为什么在这个自发熵增的世界会存在着生命由简单到复杂的这种熵减的过程？

人老颠东 2023-05-20 发布于安徽

展开全文

有个真相要告诉大家，想要头脑清醒，一定要远离熵。关于熵的内容，看的越多越困惑。

如果又困惑又想看，越看越困惑怎么办？那自然是分享给好朋友了。

不过呢，这种状态有一个好处，那就是可以让你快速远离工作生活中的所有烦恼，快速进入梦乡。知识嘛，永远都是促眠的良药。

为什么在这个自发熵增的世界会存在着生命由简单到复杂的这种熵减的过程？

现实中的一些现象似乎违背了熵增的原则。例如生命的存在和演化，生命从简单的单细胞生物演化到复杂的多细胞生物，这个过程似乎是熵减的过程。那么，为什么呢？

1. 熵的定义和性质

熵这个物理量，是用来描述一个系统的无序程度。在封闭系统中，熵总是趋向于增加，这就是所谓的熵增原理。然而，我们在生活中观察到的许多现象似乎违背了这个原理。

熵的定义源自热力学，是描述微观状态数量的物理量。在统计物理学中，熵被定义为系统微观状态的对数，这些微观状态与系统的宏观状态（例如温度、压力、体积等）相符。这个定义揭示了熵的本质：它是对系统混乱程度的度量。一个系统的熵越大，它的混乱程度就越高。

熵的单位是焦耳每开尔文（J/K）。这个单位反映了熵的本质：它是能量分布的度量。在一个给定的温度下，一个系统的熵越大，其能量分布就越均匀。

熵的维度是

其中L是长度，M是质量，T是时间，Θ是温度。这个维度反映了熵的物理含义：它是对系统微观状态数量的度量。

在热力学中，熵的符号通常为S。这个符号源自德语单词'Steigerung'，意为'增加'，这反映了熵增原理的本质：在一个封闭系统中，熵总是趋向于增加。

熵的性质可以从其定义和单位中得到。首先，熵是一个状态函数，只依赖于系统的当前状态，而不依赖于系统达到该状态的路径。这意味着，无论系统经历了何种过程，只要其初始状态和最终状态相同，其熵的变化就相同。

其次，熵是一个广延量，即它与系统的大小成正比。如果将一个系统分为两个相互独立的部分，那么系统的总熵等于各部分熵的和。这一性质揭示了熵的另一个重要含义：它是对系统混乱程度的度量。

在封闭系统中，熵可以被克劳修斯不等式来表述：

也就是说，在封闭的系统中，熵变总是大于过程中热温商的路径积分。N，被克劳修斯称作无补偿变化。

克劳修斯的另外一个热力学第二定律表述就是：无补偿变化总大于零。

在经典热力学中，我们通常只考虑平衡态，而对于非平衡态的不可逆过程，我们并没有一个很好的描述方法。克劳修斯提出的“无补偿变化”概念是一种尝试，但他并没有给出这个概念的数学描述。这是因为，无补偿变化并不是一个状态量，而是描述了系统从一个状态向另一个状态变化的过程。

在现代热力学中，人们找到了一个更好的概念来替代克劳修斯的“无补偿变化”，就是熵产生，是系统内部自发的不可逆过程导致的熵增。因而，对一般的封闭系统而言，克劳修斯不等式其实就是在说，系统的熵产总是为正数。同时这个表述并不仅限于孤立系统。在一般的开放系统中有如下公式：

文字描述就是，系统的熵变=进出系统的物流带来的净熵+进出系统的能流带来的净熵+系统内部的熵产生

也就是说，在一个开放系统中，系统的熵变由两个因素决定，进出系统的熵流和熵产生。

在上述因素中，现代版本的热力学第二定律断定，在开放系统中，系统的熵变去掉净熵流的贡献后，总是为正数。

对于一个一般系统，我们所谓的熵增，其实是说的是熵产生总是正数，而不是说它的熵值总是增加的。因为随着系统与环境的物质和能量交换，它同时与环境交换着熵：熵产生=系统的熵变-系统与环境的熵交换≥0。简言之，系统产生的熵如果能够及时快速地排到系统外部，那么它的熵值是可以下降的。这就是为何开放系统可以熵减，但是这并不违背熵增原理。

在生命体这样的开放系统中，生命过程就是一个典型的熵减过程。

2. 生命的复杂性

生命是一种极其复杂的现象，从单细胞生物到多细胞生物，生命的复杂性在不断增加。这个过程似乎是熵减的过程，因为复杂性的增加意味着系统的有序程度在增加。这一点可以通过以下公式来表达：

ΔS = -ΔQ/T

其中，ΔS是系统的熵变，ΔQ是系统吸收或释放的热量，T是系统的温度。当系统的复杂性增加时，其有序程度也在增加，因此，熵（代表系统的混乱程度）会减小。

然而，生命的复杂性和熵增原理并不矛盾。生命的复杂性是在能量的输入下实现的。生命体通过摄取能量，将能量转化为有序的结构和功能，从而增加了系统的复杂性。这一点可以通过以下公式来表达：

