本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
根據上下文，術語「熵」用於熱力學量、可用選擇的度量、測量資訊的量，或在統計推斷的上下文中用於最大配置預測器。對於處於平衡狀態的系統或沒有記憶的過程，這些不同的熵概念的數學表達式似乎是所謂的玻爾茲曼-吉布斯-香農熵，H。對於有記憶的過程，例如驅動或自強化過程，這不再正確：不同的熵概念導致通常與 H 不同的不同泛函。這裡我們將重點放在驅動耗散系統背景下的最大構型熵（預測經驗分佈函數）。我們開發了相應的框架並推導了熵函數，該函數將可觀察狀態的分佈描述為駕駛過程細節的函數。我們為樣本空間縮減（SSR）過程執行此操作，該過程為具有可控驅動的驅動耗散系統提供了一個易於分析處理的模型。對於任意驅動的非平衡系統存在最大構型熵的一致框架這一事實開啟了導出此類驅動耗散系統的完整統計理論的可能性。這為我們提供了基於統計理論導出驅動過程的熱力學理論所需的技術手段。我們討論驅動系統的勒讓德結構。