Mecánica estadística

Mecánica estadística
Termodinámica Teoría cinética
Estadísticas de partículas Teorema de estadística de espín Partículas indistinguibles Maxwell-Boltzmann Bose-Einstein Fermi-Dirac Paraestadística Estadísticas de Anyonic Estadísticas de trenzas
Conjuntos termodinámicos NVE Microcanónico NVT canónico µVT Gran canónico NPH isoentálpico-isobárico NPT isotérmico-isobárico
Modelos Debye Einstein Isando Potts
Potenciales Energía interna Entalpía Energía libre de Helmholtz Energía libre de Gibbs Gran potencial / Energía libre de Landau
Científicos Maxwell Boltzman Helmholtz Bosé Gibbs Einstein Dirac Fiesta de los testigos de Neumann Tolmán Debye Fermi Sincronizar Isando Landó
en a mi

En física , la mecánica estadística es un marco matemático que aplica métodos estadísticos y teoría de la probabilidad a grandes conjuntos de entidades microscópicas. A veces llamada física estadística o termodinámica estadística , sus aplicaciones incluyen muchos problemas en los campos de la física, la biología , ^[1] la química , la neurociencia , ^[2] la informática , ^{[3] [4]} la teoría de la información ^[5] y la sociología . ^[6] Su principal propósito es aclarar las propiedades de la materia en conjunto, en términos de las leyes físicas que rigen el movimiento atómico. ^{[7] [8]}

La mecánica estadística surgió del desarrollo de la termodinámica clásica , un campo en el que tuvo éxito en explicar propiedades físicas macroscópicas (como la temperatura , la presión y la capacidad térmica ) en términos de parámetros microscópicos que fluctúan alrededor de valores promedio y se caracterizan por distribuciones de probabilidad . ^{[ cita requerida ]}

Mientras que la termodinámica clásica se ocupa principalmente del equilibrio termodinámico , la mecánica estadística se ha aplicado en la mecánica estadística del no equilibrio a las cuestiones de modelado microscópico de la velocidad de los procesos irreversibles que son impulsados ​​por desequilibrios. Ejemplos de tales procesos incluyen reacciones químicas y flujos de partículas y calor. El teorema de fluctuación-disipación es el conocimiento básico obtenido de la aplicación de la mecánica estadística del no equilibrio para estudiar la situación de no equilibrio más simple de un flujo de corriente en estado estacionario en un sistema de muchas partículas. ^{[ cita requerida ]}

En 1738, el físico y matemático suizo Daniel Bernoulli publicó Hydrodynamica , que sentó las bases de la teoría cinética de los gases . En esta obra, Bernoulli postuló el argumento, que todavía se utiliza hoy en día, de que los gases están formados por un gran número de moléculas que se mueven en todas direcciones, que su impacto sobre una superficie causa la presión del gas que sentimos y que lo que experimentamos como calor es simplemente la energía cinética de su movimiento. ^[9]

La fundación del campo de la mecánica estadística generalmente se atribuye a tres físicos:

• Ludwig Boltzmann , quien desarrolló la interpretación fundamental de la entropía en términos de una colección de microestados
• James Clerk Maxwell , quien desarrolló modelos de distribución de probabilidad de tales estados.
• Josiah Willard Gibbs , quien acuñó el nombre del campo en 1884

En 1859, después de leer un artículo sobre la difusión de moléculas de Rudolf Clausius , el físico escocés James Clerk Maxwell formuló la distribución de Maxwell de velocidades moleculares, que daba la proporción de moléculas que tenían una cierta velocidad en un rango específico. ^[10] Esta fue la primera ley estadística en física. ^[11] Maxwell también dio el primer argumento mecánico de que las colisiones moleculares implican una igualación de temperaturas y, por lo tanto, una tendencia hacia el equilibrio. ^[12] Cinco años después, en 1864, Ludwig Boltzmann , un joven estudiante de Viena, se encontró con el artículo de Maxwell y pasó gran parte de su vida desarrollando el tema.

