Blockdit Logo (Mobile)
Science Potential
•
11 ธ.ค. 2021 เวลา 10:30 • วิทยาศาสตร์ & เทคโนโลยี
เอนโทรปี (Entropy; S)
ตัวแปรทางฟิสิกส์ที่บ่งบอกความเป็นไปของเอกภพ
ขอบคุณรูปภาพจาก https://www.forbes.com/sites/startswithabang
ผู้อ่านหลาย ๆ ท่านอาจเคยได้ยินคำว่า "เอนโทรปี" จากภาพยนตร์ หรือบางท่านก็เคยได้ยินจากการเรียนในวิชาฟิสิกส์ในหัวข้ออุณหพลศาสตร์ (Thermodynamics) ซึ่งเป็นศาสตร์ที่ศึกษาตัวแปรต่าง ๆ ที่เกี่ยวข้องกับพลังงาน เช่น ความร้อน งาน เป็นต้น
แต่ก่อนที่เราจะไปทำความเข้าใจเอนโทรปี อยากให้ทุกท่านได้ลองอ่านกฏของเทอร์โมไดนามิกส์ข้อที่ 2 (The Second law of Thermodynamics) ซึ่งกล่าวว่า "เอนโทรปีของเอกภพจะเพิ่มขึ้นในกระบวนการที่เกิดขึ้นเองได้ และคงที่ในกระบวนการที่เข้าสู่สมดุล"
หากว่าอ่านแล้วยังไม่เข้าใจ ไม่ต้องกังวลไปครับ เพราะผมยังอยากให้ทุกท่านลองอ่านนิยามของเอนโทรปีอีก ซึ่งกล่าวว่า "ปริมาณที่บ่งบอกถึงการกระจายตัวของพลังงานในระบบหนึ่ง ๆ ด้วยวิธีการที่เป็นไปได้ที่แตกต่างกัน"
ณ ตอนนี้ ผมขอสรุปจากนิยามทั้งสองด้วยคำง่าย ๆ แต่ก็อาจจะยังทำให้หลายท่านยังคงสับสนอยู่ก็คือ เอนโทรปีของเอกภพจะสามารถเพิ่มขึ้นหรือคงที่เท่านั้น ไม่สามารถลดลงได้ และจากนิยามของเอนโทรปี ก็ทำให้เราตีความแบบธรรมดาสามัญ (เปลี่ยนจากการกล่าวถึงพลังงานเป็นเหตุการณ์ต่าง ๆ) ว่าเหตุการณ์ต่าง ๆ จะเกิดขึ้นไปในแนวโน้มที่มีความยุ่งเหยิงมากขึ้น หรือระบบที่เราสนใจมีจำนวนวิธีการจัดเรียงตัวได้มากขึ้น
เราจะหยุดความสับสนก่อนหน้านี้ไว้ก่อน และผมจะต้องบอกว่ากฏของเทอร์โมไดนามิกส์นั้นเป็นสิ่งที่เกิดขึ้นจริง และหากเราค่อย ๆ พิจารณาจากระบบเล็ก ๆ ขึ้นมา เราจะพบว่าทุกอย่างเป็นสิ่งที่สามารถเข้าใจได้ด้วยสามัญสำนึกของเรา
