Sei sulla pagina 1di 2

coarse graining e stima dell’entropia

L’entropia di Boltzmann, pur essendo sempre ben definita, è


difficilmente calcolabile. Una tecnica per stimarla a partire da
una nota densità ρ consiste nel coarse graining dello spazio delle
fasi in celle di volume h3N , M delle quali sono occupate da
ρ. La densità ρ viene smussata in una collezione di numeri di
occupazione delle celle {ρi }i=1,...,M , e pertanto all’interno di ogni
cella sussiste locale equiprobabilità derivante dalla perdita dei
dettagli più piccoli di h. Ora è possibile eseguire una media dei
valori che SB assume all’interno di ogni cella:
Z
hSB i = − ∑ ρi log ρi ≈ dz ρ(z) log ρ(z)h3N = SG − 3N log h
i Γ

Definiamo Sapp. = hSB i + 3N log h l’entropia apparente, risultante


dalla stima dell’entropia di Gibbs dovuta al coarse graining. A
seguito dell’evoluzione temporale il numero di celle occupato
dalla densità ρ varia, diciamo fino ad un M0 ragionevolmente più
grande di M. Ora supponendo di connettere stati di equilibrio
per i quali vale equiprobabilità a priori sull’intero spazio delle
fasi, si ottiene Sapp. = log M + 3N log h e pertanto
0 0
SG ≈ Sapp. ≤ Sapp. ≈ SG
L’entropia apparente aumenta pertanto di un termine log M0 /M.
Questo è ragionevole ma in (apparente) contraddizione con la
conservazione dello spazio delle fasi, i cui paradossi abbiamo
esaminato nello scorso paragrafo. La ragione per cui l’entropia
apparente cresce è che il coarse graining non si adatta all’evoluzio-
ne del sistema. La densità all’interno di ogni singola cella può
fluttuare, e il suo smussamento implica una perdita di informa-
zione che è maggiore all’istante iniziale rispetto che all’istante
iniziale. Il motivo è che con la tendenza a rilassarsi, anche le
fluttuazioni tendono a smussarsi, e pertanto il coarse graining
diviene via via più accurato, a fronte di una perdita di informa-
zione dovuta all’allargamento del “pacchetto d’onda”. Di questo
recupero di informazione l’entropia apparente non tiene conto.
Questo meccanismo di perdita e recupero dell’informazione
è il medesimo che avviene considerando il sistema a contatto
con un ambiente che ne assorbe o vi immette informazione. I
dettagli microscopici di un sistema che la nostra descrizione non
arriva a considerare, possono essere trattati alla stregua di un
ambiente esterno. Quando considereremo processi di salto dovuti
a interazioni stocastiche, non sapremo dire se le interazioni sono
dovute ad un ambiente “esterno” o a interazioni “interne” che
non sono comprese nella nostra trattazione. Gli stati mesoscopici
che andremo a considerare saranno il frutto di coarse graining di
stati microscopici i quali hanno una propria vita ed entropia.
Questo ragionamento applica per esempio in cosmologia al
seguente paradosso: se negli istanti successivi al Big Bang pos-

1
siamo pensare all’Universo come ad una palla incandescente
omoegenea ad una certa temperatura, ed oggi osserviamo la ric-
chezza di strutture, galassie, sistemi, pianeti e la vita, in quanto
misura dell’assenza di informazione l’entropia è costantemen-
te diminuita. Questo paradosso chiaramente non tiene conto
dell’informazione insita nelle interazioni tra le componenti ele-
mentari, ed in particolare della gravità. Questa forza divenendo
preponderante a lungo raggio dopo che tutte le altre forze si
sono mediate su piccola scala, si esprime su scale più ampie
del coarse graining implicitamente effettuato nella descrizione del
plasma iniziale, e pertanto immette informazione nell’Universo,
a costo di perdere raffinatezza microscopica. La conservazione
dell’informazione e l’aumento dello spazio delle fasi disponibile
sono fuori discussione. Piuttosto la gravità mette in crisi l’imma-
gine letteraria dell’aumento dell’entropia come aumento della
dissoluzione e del disordine. Non è affatto detto che stati più
probabili siano stati più disordinati o più diluiti. Questo vale per
i gas ma in presenza di interazioni si possono, appunto, creare
strutture ordinate.
Tornando alla procedura di coarse graining attuata per la sti-
ma dell’entropia di Boltzmann, essa purtroppo dipende dalla
dimensione e forma delle celle, e non è garantita per tempi finiti
la possibilità di considerare limiti h → 0. Pertanto l’entropia
di Gibbs si rivela uno strumento più utile dal punto di vista
pratico. La sua implementazione necessita di una trattazione non
conservativa o stocastica dei sistemi.