Sph`eres dures et Physique statistique - Espci
Sph`eres dures et Physique statistique - Espci
Sph`eres dures et Physique statistique - Espci
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Sphères <strong>dures</strong> <strong>et</strong> <strong>Physique</strong> <strong>statistique</strong><br />
Florent Krzakala <strong>et</strong> Michael Schindler<br />
ESPCI Paristech<br />
Laboratoire PCT, UMR Gulliver CNRS-ESPCI 7083,<br />
10 rue Vauquelin, 75231 Paris, France<br />
(Dated: 11 février 2013)<br />
I. UN PEU DE PHYSIQUE STATISTIQUE<br />
Malheureusement, vous avez à peine commencé votre cours de physique <strong>statistique</strong>. Mais la bonne nouvelle, c’est<br />
que nous pouvons rapidement résumer entièrement la discipline en quelques mots. En eff<strong>et</strong>, d’apres Richard Feynman,<br />
dans son livre Statistical Mechanics :<br />
The key principle of statistical mechanics is as follows :<br />
If a system in equilibrium can be in one of N states, then the probability of the system being in the state n is<br />
P = 1<br />
Z e−βEn (1)<br />
where Z = <br />
n e−βEn is called the partition function and b<strong>et</strong>a = 1/kT .<br />
This fundamental law is the summit of the statistical mechanis and the entire subject is either the slide-down from<br />
this summit, as the principle is applied to various cases, or the climb-up to where the fundamental law is derived.<br />
Vous voila donc expert en physique <strong>statistique</strong> ! La seule différence avec la formulation de Feynman pour notre<br />
ensemble de particules, c’est que nous avons à notre disposition un continuum (<strong>et</strong> non un ensemble discr<strong>et</strong>) d’états<br />
possible : un état étant spécifié par la position <strong>et</strong> la vitesse des N particles.<br />
II. PHYSIQUE STATISTIQUE DES SPHÈRES DURES<br />
Pour notre ensemble spheres <strong>dures</strong>, les choses sont de plus assez simples puisque nous travaillons avec une temperature<br />
inverse β = 1.<br />
La vitesse des particules doivent être donc distribuéée comme<br />
v2 − v2<br />
P (v) ∝ e 2mβ −<br />
= e 2 (2)<br />
puisque l’on travaille avec β = m = 1 dans le code. Il s’agit deja d’une prediction non triviale : Si je regarde la<br />
distribution des vitesses apres un certain temps, elle devrait suivre c<strong>et</strong>te distribution dite Gaussienne ! Prenez donc<br />
le temps de verifier c<strong>et</strong>te prediction, <strong>et</strong> notez sa simplicitéé. . .<br />
Pour la positions, c’est encore plus simple : l’energie est infinie si il y a un recouvrement, <strong>et</strong> nulle si il n’y en a pas.<br />
On en déduit donc que TOUTES les configurations permises des N particules sont équiprobables. La encore, il s’agit<br />
d’une prediction tres forte !<br />
Enfin, on peut exprimer la fonction de partition a volume fixé par :<br />
ZV ∝<br />
<br />
<br />
<br />
dvi<br />
i<br />
V<br />
<br />
i<br />
<br />
−<br />
dxie i<br />
<br />
∝ A<br />
V<br />
v 2 i<br />
2mβ θ (| xi − xj| > 2r0|) (3)<br />
<br />
dxiθ (| xi − xj| > 2r0|) (4)<br />
avec r0 le rayon des particules.<br />
Peut-on en déduire la pression d’un système en fonction de sa densité ? La réponse est oui, mais il faut travailler un<br />
peu plus <strong>et</strong> en raisonnant avec des systèmes de différents volumes.<br />
En eff<strong>et</strong>, l’energie associée à un changement de pression est simplement P V . Il faut donc inclure ce terme dans la<br />
description <strong>statistique</strong> <strong>et</strong> la probabilité d’observer un volume V pour une pression V est maintenant donée par<br />
P (V ) = 1<br />
Z e−βP V ZV = e −βP V +log(ZV )<br />
. Cela nous perm<strong>et</strong> de deriver une relation<br />
importante en general : si l’on connait la fonction de partition d’un système a volume fixé, sa derivée par rapport au<br />
volume nous donne la pression. Il nous faut donc savoir calculer la fonction de partition a volume fixé.<br />
Le maximum de c<strong>et</strong>te probabilité est atteint pour V ∗ tel que βP = log(ZV )<br />
dV<br />
i<br />
(5)
III. FONCTION D’ÉTAT<br />
Notre but est maintenant de calculer la fonction d’état qui donne la pression P en fonction de la densité ρ = N/V .<br />
Commençons par la description la plus simple : Nous travaillons avec une temperature telle que kT = 1. En déduire<br />
que selon la loi de gaz Parfait, on trouve :<br />
PGP = ρ (6)<br />
Une façon d’aller plus loin que le gaz parfait est d’utiliser l’equation de Van der Waals. Montrez que<br />
PV dV = ρ + cstρ 2<br />
<strong>et</strong> calculer c<strong>et</strong>te constante. Comment cela se compare avec vos data ? Attention à la difference entre ρ = N/V dans le<br />
calcul <strong>et</strong> φ = Nv0/V dans la simulation.<br />
IV. DÉVELOPPEMENT DU VIRIEL (OU DE MAYER)<br />
Nous allons maintenant voir comment on peut exploiter la physique <strong>statistique</strong> pour predire la fonction P (ρ). Pour<br />
cela on rappelle que<br />
<br />
log(Z(V )<br />
<br />
P = , où Z(V ) ∝ dxi θ (| xi − xj| > 2r0|) (8)<br />
dV<br />
C<strong>et</strong>te integrale parait simple, mais elle est affreusement compliquée. De fait, personne ne sait comment la calculer en<br />
toute dimension, sauf en dimension une ! Il faut donc utiliser une approximation, <strong>et</strong> c’est le role du développement de<br />
Mayer (ou du Viriel), qui est la base de la théorie des liquides <strong>et</strong> des gaz en physique <strong>statistique</strong>.<br />
On commence par poser<br />
<strong>et</strong> notre fonction de partition devient une somme de plusieurs termes.<br />
<br />
<br />
<br />
Z(V ) = cst d xi (1 + fij) = cst<br />
⎛<br />
N<br />
dxi ⎝1 + <br />
fij + <br />
i<br />
i