La mecánica estadística se inició en la década de 1870 con el trabajo de Boltzmann, gran parte del cual se publicó colectivamente en sus Lectures on Gas Theory de 1896. ^[13] Los artículos originales de Boltzmann sobre la interpretación estadística de la termodinámica, el teorema H , la teoría del transporte , el equilibrio térmico , la ecuación de estado de los gases y temas similares, ocupan alrededor de 2000 páginas en las actas de la Academia de Viena y otras sociedades. Boltzmann introdujo el concepto de un conjunto estadístico de equilibrio y también investigó por primera vez la mecánica estadística del no equilibrio, con su teorema H.

El término "mecánica estadística" fue acuñado por el físico matemático estadounidense J. Willard Gibbs en 1884. ^[14] Según Gibbs, el término "estadístico", en el contexto de la mecánica, es decir, la mecánica estadística, fue utilizado por primera vez por el físico escocés James Clerk Maxwell en 1871:

"Al tratar con masas de materia, mientras no percibamos las moléculas individuales, nos vemos obligados a adoptar lo que he descrito como el método estadístico de cálculo y a abandonar el método dinámico estricto, en el que seguimos cada movimiento mediante el cálculo".

—  J. Clerk Maxwell ^[15]

"Mecánica probabilística" puede parecer hoy un término más apropiado, pero "mecánica estadística" está firmemente arraigada. ^[16] Poco antes de su muerte, Gibbs publicó en 1902 Principios elementales de mecánica estadística , un libro que formalizó la mecánica estadística como un enfoque totalmente general para abordar todos los sistemas mecánicos, macroscópicos o microscópicos, gaseosos o no gaseosos. ^[17] Los métodos de Gibbs se derivaron inicialmente en el marco de la mecánica clásica , sin embargo, eran de tal generalidad que se encontró que se adaptaban fácilmente a la mecánica cuántica posterior , y todavía forman la base de la mecánica estadística hasta el día de hoy. ^[18]

En física, se suelen estudiar dos tipos de mecánica: la mecánica clásica y la mecánica cuántica . Para ambos tipos de mecánica, el enfoque matemático estándar consiste en considerar dos conceptos:

• El estado completo del sistema mecánico en un momento dado, codificado matemáticamente como un punto de fase (mecánica clásica) o un vector de estado cuántico puro (mecánica cuántica).
• Una ecuación de movimiento que lleva el estado hacia adelante en el tiempo: las ecuaciones de Hamilton (mecánica clásica) o la ecuación de Schrödinger (mecánica cuántica)

Utilizando estos dos conceptos, en principio se puede calcular el estado en cualquier otro momento, pasado o futuro. Sin embargo, existe una desconexión entre estas leyes y las experiencias de la vida cotidiana, ya que no consideramos necesario (ni siquiera teóricamente posible) conocer con exactitud a nivel microscópico las posiciones y velocidades simultáneas de cada molécula mientras llevamos a cabo procesos a escala humana (por ejemplo, al realizar una reacción química). La mecánica estadística llena esta desconexión entre las leyes de la mecánica y la experiencia práctica del conocimiento incompleto, añadiendo cierta incertidumbre sobre el estado en el que se encuentra el sistema.

Mientras que la mecánica ordinaria solo considera el comportamiento de un solo estado, la mecánica estadística introduce el conjunto estadístico , que es una gran colección de copias virtuales e independientes del sistema en varios estados. El conjunto estadístico es una distribución de probabilidad sobre todos los estados posibles del sistema. En la mecánica estadística clásica, el conjunto es una distribución de probabilidad sobre puntos de fase (a diferencia de un único punto de fase en la mecánica ordinaria), generalmente representado como una distribución en un espacio de fase con ejes de coordenadas canónicos . En la mecánica estadística cuántica, el conjunto es una distribución de probabilidad sobre estados puros y puede resumirse de forma compacta como una matriz de densidad .

