用羊群理解 Entropy：从微观排列到时间箭头

引言

冰块会在温水里融化，却不会在常温水中自动重新拼成方正的冰块；鸡蛋会摔碎，却不会从地面跃起并恢复完整。奇怪的是，如果只观察单个原子或分子的运动，把影片倒放，许多微观运动依然符合力学定律。微观规律大体不偏爱时间方向，宏观世界却明显只朝一个方向演化。

Aatish Bhatia 的交互式文章 Entropy Explained, With Sheep 用羊群解释了这个落差：所谓 entropy 增加，核心不是世界受到某种神秘力量驱使而“越来越乱”，而是系统压倒性地更可能进入拥有更多 microstate 的 macrostate。本文沿用这个比喻，以组合计数和统计力学重新讲清这条逻辑链。

三只羊为什么有十种分布

想象三个相同的农场分区，以及三只暂时不区分个体的羊。羊可以全部挤在一个分区，也可以分散在多个分区。我们只记录每个分区有几只羊，例如 (3, 0, 0)、(1, 1, 1)，共有十种非负整数解：

x₁ + x₂ + x₃ = 3

这就是 stars and bars 问题。把 q 个相同对象放进 N 个可区分容器，排列数为：

Ω(N, q) = C(q + N - 1, q)

代入 N = 3、q = 3：

Ω(3, 3) = C(5, 3) = 10

这个农场不是为了研究畜牧业。把“羊”换成离散的 energy packet，把“分区”换成 solid 中可以持有能量的 atom，它就成为简化的 Einstein solid model。加热固体相当于增加 energy packet，packet 在 atom 之间交换；atom 数或 energy packet 数一旦增大，可能的微观排列会极快增长。

例如 30 个 energy packet 分配给 30 个 atom：

Ω(30, 30) = C(59, 30) = 59,132,290,782,430,712

仅仅 30 个 atom 就已经有约 5.9 京种排列，而日常物体的粒子数接近 10²³ 到 10²⁵ 量级。宏观不可逆性正是从这种巨大数量级中出现的。

Macrostate 与 microstate

要准确理解 entropy，必须区分两个层次：

• Macrostate：我们能从外部测量的整体状态，例如 pressure、volume、temperature，或者两个物体各自拥有多少 energy。
• Microstate：构成系统的粒子具体位于哪里、如何运动，或者每一份 energy 究竟落在哪个 atom 上。

许多不同 microstate 会表现为相同 macrostate。一只气球可以保持同样的 pressure、volume 和 temperature，内部气体分子却可以拥有数量惊人的位置与速度组合。统计力学中的 Boltzmann entropy 写作：

S = k_B ln Ω

其中 S 是 entropy，k_B 是 Boltzmann constant，Ω 是与某个 macrostate 相容的 microstate 数量。说“entropy 是排列数”有助于建立直觉，但严格来说它是 multiplicity 的对数乘以常数。取 logarithm 还有一个重要结果：两个独立系统组合时 microstate 数相乘，而 entropy 相加。

Ω_AB = Ω_A × Ω_B ⇒ S_AB = S_A + S_B

“混乱度”只是一个容易误导的日常比喻。更可靠的表述是：在已知宏观约束下，系统可能对应多少种微观实现。

拆掉两座农场之间的围栏

现在有两座农场，每座分成三个区域，总共六只羊。最初六只羊都在农场 A，农场 B 一只也没有；对应到物理模型，就是一个 solid 拥有六份 energy，另一个处于低能状态。两者接触后可以交换 energy。

设农场 A 有 q_A 只羊，农场 B 有 6 - q_A 只。某个 macrostate 的总 multiplicity 是两边排列数的乘积：

Ω_total(q_A) = Ω(3, q_A) × Ω(3, 6 - q_A)

所有列相加得到 462 个 microstate。能量平均分配的 (3,3) 拥有 100 个，而能量全部挤在一边的状态各只有 28 个。如果每个可达 microstate 近似等可能，随机演化时最常观察到的自然是中间区域。

这里没有牧羊人把羊赶向平均分布，也没有额外的微观定律命令热量从热物体流向冷物体。只是“能量分散”对应的 microstate 远多于“能量集中”。高 entropy macrostate 因而更可能出现。

用 Python 验证 462 个 microstate

下面的程序直接计算每一种 energy split 的 multiplicity：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

from math import comb


def multiplicity(atoms: int, packets: int) -> int:
    """Einstein solid: q 个 energy packet 分配给 N 个 atom。"""
    return comb(packets + atoms - 1, packets)


atoms_per_solid = 3
total_packets = 6
states = []

for packets_a in range(total_packets + 1):
    packets_b = total_packets - packets_a
    omega = (
        multiplicity(atoms_per_solid, packets_a)
        * multiplicity(atoms_per_solid, packets_b)
    )
    states.append((packets_a, packets_b, omega))

for state in states:
    print(state)

print("total microstates:", sum(omega for _, _, omega in states))