ผมอยากให้ทุกท่านเริ่มด้วยการทำความรู้จักคำศัพท์สัก 2 คำ ด้วยการจินตนาการถึงลูกเต๋า 1 ลูก ถ้าเราโยนลูกเต๋าลูกนี้จะมีเหตุการณ์ที่เป็นไปได้แตกต่างกัน 6 แบบ ก็คือลูกเต๋าจะหงายหน้าเป็นตัวเลขได้ตั้งแต่ 1 ถึง 6 เราจะเรียกตัวเลขแต่ละตัวเลขนี้ว่า สภาวะจุลภาค (microstates) และในกรณีนี้ สภาวะจุลภาค (microstates) จะมีจำนวนเท่ากับ สภาวะมหภาค (macrostates) คือเท่ากับ 6 นั่นเอง เมื่อเรากำหนดให้สภาวะมหภาค (macrostates) เป็นผลรวมแต้มของลูกเต๋าทั้งหมด ซึ่งมีเพียง 1 ลูกในที่นี้ แต่ในกรณีนี้เราอาจจะยังไม่เข้าใจคำว่าสภาวะมหภาค (macrostates) เราจำเป็นจะต้องจินตนาการระบบที่ซับซ้อนขึ้นมาอีกหน่อย
ภาพประกอบลูกเต๋าหนึ่งลูก | ขอบคุณรูปภาพจาก https://www.istockphoto.com/th
โดยสมมติว่าเรามีลูกเต๋าอยู่สองลูก สำหรับกรณีนี้ถ้าเราโยนลูกเต๋าทั้งสองลูกสิ่งที่เราสังเกตเห็นก็คือจำนวนแต้มของลูกเต๋าทั้งสอง ดังนั้นผลรวมของแต้มลูกเต๋าทั้งสองจะเป็นสภาวะมหภาค (macrostates) แต่แต้มของลูกเต๋าแต่ละลูกในการโยนแต่ละครั้ง จะถือว่าเป็นสภาวะจุลภาค (microstates) พูดง่าย ๆ ว่า microstates คือจำนวนเหตุการณ์ย่อย ๆ ซึ่งแฝงตัวอยู่ใน macrostates เช่น ถ้าผลรวมของแต้มลูกเต๋าสองลูกคือ 3 นี่คือ 1 macrostate แต่ในเหตุการณ์นี้จะมีเหตุการณ์ย่อยที่เป็นไปได้คือ แต้มลูกเต๋า ลูกที่หนึ่ง ต่อ ลูกที่สอง มีค่าเป็น 1:2 หรือ 2:1 จะเห็นว่าใน 1 macrostate นี้ จะมี 2 microstates แฝงอยู่นั่นเอง
ภาพประกอบลูกเต๋าสองลูก | ขอบคุณรูปภาพจาก https://www.thoughtco.com/probabilities-of-rolling-two-dice-3126559
คราวนี้เรามาลองพิจารณาอย่างละเอียดสำหรับกรณีเหตุการณ์ของการโยนลูกเต๋า สองลูก ถ้าหากลองค่อย ๆ คิดว่าแต้มของลูกเต๋าสองลูกจะมีโอกาสรวมกันได้เท่าไรบ้าง ก็จะพบว่าแต้มที่น้อยที่สุดที่เป็นไปได้คือ 2 (ออกแต้ม 1 ทั้งคู่) และมากที่สุดคือ 12 (ออกแต้ม 6 ทั้งคู่) ดังนั้น macrostates ที่เป็นไปได้ทั้งหมดจะได้แก่ 2, 3, 4, ..., 10, 11 และ 12 ซึ่งหากเราลองพิจารณา microstates ที่แฝงตัวอยู่ในแต่ละ macrostates จะได้เป็นดังนี้
ภาพแสดง microstates แบบต่าง ๆ ภายในแต่ละ macrostate ของผลรวมแต้มลูกเต๋าในการโยนลูกเต๋าสองลูก
กราฟระหว่างสภาวะมหภาค (macrostates) แต่ละแบบ และจำนวนของสภาวะจุลภาค (microstates) ของผลรวมแต้มลูกเต๋าในการโยนลูกเต๋าสองลูก