ΔG = ΔH - TΔS

其中，ΔG是系统的吉布斯自由能变，ΔH是系统的焓变，T是系统的温度，ΔS是系统的熵变。当生命体摄取能量时，系统的焓会增加，同时，生命体将能量转化为有序的结构和功能，使得系统的熵减小，因此，系统的吉布斯自由能会减小，这是生命体生存和发展的必要条件。

在这个熵增的世界中，生命以其独特的方式减少熵，显得格外突出。生命从简单的单细胞生物演化到复杂的多细胞生物，这个过程似乎是熵减的过程。但是，为什么在这个自发熵增的世界会存在着生命由简单到复杂的这种熵减的过程呢？

这可能与生命的起源有关。生命的起源是一个复杂的过程，涉及到许多不同的因素。一种理论认为，生命起源于一种名为RNA的分子。RNA既可以储存遗传信息，也可以催化化学反应，因此被认为是生命的起源。这一点可以通过以下公式来表达：

RNA → Protein → Life

随着时间的推移，生命体逐渐演化出更复杂的结构和功能。这个过程似乎是熵减的过程，因为复杂性的增加意味着系统的有序程度在增加。然而，这个过程是在能量的输入下进行的。生命体通过摄取能量，将能量转化为有序的结构和功能，从而增加了系统的复杂性。这一点可以通过以下公式来表达：

ΔG = ΔH - TΔS

3. 系统最大熵

先来看非平衡态。非平衡态是指系统的各项性质不再是均匀分布的状态。在这种状态下，系统中会出现各种梯度和流动。这些梯度对应着不同的“势”，由于梯度的存在就相应地产生驱动力，这种“力”就会产生“流”。例如，温度梯度就成为能量从高温向低温流动的驱动力（热流），浓度梯度就成为质量从高浓度向低浓度流动的驱动力（质量流），化学势（或者是化学亲和力，Affinity）就成为原子从反应物向产物流动的驱动力（化学反应流），电势梯度就是电流的驱动力，如此等等。

对于一个非平衡态的开放系统，它的熵变可以表示为：

∂s/∂t=σ−∇⋅∑js

其中第一项 σ 就是熵产生。第二项就是各种的熵流。我们可以得到，熵产生满足如下关系：

σ=∑iXiJi

其中 X 为热力学力， J 为热力学流。

这里，我们引入了最大熵产生原理。这个原理告诉我们，流随着力的变化所走的路线总是使得熵产生最大。这个原理其实最早在玻尔兹曼时代就已经隐晦地提到了。玻尔兹曼曾经说过，既然高熵是最可能状态，那么系统的演化的最可能状态就是向着高熵态的最速路线。

最大熵产生原理应用在远离平衡态的系统中，就会自然得到局部熵减的结果。这个过程，用MEPP早期的直观语言来说，就是：“有序的流比无序的流能更有效地耗散掉力”。这句话的意思是说，有序结构在产生更多的熵这方面，比起无序结构更加有效率。

我们可以通过一个实例来理解这个原理：Benard对流。当我们在一个平底锅中倒入薄薄的一层水，然后从底下缓慢均匀加热。一开始水面很平静，但是当加热到一定程度，我们会发现水面缓慢翻滚，最终形成一种非常规则的花纹。这种自发形成的规则结构就对应着局部的熵减。但是，我们也可以估算它的传热效率。当水面平静的时候，传热主要是以热传导的形式进行，速率很慢。但是当进入对流状态，传热速率则大大增加。也就是说，这种有序的水体结构可以更加有效地从热源吸收能量并把它以低温的形式耗散掉。这就是前面说的“有序更加有效地产生熵”。

因此，我们可以说，有序性的产生不可避免，是因为有序比无序更快地产生熵。这就是最大熵产生原理的核心思想。

我们可以把最大熵产生原理看作是熵增定律的直接推广。经典的热力学第二定律说熵是净产生的（熵产生>0），而这个原理进一步说，熵不但是净产生的，而且产生过程中总是选择速度最快的方式。应用于孤立系统，经典熵增原理说系统总是向着熵最大的平衡态演化，而这个原理说，熵沿着通向平衡态的最快路径演化。

4. 熵增和熵减的平衡

在这个熵增的世界中，生命体通过摄取能量，将能量转化为有序的结构和功能，从而实现了熵减。然而，这个过程并不违背熵增原理，因为生命体的能量摄取和转化过程也是一个熵增的过程。因此，生命的存在和演化可以被看作是熵增和熵减的平衡。

首先，我们来看一下生命体如何通过摄取能量来实现熵减。生命体通过摄取外部的能量，比如阳光、食物等，将这些能量转化为生命活动所需的能量，比如ATP。这个过程可以用以下的公式来表示：