Como es habitual en el caso de las probabilidades, el conjunto puede interpretarse de diferentes maneras: ^[17]

• Se puede tomar un conjunto para representar los diversos estados posibles en los que podría encontrarse un solo sistema ( probabilidad epistémica , una forma de conocimiento), o
• Los miembros del conjunto pueden entenderse como los estados de los sistemas en experimentos repetidos en sistemas independientes que han sido preparados de manera similar pero imperfectamente controlada ( probabilidad empírica ), en el límite de un número infinito de ensayos.

Estos dos significados son equivalentes para muchos propósitos y se utilizarán indistintamente en este artículo.

Independientemente de cómo se interprete la probabilidad, cada estado del conjunto evoluciona con el tiempo según la ecuación de movimiento. Por lo tanto, el propio conjunto (la distribución de probabilidad entre los estados) también evoluciona, ya que los sistemas virtuales del conjunto abandonan continuamente un estado y entran en otro. La evolución del conjunto se da mediante la ecuación de Liouville (mecánica clásica) o la ecuación de von Neumann (mecánica cuántica). Estas ecuaciones se derivan simplemente de la aplicación de la ecuación mecánica de movimiento por separado a cada sistema virtual contenido en el conjunto, conservándose la probabilidad del sistema virtual con el tiempo a medida que evoluciona de un estado a otro.

Una clase especial de conjunto son aquellos conjuntos que no evolucionan con el tiempo. Estos conjuntos se conocen como conjuntos de equilibrio y su condición se conoce como equilibrio estadístico . El equilibrio estadístico ocurre si, para cada estado del conjunto, el conjunto también contiene todos sus estados futuros y pasados ​​con probabilidades iguales a la probabilidad de estar en ese estado. (Por el contrario, el equilibrio mecánico es un estado con un equilibrio de fuerzas que ha dejado de evolucionar). El estudio de conjuntos de equilibrio de sistemas aislados es el foco de la termodinámica estadística. La mecánica estadística de no equilibrio aborda el caso más general de conjuntos que cambian con el tiempo y/o conjuntos de sistemas no aislados.

El objetivo principal de la termodinámica estadística (también conocida como mecánica estadística del equilibrio) es derivar la termodinámica clásica de los materiales en términos de las propiedades de sus partículas constituyentes y las interacciones entre ellas. En otras palabras, la termodinámica estadística proporciona una conexión entre las propiedades macroscópicas de los materiales en equilibrio termodinámico y los comportamientos y movimientos microscópicos que ocurren dentro del material.

Mientras que la mecánica estadística propiamente dicha se ocupa de la dinámica, aquí la atención se centra en el equilibrio estadístico (estado estacionario). El equilibrio estadístico no significa que las partículas hayan dejado de moverse ( equilibrio mecánico ), sino que el conjunto no evoluciona.

Una condición suficiente (pero no necesaria) para el equilibrio estadístico con un sistema aislado es que la distribución de probabilidad sea una función únicamente de propiedades conservadas (energía total, número total de partículas, etc.). ^[17] Hay muchos conjuntos de equilibrio diferentes que pueden considerarse, y solo algunos de ellos corresponden a la termodinámica. ^[17] Se necesitan postulados adicionales para motivar por qué el conjunto para un sistema dado debe tener una forma u otra.

Un enfoque común que se encuentra en muchos libros de texto es tomar el postulado de probabilidad igual a priori . ^[18] Este postulado establece que

Para un sistema aislado con una energía y una composición exactamente conocidas, el sistema puede encontrarse con la misma probabilidad en cualquier microestado consistente con ese conocimiento.

El postulado de probabilidad a priori igual proporciona, por tanto, una motivación para el conjunto microcanónico que se describe a continuación. Hay varios argumentos a favor del postulado de probabilidad a priori igual:

• Hipótesis ergódica : Un sistema ergódico es aquel que evoluciona a lo largo del tiempo para explorar todos los estados "accesibles": todos aquellos con la misma energía y composición. En un sistema ergódico, el conjunto microcanónico es el único conjunto de equilibrio posible con energía fija. Este enfoque tiene una aplicabilidad limitada, ya que la mayoría de los sistemas no son ergódicos.
• Principio de indiferencia : En ausencia de más información, sólo podemos asignar probabilidades iguales a cada situación compatible.
• Máxima entropía de información : Una versión más elaborada del principio de indiferencia establece que el conjunto correcto es el conjunto que es compatible con la información conocida y que tiene la mayor entropía de Gibbs ( entropía de información ). ^[19]