เมื่อเราลองย้อนกลับไปพิจารณาเหตุการณ์ที่เรามีลูกเต๋าเพียงลูกเดียว จะพบว่าโอกาสที่เราจะได้ผลรวมแต้มลูกเต๋าจะขึ้นแต้ม 1 ถึง 6 นั้นเท่า ๆ กันเลย แต่พอเรามีลูกเต๋าสองลูก โอกาสที่ผลรวมแต้มของลูกเต๋าจะมีค่าเท่ากับ 7 เป็นไปได้มากที่สุด เพราะมี microstates ที่เป็นไปได้ทั้งหมด 6 แบบ จากทั้งหมด 36 microstates
และหากเราเพิ่มความซับซ้อนของระบบเป็นลูกเต๋าสี่ลูกจะพบว่าความน่าจะเป็นที่จะได้ผลรวมแต้มลูกเต๋ามีค่าเท่ากับ 14 มีค่ามากที่สุด เพราะเหตุการณ์ที่ผลรวมแต้มเท่ากับ 14 มีจำนวน microstates ที่เป็นไปได้อยู่ 146 แบบ จากทั้งหมด 1296 แบบ เมื่อเทียบกับกรณีที่ผลรวมแต้มทั้งสี่ลูกจะเท่ากับ 4 นั้นมี microstate เพียง 1 แบบคือ 1:1:1:1 (ลูกเต๋าออกแต้ม 1 ทั้งสี่ลูก)
กราฟแสดงจำนวนสภาวะจุลภาค (แนวตั้ง) และสภาวะมหภาค (แนวนอน) ของผลรวมแต้มลูกเต๋าในการโยนลูกเต๋าสี่ลูก | ขอบคุณรูปภาพจาก https://www.thedarkfortress.co.uk/tech_reports/
แล้วสิ่งเหล่านี้บ่งบอกอะไรกับเรากันแน่ ผมอยากให้ลองจินตนาการต่ออีกว่าถ้าหากเรามีลูกเต๋าจำนวนเยอะมาก ๆ จนเท่ากับเลขอโวกาโดร (Avogadro's number) ซึ่งเป็นเลขที่มีจำนวนเท่ากับจำนวนอะตอมของคาร์บอนในไส้ดินสอที่หนัก 12 กรัม หรือมีจำนวน 6.02 x 10^23 (ประมาณเลข 6 และเติม 0 อีก 23 ตัว)
ในกรณีนี้ถ้าเราโยนลูกเต๋าจำนวนมากเท่านั้น จะพบว่าแต้มรวมของลูกเต๋าจะมีค่าเท่าเดิมแทบจะตลอด นั่นก็เป็นเพราะว่ามันจะมี macrostate หนึ่ง (ผลรวมของแต้มค่าหนึ่ง) ที่มีจำนวน microstates แฝงอยู่มากที่สุดจนชนะความเป็นไปได้แบบอื่นอย่างมาก จนผลรวมแต้มลูกเต๋าค่าอื่นแทบจะไม่มีโอกาสเกิดขึ้นเลย
กรณีที่จำนวนลูกเต๋าเท่ากับเลขอโวกาโดร สภาวะมหภาค (macrostate) ที่เป็นไปได้มากที่สุดจะมีจำนวนสภาวะจุลภาค (microstate) มากจนท่วมท้นเมื่อเปรียบเทียบกับสภาวะมหภาคอื่น ๆ | (Chang, 2000)
คราวนี้ผมอยากให้ลองมองในอีกมุมหนึ่ง ว่าถ้าหากเราโยนลูกเต๋าที่มีจำนวนมากเท่านั้น เราจะพบกับเหตุการณ์ที่มีจำนวน microstates แฝงอยู่มากที่สุด ซึ่งการที่จะเป็นเหตุการณ์ที่มี microstates แฝงอยู่มากที่สุดนั้นคืออะไร ตัวอย่างของลูกเต๋าอาจจะยังเห็นได้ไม่ชัดเจน
