Demonio de Maxwell: Una Simulación y la Implementación de la Segunda Ley Daniel Asenjo A.* Universidad de Chile, Facultad de Ciencias, Departamento de Fı́sica (Dated: Diciembre 2004) Simulación de un Demonio de Maxwell mediante dos programas (uno en tres dimensiones y otro en dos con interfaz gráfica) desarrollados en C++. Se inicializa un cierto número de partı́culas gaseosas de masas iguales en una caja separada en dos subvolúmenes del mismo tamaño. Las velocidades iniciales se eligen aleatoriamente. El demonio de Maxwell ordena las partı́culas según sus velocidades, dejando pasar a un lado las rápidas y al otro las lentas. Esto produce una baja de entropı́a y una diferencia de temperatura entre los subvolúmenes. Esta baja de entropı́a se compensa con un alza de entropı́a en el demonio, conservando la validez de la Segunda Ley de la Termodinámica. I. INTRODUCCIÓN El Demonio de Maxwell apareció por primera vez en el año 1871 en [9] en la sección Limitación de la Segunda Ley de la Termodinámica. Aquı́ Maxwell dice: “Uno de los hechos más relevantes de la termodinámica es que no se puede producir una diferencia de temperatura y/o presión en un sistema adiabático a volumen constante sin ejercer trabajo sobre el sistema. Esta es la segunda ley de la termodinámica y se cumple mientras tratamos sólo con las propiedades macroscópicas de los cuerpos y no podemos percibir o manipular las moléculas que los componen. Si concebimos un ser cuyos sentidos son tan agudos que puede seguir la trayectoria de cada molécula, entonces este ser, cuyos atributos son tan finitos como los nuestros, podrı́a hacer lo que es imposible para nosotros. Hemos visto que para una caja llena de gas a temperatura constante las velocidades de las moléculas no son constantes aunque la velocidad media se mantiene constane para un número grande de ellas. Supongamos ahora que la caja se divide en dos con un pequeño agujero en la división y que un ser que ve las moléculas abre y cierra el agujero dejando pasar las moléculas rápidas para un lado y las lentas para el otro. Ası́ crea una diferencia de temperatura entre los dos lados sin hacer trabajo, contradiciendo la segunda ley de la termodinámica. ” Con este experimento pensado, Maxwell querı́a enfatizar el carácter estadı́stico de la segunda ley. Ahora se sabe que la entropı́a tiene una estrecha relación con la información y la capacidad de retener y borrar tal información. Como el demonio debe por lo menos conocer las velocidades y trayectorias de las partı́culas en cada instante, * Correo electrónico: [email protected] podemos suponer que posee algún tipo de memoria y que debe borrarla cada cierto tiempo para poder almacenar nuevas trayectorias y velocidades. Este proceso produce cambios en la entropı́a del sistema (sistema = gas + demonio). Veremos que de esta manera podemos justificar el cambio de temperatura y/o presión que produce el demonio. Simulamos el demonio en dos y tres dimensiones. En dos dimensiones se implementa una representación gráfica en tiempo real. La simulación en tres dimensiones sirve para aproximarnos más a un gas real. Consideremos un demonio de temperatura el cual ordena las partı́culas según sus velocidades creando una diferencia de temperatura (el demonio de presión implementa una puerta que se abre para un solo lado, creando una diferencia de presión). Notemos que disminuye la entropı́a sin cambiar la energı́a del sistema. Maxwell solamente querı́a resaltar el carácter estadı́stico de la segunda ley. No sabı́a que su demonio iba a ser un pionero de la teorı́a de información. II. PROPIEDADES TERMODINÁMICAS Es importante destacar que nuestro sistema es cerrado, adiabático e impermeable. La temperatura la definimos como T = 1 2 mvrms 3kB (1) donde m = 1 es la masa de las partı́culas en nuestro modelo y 2 vrms = N 1 X 2 v . N i=1 i Nos damos cuenta que la temperatura se determina conociendo la distribución de velocidades. Esto es importante ya que el programa en dos dimensiones nos va mostrando la distribución en cada instante. Ası́ podemos comprobar el comportamiento del demonio para distintos casos. 