输出如下：

1
2
3
4
5
6
7
8

(0, 6, 28)
(1, 5, 63)
(2, 4, 90)
(3, 3, 100)
(4, 2, 90)
(5, 1, 63)
(6, 0, 28)
total microstates: 462

这段代码展示的不是 dynamical simulation，而是状态空间的静态计数。要从计数进一步得到真实系统的时间行为，还需要 ergodicity、interaction 和可达状态等假设；“所有 microstate 等可能”也不是脱离条件永远成立的口号。但在这个受控模型里，它足以揭示第二定律的统计基础。

小系统真的可能 entropy 下降

在只有六只羊的模型中，极端状态并不罕见。任一指定极端的概率是 28 / 462，两个极端合计约为 12.1%，接近八分之一。因此系统会在高低 entropy 之间明显 fluctuation：偶尔所有 energy 又集中到一侧，并不违反微观物理。

系统变大后，分布会迅速在 equilibrium 附近形成尖锐峰值。极端状态的数量仍可能很大，但它相对于全部 microstate 的比例会变得小到无法在现实时间尺度内观察。冰块中约有 10²⁵ 量级的 molecule；在这种尺度上，自发从高 entropy macrostate 回到特定低 entropy macrostate 的概率不是数学上的严格零，却小得可以视为不会发生。

所以“entropy 总是增加”是宏观极限下极其可靠的统计规律。它不是说微观 fluctuation 被禁止，而是说粒子数足够大时，entropy 明显下降的概率被组合数压到近乎为零。这也解释了为什么 nanoscale system 中可以观测到短时 entropy reduction，而日常尺度中看不到碎鸡蛋自动复原。

时间箭头从概率中涌现

把单个粒子的轨迹倒放，通常仍能得到合法轨迹；把一杯水中所有 molecule 精确反转，理论上也可能让它重新聚成冰块。但要实现这一点，需要把系统放进一个极其特殊、极低概率的 microstate。任何微小扰动都会让它重新滑向占据绝大多数状态空间的 equilibrium 区域。

宏观的 arrow of time 因而不是每个粒子都携带一个“只能向未来运动”的标记，而是系统从低概率 macrostate 走向高概率 macrostate 的整体趋势。我们之所以能区分影片正放和倒放，是因为记忆、破碎、扩散、摩擦和热传导都留下了 entropy increase 的痕迹。

这里还隐藏着一个更深的问题：如果宇宙总是趋向更高 entropy，早期宇宙为什么处于如此特殊的 low-entropy state？第二定律能够解释给定低 entropy 初态之后的演化方向，却不能单独解释这个初态为何存在。这仍然连接着 cosmology 中关于初始条件和 gravity entropy 的开放问题。

生命没有违反第二定律

生命体能建立高度有序的局部结构，看起来像在降低 entropy，但地球不是 isolated system。太阳向地球提供相对集中的低 entropy energy；生物和机器用它完成工作，再把更分散的 heat 辐射到环境和太空。局部 entropy 可以下降，只要 system 与 surroundings 的总 entropy 上升。

同样，冰箱能让内部降温，却需要电力并向房间排放更多 heat。第二定律约束的是合适边界下的总系统，不能只挑一个局部区域计账。

在极遥远的未来，如果宇宙逐渐接近 thermal equilibrium，可用于做功的 temperature gradient 会越来越少。所谓 heat death 不是“所有 energy 消失”，而是 energy 过度均匀地分布，难以再驱动持续的结构变化。entropy 描述的因此不只是“有多少 energy”，还涉及这些 energy 以多少种方式分布，以及其中还有多少可利用的差异。

常见误解

总结

羊群模型把 entropy 的核心压缩成三步：宏观状态背后存在大量 microstate；不同 macrostate 对应的 microstate 数量差异巨大；系统随机探索可达状态时，几乎必然落入 multiplicity 最大的区域。Boltzmann 公式 S = k_B ln Ω 把这个计数变成可加的物理量，而 thermodynamic arrow of time 则从海量粒子的统计行为中涌现。

冰不会自己从温水中重组，不是因为倒放轨迹违反微观定律，而是因为那条轨迹要求不可思议地精确、不可思议地罕见的初始排列。第二定律最深刻的地方，正是它让“几乎不可能”在宏观尺度上表现得像“绝对不会”。

参考资料：

• Entropy Explained, With Sheep — Aatish Bhatia
• Entropy Explained, With Sheep — Engineers Edge

本文根据 Aatish Bhatia 的交互式讲解进行中文重写，并补充组合公式、Boltzmann entropy 与 Python 示例，不是逐句翻译。