También se han propuesto otros postulados fundamentales para la mecánica estadística. ^{[9] [20] [21]} Por ejemplo, estudios recientes muestran que la teoría de la mecánica estadística se puede construir sin el postulado de probabilidad a priori igual. ^{[20] [21]} Uno de estos formalismos se basa en la relación termodinámica fundamental junto con el siguiente conjunto de postulados: ^[20]

donde el tercer postulado puede ser reemplazado por el siguiente: ^[21]

Existen tres conjuntos de equilibrio de forma simple que pueden definirse para cualquier sistema aislado acotado dentro de un volumen finito. ^[17] Estos son los conjuntos más discutidos en termodinámica estadística. En el límite macroscópico (definido a continuación) todos ellos corresponden a la termodinámica clásica.

Conjunto microcanónico

describe un sistema con una energía dada con precisión y una composición fija (número preciso de partículas). El conjunto microcanónico contiene con igual probabilidad cada estado posible que sea consistente con esa energía y composición.

Conjunto canónico

describe un sistema de composición fija que está en equilibrio térmico con un baño de calor de una temperatura precisa . El conjunto canónico contiene estados de energía variable pero composición idéntica; a los diferentes estados del conjunto se les asignan diferentes probabilidades en función de su energía total.

Gran conjunto canónico

describe un sistema con una composición no fija (número incierto de partículas) que está en equilibrio térmico y químico con un reservorio termodinámico. El reservorio tiene una temperatura precisa y potenciales químicos precisos para varios tipos de partículas. El conjunto gran canónico contiene estados de energía variable y número variable de partículas; a los diferentes estados del conjunto se les asignan diferentes probabilidades dependiendo de su energía total y número total de partículas.

En el caso de sistemas que contienen muchas partículas (el límite termodinámico ), los tres conjuntos enumerados anteriormente tienden a mostrar un comportamiento idéntico. Por lo tanto, es simplemente una cuestión de conveniencia matemática qué conjunto se utiliza. ^[22] El teorema de Gibbs sobre la equivalencia de conjuntos ^[23] se desarrolló en la teoría del fenómeno de concentración de la medida , ^[24] que tiene aplicaciones en muchas áreas de la ciencia, desde el análisis funcional hasta los métodos de inteligencia artificial y la tecnología de big data . ^[25]

Los casos importantes en los que los conjuntos termodinámicos no dan resultados idénticos incluyen:

• Sistemas microscópicos.
• Grandes sistemas en transición de fase.
• Grandes sistemas con interacciones de largo alcance.

En estos casos, se debe elegir el conjunto termodinámico correcto, ya que existen diferencias observables entre estos conjuntos, no sólo en el tamaño de las fluctuaciones, sino también en las cantidades promedio, como la distribución de partículas. El conjunto correcto es el que corresponde a la forma en que se ha preparado y caracterizado el sistema, es decir, el conjunto que refleja el conocimiento sobre ese sistema. ^[18]

Conjuntos termodinámicos ^[17]

	Microcanónico	Canónico	Gran canónico
Variables fijas	${\estilo de visualización E,N,V}$	${\estilo de visualización T,N,V}$	${\displaystyle T,\mu ,V}$
Características microscópicas	Número de microestados	Función de partición canónica	Función de gran partición
	${\estilo de visualización W}$	${\displaystyle Z=\sum _{k}e^{-E_{k}/k_{B}T}}$	${\displaystyle {\mathcal {Z}}=\sum _{k}e^{-(E_{k}-\mu N_{k})/k_{B}T}}$
Función macroscópica	Entropía de Boltzmann	Energía libre de Helmholtz	Gran potencial
	${\displaystyle S=k_{B}\log W}$	${\displaystyle F=-k_{B}T\log Z}$	${\displaystyle \Omega =-k_{B}T\log {\mathcal {Z}}}$

Una vez calculada la función de estado característica de un conjunto para un sistema dado, dicho sistema queda "resuelto" (se pueden extraer observables macroscópicos de la función de estado característica). Sin embargo, calcular la función de estado característica de un conjunto termodinámico no es necesariamente una tarea sencilla, ya que implica considerar todos los estados posibles del sistema. Si bien algunos sistemas hipotéticos se han resuelto con exactitud, el caso más general (y realista) es demasiado complejo para una solución exacta. Existen varios enfoques para aproximarse al conjunto verdadero y permitir el cálculo de cantidades promedio.