เราจะพิจารณาเหตุการณ์สุดเรียบง่ายก็คือการโยนเหรียญสองเหรียญพร้อมกัน เมื่อสภาวะมหภาค (macrostates) เป็นรูปแบบการขึ้นหัวก้อย จะมี 3 เหตุการณ์ที่เป็นไปได้ ได้แก่ ออกหัวทั้งคู่, ออกหัว 1 ก้อย 1 และออกก้อยทั้งคู่ และเมื่อพิจารณาสภาวะจุลภาค (microstates) ซึ่งมี 4 สภาวะ ได้แก่ หัวหัว(HH), หัวก้อย(HT), ก้อยหัว(TH) และก้อยก้อย(TT) จะพบว่า macrostate ที่มี microstates มากที่สุดคือการที่ได้ หัว 1 ก้อย 1
ภาพประกอบเหรียญ | ขอบคุณรูปภาพจาก https://www.cbsnews.com/news
มาถึงตอนนี้เราลองพิจารณาเหตุการณ์ที่โยนเหรียญแล้วออกหัว 1 ก้อย 1 ที่มีโอกาสเกิดขึ้นมากที่สุด เราสามารถมองในอีกมุมมองได้ว่ามันคือเหตุการณ์ที่ระบบ (เหรียญทั้งสอง) สามารถจัดเรียงตัวได้หลายแบบมากที่สุด เมื่อเทียบกับเหตุการณ์ที่ออกหัวทั้งคู่หรือก้อยทั้งคู่ ซึ่งจะเรียงตัวได้แค่แบบเดียว แต่ถ้าออกหัว 1 ก้อย 1 จะสามารถเรียงตัวกันได้แตกต่างกัน 2 แบบ คือ หัวก้อย และ ก้อยหัว นั่นเอง
ท่านใดที่คิดตามทันแล้ว ผมจะเริ่มโยงเข้าสู่ตัวแปร "เอนโทรปี" โดยจากทุกกรณีที่เราพิจารณามา เราได้ข้อสรุปว่าในสเกลที่ใหญ่ หรือระบบที่มีความซับซ้อนอย่างเหตุการณ์ในชีวิตประจำวันของเรา มักจะเกิดเหตุการณ์ที่มีแนวโน้มจะมีการจัดเรียงตัวสลับที่ได้หลากหลายวิธีที่แตกต่างกันมากขึ้น หรือกล่าวได้ว่ามีความไม่เป็นระเบียบหรือยุ่งเหยิงมากขึ้น
ดังนั้นเอนโทรปีก็คือตัวแปรทางฟิสิกส์ที่ใช้บ่งบอกถึงจำนวนวิธีการจัดเรียงตัวของระบบ เพียงแต่ในนิยาม จะพูดในเชิงของรูปแบบการกระจายตัวของพลังงานในระบบ เราอาจกล่าวง่าย ๆ ดังที่หลายท่านอาจจะเคยได้ยินว่าเอนโทรปีก็คือ "ความไม่เป็นระเบียบ" นั่นเอง แต่ที่ผมจะต้องให้ทุกท่านคิดตามมายืดยาวขนาดนี้ เพราะไม่อยากให้เกิดการเข้าใจผิดกับคำว่า "ความไม่เป็นระเบียบ" เพราะมันอาจจะไม่เหมือนกับความไม่เป็นระเบียบในแง่ของการที่ห้องของเรามีของรกไม่เป็นระเบียบ แต่จริง ๆ แล้วมันคือความไม่เป็นระเบียบในแง่ของสถิติ กล่าวคือจำนวนวิธีการจัดเรียงตัวสลับที่ของระบบ
