. 由于概率, 因此能量趋于耗散

    能量趋于耗散, 这实际上是已经是宏观的结果

    有能量, 物质才能运动, 有物质, 能力才能存在, 物质运动过程既是能量的利用和转换过程.

    物质因为概率才能运动, 能量也因为随之概率转换成各种形式, 一些能量转换为不易利用的, 一些能量转换为可以再次被利用的, 而可以再次被利用的能量还能再次被利用, 于是最终有了一个趋势, 能量趋于转换为不容易再被利用的能量.

    而最不容易被利用的呢能量是什么呢? 在开放系统中, 能量直接离开系统, 从此与系统两不相见才是最不容易再次被利用的能量.

    因此, 能量趋于耗散.

  3. 熵不是最本质的法则,它只是一个大众的现象,概率比熵更基础

    下面说一个由于概率, 熵趋于减少的过程.

    最典型的就是黑洞了, 由于万有引力和相对论, 黑洞不断地吸收着物质, 所有物质来到这里均趋于有序. 而能量来到这里根本逃逸不出去

    即便黑洞逐渐蒸发,

    这里可以看作一个有限的封闭系统, 试想一下, 将一个庞大的星系装在一个盒子里, 哪怕是星系散发出去的光碰到盒子壁也会被原封不动的反弹回来, 那么最终由于万有引力的作用, 由于概率的原因, 庞大的星系随着时间的流逝最终形成一个终极黑洞, 整个过程, 物质趋于有序, 能量趋于转换为不容易再被利用的能量

熵减

1.整体熵增和局部熵减

熵增是系统整体的过程, 但并不代表整个系统的所有物质都是熵增的, 局部熵减的过程总是存在着.

宇宙起源, 物质归于混乱, 若是没有熵减, 那么宇宙将永远混乱下去, 这是熵增的过程, 但是星系, 繁星开始诞生, 对于宇宙来说, 天体的形成是逐渐有序的.

行星接受来自恒星的光芒, 获得了能量, 对于行星来说, 行星的发展可以是熵减的.

由于太阳的光芒, 万物发展, 从简单到复杂, 从低级到高级, 直到出现了生命, 复杂的生命可以主动给行星执行熵减过程.

诚然宇宙是逐渐扩大的, 似乎不属于封闭系统, 但是宇宙整体也是逐渐熵增的, 能量也是逐渐耗散的.

2.耗散结构

一个远离平衡的开放系统(不论它是物理、化学,还是生物,甚至是经济、社会或精神的系统),通过与环境进行物质、能量、信息的交换耗散,从外界获取到能量, 从而就可能自发组织起来,从无序变为组织有序的动态结构,获得的“负熵”只要大于系统熵增的,就会最终形成熵减的新的有序结构。这种结构就成为耗散结构.

整个太阳系是熵增的, 但是地球源源不断的接收到太阳的光芒, 从而逐渐使得万物从低级到高级发展, 地球就是一个耗散结构.

大气, 河流与海洋循环系统就是一个耗散结构, 整个系统不断消耗太阳能, 维持系统的循环.

生命起源, 逐渐从外界获取能量, 使得周围逐渐有序, 对于生命来说, 也是一个耗散结构.

宇宙系统就是通过膨胀而远离平衡态的开方系统,物质从“物”中生有,又从“有”通过膨胀湮灭为“无”的过程中,成为一个从简单到复杂、从低级到高级直至产生出万物之灵的动态进化系统。

  1. 世界本是熵增的过程, 但是自从诞生出了生命, 形成了新的有序结构, 生命使得世界开始从无序变成有序.
  2. 宇宙的进化, 生命的进化都是从简单到复杂, 从低级到高级的过程, 这都是熵减的过程.

信息熵

万物皆由物质, 能量构成, 物质和能量可以相互转换, 但是信息却是个抽象的概念, 物质和能量可以传递信息

信息的增减很难说清, 直到1948年,香农提出了“信息熵”的概念,才解决了对信息的量化度量问题。

香农用信息熵的概念来描述信源的不确定度。

  1. 一个系统越是有序,信息熵就越低, 一个系统越是混乱,信息熵就越高

    信息熵也可以说是系统有序化程度的一个度量.

  2. 信息熵越大, 信息量越大. 处理起来越困难

    信息熵在信息论中可用于度量信息量.

    变量的不确定性越大,信息熵越大也就越大,含的信息量也就越大, 把它搞清楚所需要的做功也就越大, 处理起来越困难

  3. 高信息熵到低信息熵的过程是熵减的过程, 需要额外对信息进行处理.

  4. 信息熵的变化一般只与过程的初始和终结两个状态有关,而与中间的过程无关

信息熵变换过程

获取一个包含10个整数的无序数组, 只需要随机生成10个无序整数即可, 但是要想获取一个包含10个整数的有序数组, 在生成10个无序整数后, 还需要对生成的数进行排序

  1. 一个系统越是有序,信息熵就越低, 一个系统越是混乱,信息熵就越高

    有序数组的信息熵要比无序数组的信息熵要小, 无序数组比有序数组的信息熵要大.

  2. 信息熵越大, 信息量越大, 处理起来越困难.

    有序数组携带的信息量只有10个整数, 和一个代表其是有序的标记即可, 但是若是存放无序数组, 那么除了存放10个整数之外, 还需要存放每个整数的下标顺序.

    无序数组携带的信息量更多, 处理起来相对越困难.

  3. 高信息熵到低信息熵的过程是熵减的过程, 需要额外对信息进行处理.

    有序数组的信息熵要比无序数组的信息熵要小, 信息熵减的过程需要外界做工的(也就是需要追加执行排序算法).