Hay algunos casos que permiten soluciones exactas.

• Para sistemas microscópicos muy pequeños, los conjuntos se pueden calcular directamente simplemente enumerando todos los estados posibles del sistema (utilizando la diagonalización exacta en mecánica cuántica o la integral sobre todo el espacio de fases en mecánica clásica).
• Algunos sistemas grandes constan de muchos sistemas microscópicos separables, y cada uno de los subsistemas puede analizarse de forma independiente. Cabe destacar que los gases idealizados de partículas que no interactúan tienen esta propiedad, lo que permite derivaciones exactas de las estadísticas de Maxwell-Boltzmann , Fermi-Dirac y Bose-Einstein . ^[18]
• Se han resuelto algunos sistemas grandes con interacción. Mediante el uso de técnicas matemáticas sutiles, se han encontrado soluciones exactas para algunos modelos de juguete . ^[26] Algunos ejemplos incluyen el modelo de Bethe Ansatz , el modelo de Ising de red cuadrada en campo cero y el modelo de hexágono duro .

Aunque algunos problemas en física estadística pueden resolverse analíticamente utilizando aproximaciones y expansiones, la mayoría de las investigaciones actuales utilizan la gran potencia de procesamiento de las computadoras modernas para simular o aproximar soluciones. Un enfoque común para los problemas estadísticos es utilizar una simulación de Monte Carlo para obtener información sobre las propiedades de un sistema complejo . Los métodos de Monte Carlo son importantes en física computacional , química física y campos relacionados, y tienen diversas aplicaciones, incluida la física médica , donde se utilizan para modelar el transporte de radiación para cálculos de dosimetría de radiación. ^{[27] [28] [29]}

El método de Monte Carlo examina sólo algunos de los estados posibles del sistema, y ​​los elige aleatoriamente (con un peso justo). Siempre que estos estados formen una muestra representativa de todo el conjunto de estados del sistema, se obtiene la función característica aproximada. A medida que se incluyen más muestras aleatorias, los errores se reducen a un nivel arbitrariamente bajo.

• El algoritmo Metropolis-Hastings es un método clásico de Monte Carlo que se utilizó inicialmente para muestrear el conjunto canónico.
• Integral de trayectorias de Monte Carlo , también se utiliza para muestrear el conjunto canónico.

• Para los gases no ideales enrarecidos, los enfoques como la expansión de cúmulos utilizan la teoría de perturbaciones para incluir el efecto de las interacciones débiles, lo que conduce a una expansión virial . ^[30]
• Para fluidos densos, otro enfoque aproximado se basa en funciones de distribución reducidas, en particular la función de distribución radial . ^[30]
• Las simulaciones computacionales de dinámica molecular se pueden utilizar para calcular promedios de conjuntos microcanónicos en sistemas ergódicos. Con la inclusión de una conexión a un baño de calor estocástico, también se pueden modelar condiciones canónicas y grancanónicas.
• Pueden resultar útiles los métodos mixtos que implican resultados mecánicos estadísticos de no equilibrio (ver a continuación).

Muchos fenómenos físicos implican procesos cuasi-termodinámicos fuera de equilibrio, por ejemplo:

• transporte de calor por los movimientos internos de un material , impulsados ​​por un desequilibrio de temperatura,
• corrientes eléctricas transportadas por el movimiento de cargas en un conductor , impulsadas por un desequilibrio de voltaje,
• reacciones químicas espontáneas impulsadas por una disminución de la energía libre,
• fricción , disipación , decoherencia cuántica ,
• sistemas bombeados por fuerzas externas ( bombeo óptico , etc.),
• y procesos irreversibles en general.