ความไม่เป็นระเบียบ กับ เอนโทรปี | ขอบคุณรูปภาพจาก https://www.techiearistotle.com/2021/04/entropy-is-not-disorder.html
ซึ่งก็นำไปสู่การตอบคำถามว่าทำไมจึงเกิดกฎข้อที่สองของเทอร์โมไดนามิกส์ขึ้นมา นั่นเป็นเพราะว่าเหตุการณ์ที่จะเกิดขึ้นได้เองก็ "มักจะ" เป็นเหตุการณ์ที่มีเอนโทรปีสูงขึ้น โดยแม้จะเป็นคำว่า "มักจะ" แต่เราได้พิจารณากันไปแล้วว่ายิ่งระบบซับซ้อนมากขึ้นเท่าไหร่ จะมีเหตุการณ์หนึ่งที่มีโอกาสเกิดขึ้นได้มากที่สุด และเหตุการณ์นั้นจะมีโอกาสการจัดเรียงตัวสลับที่ได้หลายวิธีมากที่สุด ซึ่งชนะเหตุการณ์อื่น ๆ อย่างมากจนพูดได้ว่าเหตุการณ์อื่นแทบจะไม่มีโอกาสเกิดขึ้นเลย
(ตอนที่มีลูกเต๋า 1 ลูก จะไม่มีเหตุการณ์ใดที่มีโอกาสเกิดขึ้นมากกว่าเหตุการณ์อื่น พอมีลูกเต๋า 2 ลูก เหตุการณ์ที่โอกาสเกิดขึ้นมากที่สุดคือผลรวมเท่ากับ 7 ซึ่งมีโอกาส 6 ใน 36 เมื่อเทียบกับเหตุการณ์อื่นเช่นผลรวมเท่ากับ 2 จะมีโอกาสเกิดเพียง 1 ใน 36 ต่อมาถ้าเพิ่มเป็นลูกเต๋า 4 ลูก เหตุการณ์ที่มีโอกาสเกิดมากที่สุดคือแต้มรวมเท่ากับ 14 ซึ่งมีโอกาส 146 ใน 1296 เมื่อเทียบกับเหตุการณ์อื่น เช่นผลรวมเท่ากับ 4 จะมีโอกาสเกิดเพียง 1 ใน 1296 จะเห็นได้ว่าเหตุการณ์ที่มีโอกาสเกิดขึ้นมากที่สุดจะทิ้งห่างเหตุการณ์อื่นไปเรื่อย ๆ เมื่อระบบซับซ้อนขึ้น)
ทั้งหมดทั้งมวลที่กล่าวมานั้น เป็นที่มา ซึ่งล้วนมาจากแนวคิดพื้นฐานที่หากเราพิจารณาทำความเข้าใจอย่างละเอียด ก็จะเห็นว่ามันคือกฎพื้นฐานจริง ๆ ที่ใช้ในการอธิบายเหตุการณ์ใดที่เอกภพมีแนวโน้มที่จะดำเนินไป ต่อไปนี้เราจะมาดูกันว่าแนวคิดของเอนโทรปีนี้สามารถนำไปประยุกต์ใช้ และอธิบายอะไรได้อีกบ้าง
คราวนี้เราจะเริ่มพิจารณาจากสเกลใหญ่ แล้วค่อย ๆ เจาะลึกลงมาในสเกลที่เล็กลงเรื่อย ๆ โดยเริ่มต้นด้วยการโยนลูกบอลขึ้นฟ้า เราก็พอจะเดาได้ว่าวิถีของลูกบอลจะเป็นเช่นไร แต่ถ้าจะเอาแบบเป๊ะ ๆ ก็สามารถคำนวณได้โดยใช้กฎของนิวตัน หรือเราอาจจะนึกถึงเหตุการณ์แบบใดก็ได้ในชีวิตประจำวัน เราจะไม่เห็นเหตุการณ์แปลก ๆ ที่ผิดเพี้ยนไปจากกฎของฟิสิกส์เลย นั่นเป็นเพราะว่าระบบในชีวิตประจำวันของเรานั้นใหญ่มาก ๆ
