On the relaxation problem in statistical mechanics

几个世纪以来，物理学最基本的定律一直被描述为完全可逆且确定性的。如果你知道系统中每个粒子的精确位置和速度，运动方程就能告诉你它们下一刻会在哪里，也能告诉你它们前一刻在哪里。在这种观点中，时间仅仅是一个坐标，就像地图上的一个位置，而宇宙并不在意你沿着它向哪个方向移动。然而，我们的日常经验却充满了不可逆性。一杯咖啡会变凉，但绝不会自发地变热；一滴墨水在水中扩散，但绝不会重新聚集成一个单滴。这种微观世界中永恒可逆的定律与我们观察到的单向时间流逝之间的鸿沟，一直是科学界最深刻的谜题之一。传统的解释长期以来依赖于涉及粒子数量之多，暗示虽然单个粒子遵循严格的规则，但数万亿个粒子的集体行为不可避免地会趋向于无序，这就是所谓的熵的概念。

然而，一种新的视角挑战了这种对大规模系统的必要性。该观点提出，时间的箭头和弛豫过程——即从特定状态向稳定、平均状态的演化——可能并不是物理系统本身固有的属性，而是观察者如何与其相互作用的结果。这一观点将焦点从粒子转向了测量它们的观测者，认为我们看到的“弛豫”实际上是一种学习的过程。通过将测量行为视为一个统计推断问题，研究人员发现，我们对未来的不确定感并非知识上的缺陷，而是驱动不可逆变化表象的引擎。

在最近的一项研究中，物理学家朱塞佩·德尔·维奇奥·德尔·维奇奥（Giuseppe Del Vecchio）通过引入一个涉及两个观察者——爱丽丝（Alice）和鲍勃（Bob）的简单思想实验，重新审视了这个经典问题。爱丽丝是系统的设置者。她知道精确的初始条件和系统随时间演化的确切规则。对于她来说，未来是完全可预测的；如果她知道一个粒子从哪里开始以及如何运动，她就能以完美的确定性计算出它在任何未来时刻的位置。然而，鲍勃的处境则不同。他在系统已经运行了一段未知时间后接收了该系统。至关重要的是，鲍勃没有一个与爱丽丝同步的时钟。他知道游戏的规则和爱丽丝使用的起点，但他不知道爱丽丝是在何时启动了计时器。对鲍勃来说，这个系统是一个谜：他看到了一个信号，但他无法分辨自己看到的是过程的开始、中间还是结束。

由于鲍勃缺乏这一特定信息——即系统相对于他观察时刻的起始精确时刻——他无法用单一、确定的答案来预测系统的未来状态。相反，他必须依赖统计。他想象自己在随机的时间点对系统进行多次测量，实际上是在问：“如果我在未来的某个随机时刻观察这个系统，我会看到什么？”由于他无法区分一个时刻与另一个时刻，他必须基于系统的路径历史来构建一个概率分布。他构建了一个心理直方图，统计系统在长时间内访问不同状态的频率，并利用这一点来猜测接下来可能会看到什么。

论文表明，这种从不完整信息中构建统计预测的过程，正是创造“弛豫”错觉的原因。即使系统很小，仅包含几个粒子，并且即使底层的定律是完全可逆的，鲍勃的预测也会表现出向一个稳定、不变的分布进行“弛豫”。这是因为鲍勃刻意忽略了过去的特定时间，转而采用一种适用于任何未来时刻的通用模式。研究显示，这种平稳状态并不是物理系统趋于稳定，而是鲍勃的信念系统在更新以应对他的无知。系统本身从未改变其确定性的本质；改变的只是鲍勃对它的描述。

这项工作的一个关键发现是，鲍勃预测中的不确定性（或熵）直接取决于他对过去的了解程度。研究人员将熵解释为不是衡量物理世界无序程度的度量，而是衡量观察者需要了解多少关于系统历史的信息才能做出良好预测的度量。如果鲍勃知道确切的起始时间，他的不确定性就很低，他的预测就很精准；如果他不知道系统何时开始，他的不确定性就会很高，他的预测就会很宽泛。论文计算出，随着鲍勃收集更多信息或考虑更长的时间窗口，他的不确定性变化的方式镜像了传统热力学中熵的增加。然而，在这种观点下，这种增加仅仅是观察者正在了解更多关于系统过去隐藏细节的过程。

该研究还阐明，这种现象并不需要大量粒子的参与。虽然传统统计力学通常认为热力学定律只有在处理庞大数量的原子时才会显现，但这种新方法表明，只要观察者是“无钟表的”且必须依赖时间平均统计，不可逆行为就可以出现在任何规模的系统中。只有当人们想要恢复特定的热力学关系（如连接热量与能量的关系）时，粒子数量才变得至关重要，但这种稳定、弛豫状态的出现，其根源在于观察者的视角。论文指出，“时间箭头”不是宇宙机制的一个特征，而是观察者无法与系统的历史保持同步的一个特征。

最终，这项工作提供了一种混合理论：物理世界的演化保持严格的确定性，但对那个世界的描述因测量行为而变得具有统计性。研究人员认为，我们观察到的“弛豫”是观察者利用所有可用信息，对一个因缺乏同步而对其隐藏的未来做出最佳猜测的结果。通过这样构建问题，论文为究竟是什么在发生“弛豫”提供了一个清晰的操作性定义：正在弛豫的不是物理系统，而是观察者对系统的信念。研究结果表明，统计力学的基石可以无需诉诸于关于大量粒子的复杂假设，而是通过认真对待观察者知识的局限性来理解。论文总结道，熵的核心是观察者与系统未知过去之间的互信息，这是一个完全取决于进行观察的人所掌握的信息量的量。