Todos estos procesos ocurren a lo largo del tiempo con velocidades características. Estas velocidades son importantes en ingeniería. El campo de la mecánica estadística del desequilibrio se ocupa de comprender estos procesos de desequilibrio a nivel microscópico. (La termodinámica estadística sólo se puede utilizar para calcular el resultado final, una vez que se han eliminado los desequilibrios externos y el conjunto ha vuelto a alcanzar el equilibrio).

En principio, la mecánica estadística de no equilibrio podría ser matemáticamente exacta: los conjuntos de un sistema aislado evolucionan con el tiempo según ecuaciones deterministas como la ecuación de Liouville o su equivalente cuántico, la ecuación de von Neumann . Estas ecuaciones son el resultado de aplicar las ecuaciones mecánicas del movimiento de forma independiente a cada estado del conjunto. Estas ecuaciones de evolución del conjunto heredan gran parte de la complejidad del movimiento mecánico subyacente, por lo que es muy difícil obtener soluciones exactas. Además, las ecuaciones de evolución del conjunto son completamente reversibles y no destruyen la información (se conserva la entropía de Gibbs del conjunto ). Para avanzar en la modelización de procesos irreversibles, es necesario considerar factores adicionales además de la probabilidad y la mecánica reversible.

Por lo tanto, la mecánica del desequilibrio es un área activa de investigación teórica, ya que se sigue explorando el rango de validez de estos supuestos adicionales. En las siguientes subsecciones se describen algunos enfoques.

Un enfoque de la mecánica estadística del desequilibrio consiste en incorporar un comportamiento estocástico (aleatorio) al sistema. El comportamiento estocástico destruye la información contenida en el conjunto. Si bien esto es técnicamente inexacto (aparte de las situaciones hipotéticas que involucran agujeros negros , un sistema no puede por sí mismo causar pérdida de información), la aleatoriedad se agrega para reflejar que la información de interés se convierte con el tiempo en correlaciones sutiles dentro del sistema, o en correlaciones entre el sistema y el entorno. Estas correlaciones aparecen como influencias caóticas o pseudoaleatorias sobre las variables de interés. Al reemplazar estas correlaciones con la aleatoriedad propiamente dicha, los cálculos pueden resultar mucho más fáciles.

Otra clase importante de modelos mecánicos estadísticos de no equilibrio se ocupa de sistemas que se ven perturbados muy levemente con respecto al equilibrio. Con perturbaciones muy pequeñas, la respuesta puede analizarse en la teoría de respuesta lineal . Un resultado notable, tal como se formaliza mediante el teorema de fluctuación-disipación , es que la respuesta de un sistema cuando está cerca del equilibrio está relacionada precisamente con las fluctuaciones que ocurren cuando el sistema está en equilibrio total. Esencialmente, un sistema que está ligeramente alejado del equilibrio (ya sea que haya sido puesto allí por fuerzas externas o por fluctuaciones) se relaja hacia el equilibrio de la misma manera, ya que el sistema no puede notar la diferencia o "saber" cómo llegó a estar alejado del equilibrio. ^{[30] : 664}

Esto proporciona una vía indirecta para obtener números como la conductividad óhmica y la conductividad térmica extrayendo resultados de la mecánica estadística del equilibrio. Dado que la mecánica estadística del equilibrio está matemáticamente bien definida y (en algunos casos) es más adecuada para los cálculos, la conexión fluctuación-disipación puede ser un atajo conveniente para los cálculos en la mecánica estadística del equilibrio cercano.