การเคลื่อนที่ของลูกบอลแบบโพรเจคไทล์ | ขอบคุณรูปภาพจาก https://www.basic-mathematics.com/projectile-motion.html
ซึ่งจะใหญ่แค่ไหน มาถึงตรงนี้ทุกท่านก็คงพอทราบบ้างแล้วจากกรณีของไส้ดินสอ 12 กรัม พอระบบใหญ่มากก็เลยทำให้เหตุการณ์ที่จะเกิดขึ้นที่เราสังเกตเห็น เป็นเหตุการณ์ที่เป็นไปตามกฎของนิวตัน และกฎของนิวตันนี้เองที่เป็นกฎที่บ่งบอกวิถีแนวทางความเป็นไปของวัตถุที่เป็นเหตุการณ์ที่มีโอกาสเกิดขึ้นมากที่สุด ดังนั้นในระดับนี้เราจะไม่เจอเหตุการณ์ที่มีโอกาสเกิดขึ้นน้อยมาก ๆ เช่น อากาศในห้องของเรา จู่ ๆ ก็ไปรวมตัวกันที่มุมหนึ่งของห้อง แล้วเราก็ขาดอากาศหายใจ
แต่จะเห็นได้ว่าพอเราคิดแบบนี้แล้ว แสดงว่ากฎของนิวตันก็เป็นเพียงกฎที่ใช้ทำนายว่าสสารมีโอกาสที่จะแสดงพฤติกรรมอย่างไรมากที่สุด กฎของนิวตันจะไม่มีปัญหาใด ๆ เลย เมื่อเรานำมาใช้คำนวณในชีวิตประจำวัน แต่จะเริ่มมีปัญหาก็ต่อเมื่อเราลองมาพิจารณาสสารในระดับที่เล็กมาก ๆ อย่างเช่น ระดับอะตอม ภายในอะตอมนั้นประกอบไปด้วย นิวเคลียสซึ่งอยู่ตรงกลาง และอิเล็กตรอนอยู่รอบ ๆ นิวเคลียส
แบบจำลองอะตอมของบอร์ | ขอบคุณรูปภาพจาก https://chemistrygod.com/bohr-atomic-model
จริง ๆ แล้วเราสามารถใช้กฎของนิวตันเพื่อคำนวณได้ด้วยว่าอิเล็กตรอนจะอยู่ห่างจากนิวเคลียสเท่าไร (ในกรณีที่ระบบมี 1 อิเล็กตรอน) และสามารถใช้อธิบายปรากฏการณ์ต่าง ๆ ได้ดีเลยทีเดียวสำหรับแบบจำลองอะตอมของบอร์ (Bohr's model of an atom) แต่ภายหลังพบว่าจริง ๆ แล้วเราไม่สามารถระบุตำแหน่งที่แน่นอนของอิเล็กตรอนได้เลย บอกได้แต่เพียงว่ามีโอกาสจะพบที่บริเวณใดบ้าง และบริเวณใดที่มีโอกาสพบมาก บริเวณใดมีโอกาสพบน้อย
สิ่งที่น่าทึ่งก็คือระยะห่างจากนิวเคลียสของอิเล็กตรอนที่คำนวณโดยใช้กฎฟิสิกส์ในโลกคลาสสิค (Classical physics หรือ Newtonian laws) เป็นค่าที่ตรงกับตำแหน่งที่มีโอกาสพบอิเล็กตรอนมากที่สุด จากการคำนวณทางควอนตัม และนี่ก็เป็นเครื่องยืนยันว่ากฎของนิวตันเป็นเพียงกฎที่ใช้คำนวณเหตุการณ์ที่มีโอกาสเกิดขึ้นมากที่สุด!
