一篇发布于2026年7月28日的物理博客文章,试图用统计力学里最古老的一套算法,给马尔可夫链的“熵”找一个说得通的定义。作者拿物理学家戴森提出的细胞玩具模型做实验田:8个站点,每个站点只能处于空、活跃、不活跃三种状态之一。当系统跑到平衡分布——一半站点空、四分之一活跃、四分之一不活跃——这8个站点一共能排出420种不同配置,对应的熵是6.0403 k_B。这个数字本身没有争议,它的意义边界才是这篇文章真正值得琢磨的地方。
8个站点怎么数出420种排列
思路来自玻尔兹曼在19世纪末给出的经典公式 S = k_B ln W——系统的熵,等于符合宏观约束的微观状态数取对数,再乘上玻尔兹曼常数。作者早年在居里磁体模型上先练过手:5个电子自旋,固定总磁矩为1,对应3上2下,可排列方式是5选3等于10种,熵为2.3026 k_B。这次换到戴森细胞模型,4个空位、2个活跃、2个不活跃,组合数是8!/(4!2!2!)=420,取对数乘常数,得到6.0403 k_B。
这套算法的确让平衡分布有了直观解释:概率分布不是抽象数字,而是背后有420种等可能的具体排列在撑着。这跟玻尔兹曼当年数气体分子微观态的思路一模一样,只是把速度、位置换成了空、活跃、不活跃三种站点状态。
玻尔兹曼熵和香农熵,算的不是一件事
问题出在这套计数法能不能承接克劳修斯1865年定义、又被薛定谔1944年借去讨论生命的那个“熵”。克劳修斯的熵是热力学量,单位焦耳每开尔文,靠不可逆过程单调增加撑起第二定律。玻尔兹曼熵是它的微观解释,前提是宏观约束下的微观态等可能——这个条件在真实马尔可夫链里未必成立,文章也没有验证站点之间是否独立、状态概率是否真的稳定。
马尔可夫链领域更常用的工具其实是香农熵,衡量的是概率分布本身的不确定性,单位是比特,跟“系统会不会往某个方向演化”没有必然关系。玻尔兹曼熵回答的是“这个宏观态对应多少种排列”,香农熵回答的是“这个概率分布有多不确定”,两者只有在特定极限下才能对上号,不是天然等价。
数得清420种排列,不代表算得清生命。
静态计数不是熵增,生命隐喻还差一步
薛定谔用负熵讨论生命,核心论点是活的系统靠摄入能量维持局部有序,对抗熵增。这篇文章的420种配置只是给定平衡态下的一次快照,没有回答熵会不会随转移过程单调增加——这恰恰是第二定律真正的内容。作者自己也承认,熵随时间怎么变化取决于转移矩阵、图结构和是否可逆,这些条件在文中都没有给出。
- 风险.把戴森细胞的“活跃”“不活跃”状态直接类比成生与死,容易让读者误以为这套计数已经证明了生命对抗熵增,但原文只停在静态平衡分布的组合数上,离熵增证明还差关键一步。
对关注概率模型和信息论的读者,这篇文章更适合当成一次教学示范——展示玻尔兹曼计数怎么套进离散状态系统。但如果拿它去支撑“生命就是熵”这类更大的科普结论,还得等作者后续证明熵在马尔可夫链演化中确实会增加,以及在什么条件下增加。