Algunas de las herramientas teóricas utilizadas para realizar esta conexión incluyen:

• Teorema de fluctuación-disipación
• Relaciones recíprocas de Onsager
• Relaciones entre Green y Kubo
• Formalismo de Landauer-Büttiker
• Formalismo de Mori-Zwanzig
• Formalismo genérico

Un enfoque avanzado utiliza una combinación de métodos estocásticos y teoría de respuesta lineal . Como ejemplo, un enfoque para calcular los efectos de coherencia cuántica ( localización débil , fluctuaciones de conductancia ) en la conductancia de un sistema electrónico es el uso de las relaciones de Green-Kubo, con la inclusión del desfase estocástico por interacciones entre varios electrones mediante el uso del método de Keldysh. ^{[31] [32]}

El formalismo de conjuntos se puede utilizar para analizar sistemas mecánicos generales con incertidumbre en el conocimiento sobre el estado de un sistema. Los conjuntos también se utilizan en:

• propagación de la incertidumbre a lo largo del tiempo, ^[17]
• análisis de regresión de órbitas gravitacionales ,
• pronóstico conjunto del tiempo,
• dinámica de redes neuronales ,
• Juegos potenciales racionales acotados en teoría de juegos y economía.

La física estadística explica y describe cuantitativamente la superconductividad , la superfluidez , la turbulencia , los fenómenos colectivos en sólidos y plasmas , y las características estructurales de los líquidos . Es la base de la astrofísica moderna . En la física del estado sólido, la física estadística ayuda al estudio de los cristales líquidos , las transiciones de fase y los fenómenos críticos . Muchos estudios experimentales de la materia se basan completamente en la descripción estadística de un sistema. Estos incluyen la dispersión de neutrones fríos , rayos X , luz visible y más. La física estadística también desempeña un papel en la ciencia de los materiales, la física nuclear, la astrofísica, la química, la biología y la medicina (por ejemplo, el estudio de la propagación de enfermedades infecciosas). ^{[ cita requerida ]}

Las técnicas analíticas y computacionales derivadas de la física estadística de sistemas desordenados pueden extenderse a problemas de gran escala, incluido el aprendizaje automático, por ejemplo, para analizar el espacio de pesos de redes neuronales profundas . ^[33] Por lo tanto, la física estadística está encontrando aplicaciones en el área de diagnóstico médico . ^[34]

La mecánica estadística cuántica es la mecánica estadística aplicada a los sistemas mecánicos cuánticos . En mecánica cuántica, un conjunto estadístico (distribución de probabilidad sobre posibles estados cuánticos ) se describe mediante un operador de densidad S , que es un operador de traza no negativo, autoadjunto y de clase traza de traza 1 en el espacio de Hilbert H que describe el sistema cuántico. Esto se puede demostrar con varios formalismos matemáticos para la mecánica cuántica . Uno de esos formalismos lo proporciona la lógica cuántica . ^{[ cita requerida ]}

• Reif, F. (2009). Fundamentos de física estadística y térmica . Waveland Press. ISBN 978-1-4786-1005-2.
• Müller-Kirsten, Harald J W. (2013). Fundamentos de física estadística (PDF) . doi :10.1142/8709. ISBN 978-981-4449-53-3.
• Kadanoff, Leo P. «Física estadística y otros recursos». Archivado desde el original el 12 de agosto de 2021. Consultado el 18 de junio de 2023 .
• Kadanoff, Leo P. (2000). Física estadística: estática, dinámica y renormalización . World Scientific. ISBN 978-981-02-3764-6.
• Flamm, Dieter (1998). "Historia y perspectivas de la física estadística". arXiv : physics/9803005 .

Wikimedia Commons tiene medios relacionados con Mecánica estadística .

• Artículo de Filosofía de la Mecánica Estadística de Lawrence Sklar para la Enciclopedia de Filosofía de Stanford .
• Sklogwiki - Termodinámica, mecánica estadística y simulación informática de materiales. SklogWiki está especialmente orientado a líquidos y materia condensada blanda.
• Termodinámica y mecánica estadística de Richard Fitzpatrick
• Cohen, Doron (2011). "Apuntes de clase sobre mecánica estadística y mesoscopía". arXiv : 1107.0568 .
• Vídeos de la serie de conferencias sobre mecánica estadística en YouTube impartidas por Leonard Susskind .
• Vu-Quoc, L., Integral de configuración (mecánica estadística), 2008. Este sitio wiki no está disponible; consulte este artículo en el archivo web el 28 de abril de 2012.