2 (a) (b) (d) Veamos un modelo de los estados de la memoria del demonio presentado por Fahn en [4]. Supondremos que el demonio tiene algún tipo de memoria que tiene tres estados posibles: O, L y R. El estado O es un estado de referencia que corresponde al estado inicial de la memoria. Los otros dos estados, L y R resultan de alguna tipo de retención de información proveniente de la medición. Veamos los estados de la memoria durante las mismas cuatro etapas descritas anteriormente. (a) Empezamos con la memoria en el estado O. (c) W (b) Se mide en que lado se encuentra la partı́cula y esta información se guarda. El estado de la memoria entonces será L o R según la posición de la partı́cula. (c) La memoria sigue igual. Q=W Figura 1: Cuatro etapas del modelo de Szilard. A. Primera y Segunda Ley Es importante ver el papel de la primera y la segunda ley en nuestro demonio de temperatura. Como ya dijimos nuestro sistema esta totalmente aislado. Por esta razón la segunda ley nos dice que la entropı́a del demonio debe aumentar por lo menos lo que disminuye la entropı́a del gas (mientras este lo “ordena”). Como no hay intercambio de energı́a de ningún tipo entre demonio y gas, la primera ley dice que las energı́as internas del gas y del demonio son fijas, por lo que la entropı́a del demonio debe aumentar a energı́a constante. B. Modelo de Szilard El model de Szilard consiste en un demonio y una sola partı́cula de gas (Figura 1). Fue creado por Leo Szilard en [10]. Es un ciclo con cuatro etapas. (a) Dividir el compartimiento en dos partes iguales. (d) Se borra la información guardada para completar el ciclo. La memoria queda en O nuevamente. Aqui vemos que en el paso (d) la memoria del demonio es borrada para volverla a su estado inicial. Este proceso entrega entropı́a al ambiente. Este es el principio de Landauer. Este paso es donde se compensa la baja de entropı́a producida por el ordenamiento de las partı́culas. C. Principio de Landauer En [6] Landauer relaciona el concepto de borrar algún tipo de memoria con una entrega de entropı́a al ambiente. Principio de Landauer: cuando borras un bit de información, la entropı́a del ambiente aumenta por lo menos en kB ln2. III. CARACTERÍSTICAS DEL MODELO El modelo que utilizamos para simular el movimiento de las partı́culas se denomina esferas duras, para más detalles ver Apéndice A . Para nuestro modelo haremos las siguientes suposiciones: (b) El demonio reconoce en que lado se encuentra la partı́cula y guarda esta información. Todas las paredes del sistema son totalmente restrictivas. (c) En la division pone un pistón móvil y el resultado del paso anterior es usado para acoplar una masa al pistón y efectuar un trabajo W sobre ella. Se consideran párticulas de gas ideal monocomponente como, por ejemplo, un gas noble (He, Ne, Ar) a temperatura ambiente. No hay fuerzas de interacción entre las partı́culas. (d) El pistón vuelve a su posición original gracias a la presión del gas. Todas las párticulas tienen igual masa y radio. El gas recibe energı́a en forma de calor (Q = W ) de un reservorio, el cual entrega energı́a y disminuye su entropı́a. Pareciera que hemos violado la segunda ley. Szilard se dio cuenta de que las mediciones hechas por el demonio están asociadas a un aumento en su entropı́a que debe ser por lo menos ser suficiente para respaldar la segunda ley. Esto serı́a el principio de la teorı́a de la información. Partı́culas esféricas. Choques entre dos partı́culas y pared-partı́cula. Todos los choques son elásticos. Se conserva momentum lineal y energı́a cinética. Todos los movimientos con roce despreciable. 3 35 Lado 1 Lado 2 30 25 20 15 10 5 Figura 2: Salida del programa con IGLU. El demonio se implementó como una pequeña puerta que se encuentra en el medio de la pared que separa los dos lados de la caja. Las partı́culas con una velocidad mayor que la velocidad media son consideradas como rápidas y el resto como lentas. Los dos programas fueron hechos en C++. Para el programa en dos dimensiones con interfaz gráfica utilizamos la biblioteca gráfica IGLU. Para los dos programas se usaron las siguientes herramientas: 0 0 20 40 60 80 100 120 140 160 180 200 Figura 3: Distribucion de velocidades de 1000 partı́culas por lado despues de 10000 choques. 20 Lado 1 Lado 2 18 16 14 12 Clase de vectores de tres dimensiones. Clase de partı́culas. 10 8 6 Las velocidades se inicializan al azar y las posiciones se eligen tal que las partı́culas queden equiespaciadas. El programa con implementación en IGLU muestra, en tiempo real, la simulación en una ventana y la distribución de velocidades de los dos lados en otras dos ventanas. El programa en tres dimensiones guarda las velocidades para luego graficarlas y ver su distribución. El algoritmo implementado en los dos programas es time-driven y consta de los siguientes pasos (después de inicializarlas) 1. Determinar, partı́cula por partı́cula, si se producen choques. 2. Para las partı́culas que chocan, modificar velocidades correspondientes. 