  4. 信息熵的变化一般只与过程的初始和终结两个状态有关,而与中间的过程无关

    有序数组相对于无序数组更加简单, 但是若是最终处理后的信息也是同样混乱的, 那么就没有必要进行排序, 那么就不需要额外做功

概率熵物质混乱能量耗散信息熵相关推荐

  1. 熵值法的信息熵值、效用值如何计算?

    一.应用 熵值是不确定性的一种度量.信息量越大,不确定性就越小,熵也就越小:信息量越小,不确定性越大,熵也越大.因而利用熵值携带的信息进行权重计算,结合各项指标的变异程度,利用信息熵这个工具,计算出各 ...

  2. 抛硬币概率熵描述-matplotlib

    """ 硬币问题的概率和熵 """ import numpy as np from matplotlib import pyplot as ...

  3. 计算机中熵与信息熵的概念及来源

    熵 (统计物理与信息论术语) 熵的概念 [1]  是由德国物理学家克劳修斯于1865年所提出.最初是用来描述"能量退化"的物质状态参数之一,在热力学中有广泛的应用.但那时熵仅仅是一 ...

  4. 什么是熵,信息熵以及粗糙熵

     熵  熵(描述事物的混乱程度),最早起源于热力学第二定律.-- 不可能把热从低温物体传到高温物体而不产生其他影响,或不可能从单一热源取热使之完全转换为有用的功而不产生其他影响,或不可逆热力过程熵的微 ...

  5. 决策树基础—比特化Bits,信息熵,条件熵,联合熵

    决策树基础-比特化Bits,信息熵,条件熵,联合熵 比特化(Bits) 一般化的比特化 信息熵 条件熵 联合熵 知道了决策树的直观理解,接下来了解一些决策树要用到了知识 比特化(Bits) 假设我现在 ...

  6. 信息熵,条件熵,相对熵,交叉熵

    转自详解机器学习中的熵.条件熵.相对熵和交叉熵 信息是一个很抽象的概念,百度百科中的定义: 信息是指音讯.消息.通讯系统传输和处理的对象,泛指人类社会传播的一切内容 那信息可以被量化么?可以的!香农提 ...

  7. 关于信息熵 ,KL散度,交叉熵,一文读懂(bushi)。

    也是看其他大佬的说法.比如这个信息熵是什么? - 知乎 大家都知道 ,对于一个概率分布,信息熵的公式是:  表示发生的概率. 定义公式我就不再赘述,已经有很多了.确实和我们的印象比较符合,一件事概率越 ...

  8. 【熵与特征提取】基于“信息熵”的特征指标及其MATLAB代码实现(功率谱熵、奇异谱熵、能量熵)

    <三体>中对监听员的日常工作有这样一段描述: ...1379 号监听站已经存在了上千年,像这样的监听站,在三体世界中有⼏千个,它们全神贯注地聆听着宇宙间可能存在的智慧⽂明的信息... .. ...

  9. 信息熵、联合熵、条件熵、互信息

    信息熵.联合熵.条件熵.互信息 1. 自信息量 一个随机事件xxx的自信息量1定义为: I(x)=log⁡1p(x)I(x)=\log\frac{1}{p(x)}I(x)=logp(x)1​ 注意,在 ...

  10. 从信息熵、相对熵到交叉熵损失函数

    信息熵.相对熵和交叉熵是机器学习中非常重要的概念,它们都是用来衡量不同概率分布之间的差异.在这篇博客中,我们将分别介绍这些概念,并用通俗易懂的语言以及实例的方式来阐述它们的含义. 信息熵 信息熵(En ...

最新文章

  1. python实现nginx图形界面管理
  2. 【swjtu】数据结构实验4_基于改进KMP算法的子串查找与替换
  3. 对官网vue事件修饰符串联的顺序如何理解?
  4. 【BZOJ 1528】 1528: [POI2005]sam-Toy Cars (贪心+堆)
  5. 找不到图片素材,看这里
  6. java beetl 视频_04.Beetl常用内置函数以及安全输出---《Beetl视频课程》
  7. linux系统shell脚本编程,Linux系统shell脚本编程(一)
  8. 2018 “百度之星”程序设计大赛 - 初赛(A)P1001度度熊拼三角(贪心)
  9. JavaScript浏览器对象模型概述(1)
  10. 小程序自定义tabBar(类似咸鱼)
  11. oracle查询第二个字为a,Oracle中SQL语句学习二(like,转义,order by)
  12. MySQL数据库笔记6——约束Constraint
  13. HDU5285.wyh2000 and pupil
  14. Axure RP 认识
  15. 哈工大计算机系统大作业:程序人生-Hello’s P2P
  16. 关于睡眠检测自定义VIEW
  17. 灿烂夏日里的翩翩蝴蝶结
  18. 一文读懂 协方差矩阵
  19. python获取中文字体点阵坐标_Python实现点阵字体读取与转换
  20. Android 源码编译及真机刷机实录

热门文章

  1. appium+python 自动化测试:解决安卓系统双击问题——获取微信聊天内容
  2. 考研英语 单词常见熟词生义
  3. 年终盘点:2021年中国科技的重大突破
  4. Tangents UVA - 10674 (求两个圆公切线的切点)
  5. 斐讯dns劫持,路由器DNS被劫持的解决办法
  6. MMO游戏设计三:架构设计
  7. mc服务器 无限夜视,我的世界夜视指令是什么?这里告诉你无限夜视的方法
  8. 【JoJo的摄影笔记】黎明女神的呼唤—— 佳能王朝霸业崛起
  9. UA MATH564 概率分布2 Poisson分布
  10. MATLAB——KNN分类器实例