กราฟแสดงการกระจายตัวของความน่าจะเป็นที่อิเล็กตรอนในอะตอมจะอยู่ตำแหน่งระยะห่างจากนิวเคลียสต่าง ๆ โดยแกนตั้งคือความน่าจะเป็น และแกนนอนคือระยะห่างจากนิวเคลียสในรูปของ ระยะห่าง หารด้วย รัศมีของบอร์ (รัศมีที่มาจากการคำนวณโดยใช้กฎฟิสิกส์คลาสสิค) จะเห็นว่าที่ตำแหน่ง r/a0 = 1 เป็นระยะที่มีโอกาสพบอิเล็กตรอนมากที่สุด และที่จุดนี้ก็คือระยะ r = a0 พอดี (ระยะเท่ากับรัศมีของบอร์พอดี) | (Atkins, 2014)
ในชีวิตจริงของเรา อะตอม หรืออิเล็กตรอน ก็เปรียบเสมือนกับลูกเต๋า 1 ลูก 2 ลูก หรือ 4 ลูก ที่พฤติกรรมของมันจะแสดงออกเป็นการสุ่มโดยที่เราจะไม่สามารถระบุได้อย่างแม่นยำว่าอิเล็กตรอนจะประพฤติตัวอย่างไร อย่างเช่นถ้าเราทำการทดลองวัดตำแหน่งของอิเล็กตรอนในอะตอม เราก็จะพบว่าในการวัดแต่ละครั้งได้ระยะห่างจากนิวเคลียสที่แตกต่างกันออกไป แต่เมื่อเรานำมาสร้างกราฟ จำนวนครั้งที่วัดได้ กับระยะห่างจากนิวเคลียส เราก็จะเห็นว่าระยะห่างจากนิวเคลียสค่าที่ตรงกับการคำนวณโดยใช้กฎนิวตันจะเป็นค่าที่เราวัดได้หลายครั้งมากที่สุด เพราะเหตุการณ์นั้นเป็นเหตุการณ์ที่มีโอกาสเกิดขึ้นมากที่สุด
แต่เราต้องทำความเข้าใจกันนิดหน่อยว่าการสุ่มในโลกควอนตัมนั้น เป็นการสุ่มโดยแท้จริง ไม่เหมือนกันการสุ่มเมื่อเราโยนลูกเต๋า หรือโยนเหรียญ เนื่องจากการโยนลูกเต๋าหรือเหรียญนั้น มันเป็นการสุ่มอันเนื่องมาจากเราขาดความรู้หรือข้อมูลเพื่อเอาไปใช้คำนวณในการโยนแต่ละครั้ง แต่ถ้าหากเรารู้ทุกตัวแปรที่ต้องการ เราก็สามารถคำนวณได้ว่าการโยนแต่ละครั้งลูกเต๋าจะขึ้นแต้มอะไรบ้าง หรือเหรียญจะหงายหัวหรือก้อย
ในทางกลับกัน สำหรับโลกควอนตัมนั้น ถือว่าเป็นการสุ่มอย่างแท้จริง กล่าวคือเราไม่มีทางที่จะรู้ตัวแปรต่าง ๆ ได้เลย และการที่เราไม่รู้นั้น ก็ไม่ใช่ว่าจริง ๆ แล้วมันมีอยู่ เช่น กรณีแมวของชโรดิงเจอร์ (Schrodinger's cat) การที่เราไม่รู้ว่าแมวในกล่องนั้นเป็นหรือตาย ไม่ใช่ว่าแมวตัวนั้นมีสถานะเป็นหรือตาย อย่างใดอย่างหนึ่งอยู่แล้ว แต่เป็นทั้งสองอย่างพร้อม ๆ กัน และจะเลือกว่าเป็นหรือตายก็ต่อเมื่อเราเปิดกล่องไปดูเท่านั้น