3. Avanzar en un paso de tiempo y volver al primer paso. IV. A. RESULTADOS Programa en dos Dimensiones con IGLU Se ven las distribuciones de velocidades de los dos lados de la caja en tiempo real. Se nota un cambio en las distribuciones aunque es lento cuando hay muchas partı́culas. El programa ocupa muchos recursos del sistema por lo que se aprecia bien con aproximadamente veinte partı́culas por lado. 4 2 0 0 20 40 60 80 100 120 140 160 180 200 Figura 4: Distribucion de velocidades de 500 partı́culas por lado despues de 10000 choques. B. Programa en tres dimensiones Se marcó una diferencia entre la distribución de velocidades antes y después en algunos casos. Estos resultados no fueron fáciles de obtener ya que pocas partı́culas chocan en el lugar adecuado. Las partı́culas se demoran mucho en pasar de un lado a otro. Como nuestro modelo es un gas las partı́culas deberı́an estar muy lejos entre ellas. Tomando condiciones más “reales” la simulación es lenta. Si tomamos 500 partı́culas por lado y 10000 choques se demora aproximadamente 3 horas. Cuando tomamos muy pocas partı́culas (o muchas en una caja muy pequeña) la distribución no se asemeja a una de MaxwellBoltzmann. Mostramos, en las Figuras 3 y 4 distribuciones de 500 y 1000 particulas por lado después de 10000 choques. Nos damos cuenta que con 1000 partı́culas por lado y después de 100000 choques podemos notar que la temperatura del lado dos subió con respecto al lado 1. 4 j 1 2 v2 k v1 r12 ra esto usamos la conservación de momentum y energı́a. En el momento del choque definimos ~r12 = ~r2 − ~r1 donde ~r1 corresponde al vector posición de la partı́cula 1. Sólo las componentes de las velocidades paralelas a ~r12 son afectadas por un choque perfectamente elástico. Definimos también un plano tangente a las dos partı́culas (perpendicular a ~r12 ) La Figura 5 muestra una representación bidimensional del choque. Definimos ejes ortogonales {r̂12 , ̂, k̂} tal que ̂ y k̂ están en el plano tangente. Podemos escribir las velocidades anteriores al choque como ~vi = (~vi · r̂12 )r̂12 + (~vi · ̂)̂ + (~vi · k̂)k̂ (A1) Figura 5: Representación bidimensional de un choque entre dos partı́culas las velocidades después del choque son V. CONCLUSIONES En conclusion podemos decir que el demonio hace su trabajo y ordena las partı́culas, creando una diferencia de temperatura y bajando la entropı́a del sistema. El principio de Landauer sirve para justificar un alza de entropı́a en el demonio aunque lo ideal serı́a desarrollar un modelo para cuantizar la entropı́a y ver en detalle los distintos cambios. La simulación es computacionalmente lenta y se requiere de mucho tiempo para lograr una diferencia importante de temperatura entre los dos lados de la caja. Para mejorar esto es necesario implementar un algoritmo que sea event-driven, es decir, que se rige por los eventos (choques en este caso) que ocurren y no necesita calcular las posiciones y velocidades en cada paso. ~vi0 = (~vi0 · r̂12 )r̂12 + (~vi0 · ̂)̂ + (~vi0 · k̂)k̂ (A2) donde las componentes ̂ y k̂ de ~vi0 permanecen iguales y las componentes en r̂12 son ~v10 · r̂12 = ~v2 · r̂12 ~v20 · r̂12 = ~v1 · r̂12 (A3a) (A3b) reemplazando en (A2) nos queda ~v10 = ~v1 − [(~v1 − ~v2 ) · r̂12 ]r̂12 ~v20 = ~v2 + [(~v1 − ~v2 ) · r̂12 ]r̂12 (A4a) (A4b) Apéndice A: ESFERAS DURAS Si dos partı́culas chocan queremos determinar las velocidades nuevas de cada una después del choque. Pa- [1] C. H. Bennett, Notes on Landauer’s Principle, Reversible Computation, and Maxwell’s Demon, (arXiv:physics/0210005 v2, January 10, 2003). [2] H. B. Callen, Thermodynamics and an introduction to Thermostatics, (John Wiley & Sons, New York, NY, second edition, 1985). [3] M. T. Cerda and P. Maldonado, Dinámica Molecular: Choque de Partı́culas, (2003). [4] P. N. Fahn, Maxwell’s Demon and the Entropy Cost of Information, (November 8, 1995). [5] J. M. Haile, Molecular Dynamics Simulation: Elementary Methods, (John Wiley & Sons, New York, NY, 1992). [6] R. Landauer, Irreversibility and heat generation in the computing process, (IBM J. Res. Dev. 5, 183-191, 1961). [7] R. Landauer, Computation: A fundamental physical view, (Phys. Scr. 35, 88-95, 1987). Cuando una partı́cual choca con una pared, la componente perpendicular a la pared de la velocidad cambia de signo y la componente paralela no cambia. [8] H. S. Leff and A. F. Rex, Maxwell’s Demon 2: Entropy, Classical and Quantum Information, Computing, (IOP Publishing, second edition, 2003). [9] J. C. Maxwell, Theory of Heat, (Longmans, Green, London, seventh edition, 1883). [10] L. Szilard, On the decrease of entropy in a thermodynamic system by the intervention of intelligent beings, (Z. Physik 53, 840-856, 1929). [11] W. H. Zurek and P. A. Skordos, Maxwell’s Demon, rectifiers, and the second law: Computer simulation of Smoluchowski’s trapdoor, (Am. J. Phys. 60 (10), October 1992). [12] W. H. Zurek, Algorithmic randomness, physical entropy, measurements, and the demon of choice, (in “Feynman and Computation: Exploring the Limits of Computers”, 393-410, Perseus, Reading, 1999).