ΔS = ΔQ/T

其中，ΔS是系统的熵变，ΔQ是系统吸收或释放的热量，T是系统的温度。当生命体摄取能量时，ΔQ为正，因此ΔS为负，表示系统的熵减小，也就是系统的有序程度增加。

然而，生命体的能量摄取和转化过程也是一个熵增的过程。这是因为在这个过程中，生命体会产生一些废物和热量，这些废物和热量会被排放到环境中，增加了环境的无序程度。这个过程可以用以下的公式来表示：

ΔS_total = ΔS_system + ΔS_surroundings

其中，ΔS_total是总的熵变，ΔS_system是系统的熵变，ΔS_surroundings是环境的熵变。当生命体排放废物和热量时，ΔS_surroundings为正，因此ΔS_total也为正，表示总的熵增加。

因此，生命的存在和演化可以被看作是熵增和熵减的平衡。生命体通过摄取能量来实现熵减，同时通过排放废物和热量来实现熵增，这两个过程相互平衡，使得总的熵保持在一个相对稳定的水平。

5. 从植物到“戴森球”

首先，我们来看看植物如何通过光合作用从环境中获取太阳光的辐射能量。光合作用是一种复杂的化学反应过程，它由两个阶段组成：光反应和暗反应。在光反应阶段，植物的叶子吸收太阳光，将光能转化为化学能，同时产生氧气。在暗反应阶段，植物使用这些化学能量将二氧化碳转化为有机物，如葡萄糖。这个过程可以用以下公式表示：

6CO2 + 12H2O + 光能 → C6H12O6 + 6O2 + 6H2O

这个过程不仅加速了熵的净增长，也加速了植物自身的生长。这种生长过程是一种正反馈过程：叶片的生长加速了熵增，而熵增的加速反过来加速了叶片的生长。

然后，我们来看看生态圈中的动物如何影响这个过程。动物通过消费植物，打破了植物增殖的上限，从而刺激了植物的增殖，使得植物能够更多地吸收太阳能。此外，动物的存在也使得能量分配过程的效率极大提高。动物们为了捕食而移动，且为了移动而捕食。这种行为使得能量的消耗速率极大增加。

接下来，我们来看看人类如何通过建立交通网络和电网来加速能量的耗散。这些网络是高度有序的结构，它们使得能量可以以极高的速度从生产地运输到消费地，然后再以极高的速度被消耗掉。这种有序结构的出现导致了能量的更快耗散，从而使得熵产生极大增加。

这种大规模的能量耗散，在满足人类需求的同时，更是大范围的扩张了人们的需求，开发更多的技术建立更多的有序结构获取更大的能量消耗。这便是Jevons悖论。Jevons悖论是指当能源效率提高时，能源消耗并不会减少，反而可能会增加。这是因为能源效率的提高会降低能源的使用成本，从而刺激更多的能源消耗。

那么戴森球又是什么？

戴森球的概念最初由物理学家弗里曼·戴森在1960年提出。他预测，一个足够先进的文明可能会建造这样的结构来利用其恒星的全部能量。戴森球的构想通常被描绘为一个巨大的空心球壳，其内表面完全覆盖了太阳能电池或类似的设备。然而，实际上，戴森本人提出的原始概念更为宽泛，包括了任何能够捕获恒星辐射能量的大规模结构，不一定是连续的球壳。

戴森球的理论基础可以从能量守恒定律开始理解。能量守恒定律是物理学的基本定律之一，它表明在一个封闭系统中，能量不能被创造或销毁，只能从一种形式转化为另一种形式。在这个情况下，恒星的能量以光的形式发射出来，戴森球的目的就是捕获这些光并将其转化为其他形式的能量。

我们可以用公式来表示这种能量转换。假设恒星的总发射功率为P，那么戴森球能捕获的能量就是P。如果我们假设戴森球的效率为η（0 < η ≤ 1），那么戴森球能实际利用的能量就是ηP。

戴森球的构造可能有多种形式。最初的设想是一个完全包围恒星的壳，但这在工程上可能非常困难。另一种可能的形式是一个或多个环绕恒星的环，这些环可能是固定的，也可能是在恒星周围移动的。还有一种可能是一系列的太空站或其他小型结构，这些结构分布在恒星周围，捕获其发出的光。

这些不同形式的戴森球都有其优点和缺点。例如，一个完全的壳可能能捕获最多的能量，但其构造难度也最大。而一系列的太空站可能更容易构造，但可能无法捕获所有的能量。

戴森球的存在可能有一些可观测的效果。例如，如果一个恒星被一个戴森球完全包围，那么我们可能无法直接看到这颗恒星的光。然而，戴森球本身可能会发射出红外辐射，因为它需要将捕获的光能转化为其他形式的能量，并可能会产生热量。因此，如果我们观察到一个强烈的红外辐射源，但没有对应的可见光源，那么这可能是一个戴森球的迹象。