แนวคิดแมวของชโรดิงเจอร์ คือให้มีแมวอยู่ในกล่องปิดที่มีกลไกภายในกล่องที่เมื่อสารกัมมันตรังสีเกิดการปล่อยรังสีออกมาจะทำให้ขวดยาพิษแตกและรั่วออกมาทำให้แมวตาย สำหรับผู้ที่สังเกตอยู่ภายนอกจะไม่สามารถรู้ได้ว่าแมวมีชีวิตอยู่หรือไม่ นอกจากนี้ในทางควอนตัมแล้ว แมวที่อยู่ในกล่องก็ถือว่าอยู่นสถานะที่ทั้งเป็นและตายพร้อม ๆ กัน ไม่ใช่ว่าเป็นอย่างใดอย่างหนึ่งอยู่แล้ว | https://en.wikipedia.org
เรามีความจำเป็นที่จะต้องไปแตะเรื่องของควอนตัมบ้าง หากบางท่านอ่านแล้วทำให้งงก็ไม่เป็นไรครับ เอาเป็นว่าการสุ่มในโลกควอนตัมเป็นการสุ่มอย่างแท้จริง ไม่ว่าอย่างไรเราก็คำนวณแบบแม่นยำไม่ได้
จะเห็นได้ว่าเอนโทรปีเป็นปริมาณพื้นฐานที่ใช้อธิบายทุกสิ่งทุกอย่างโดยแท้จริง เพราะเมื่อมองภาพรวมจากสิ่งที่ใหญ่มาก ๆ ไม่ว่าจะเป็นเอกภพ กาแล็กซี ระบบสุริยจักรวาล โลก และสิ่งของในชีวิตประจำวันของเรา ก็จะเป็นไปตามกฎแบบหนึ่ง ซึ่งก็คือการเป็นไปในแนวทางที่มีโอกาสเกิดขึ้นมากที่สุดซึ่งเป็นเส้นทางที่นำไปสู่เอกภพในแบบที่สามารถจัดเรียงตัวได้หลากหลายรูปแบบมากขึ้น หรือเอนโทรปีเพิ่มขึ้นนั่นเอง โดยดำเนินไปอย่างแม่นยำเพราะเหตุการณ์อื่น ๆ มีโอกาสเกิดขึ้นน้อยมาก เปรียบเสมือนกรณีลูกเต๋าจำนวนมหาศาล
และเมื่อแม้เราลงมาพิจารณาสิ่งที่เล็กระดับอิเล็กตรอนในโลกควอนตัม ก็จะพบว่าระบบก็ดำเนินไปด้วยการสุ่ม เพียงแต่เหตุการณ์อื่น ๆ ที่ไม่ใช่เหตุการณ์ที่มีโอกาสเกิดมากที่สุด เริ่มที่จะมีโอกาสเกิดขึ้นเหมือนกัน อันเนื่องมาจากระบบนั้นเล็กลงเสมือนลูกเต๋าเพียง 1 หรือ 2 ลูก ดังนั้นจึงมีนักฟิสิกส์บางท่านได้กล่าวไว้ว่า ต่อให้นิวตันหรือไอน์สไตน์จะคิดถูกคิดผิดอย่างไร แต่เทอร์โมไดนามิกส์จะถูกเสมอ
นอกจากการอธิบายปรากฏการณ์ต่าง ๆ ในเชิงฟิสิกส์แล้ว เอนโทรปียังมีประโยชน์มากมายในการวิเคราะห์ระบบต่าง ๆ ตัวอย่างเช่น ในปฏิกิริยาเคมี ก็มีการใช้เอนโทรปีในการทำนายว่าปฏิกิริยาจะเกิดขึ้นได้เองหรือไม่ และปฏิกิริยาจะเกิดขึ้นได้ดีในสภาวะแบบไหน จนถึงนำไปต่อยอดสร้างเป็นตัวแปรอื่น ๆ เช่น พลังงานอิสระของกิบส์ (Gibbs' free energy; G) พลังงานอิสระของเฮล์มโฮสต์ (Helmholtz's free energy; A) เป็นต้น แม้แต่เครื่องจักร เครื่องยนต์ ต่าง ๆ ล้วนอาศัยหลักของอุณหพลศาสตร์ทั้งสิ้น . . . จบ
ฝากกดติดตามเพจ เพื่อเป็นกำลังใจให้ผู้เขียน
สามารถอ่านบทความที่มาของการค้นพบหน้าตาของอะตอมได้ที่
และบทความอื่น ๆ อีกมากมายภายในเพจ Science Potential
โฆษณา