.mpipks-讲稿 | 01. 引言
内容提要
《非平衡态系统中的集体过程》是德累斯顿马克思普朗克复杂物理研究所的Steffen Rulands研究员开设的课程，介绍了朗之万方程在平衡态下的性质，并强调非平衡态物理的重要性。课程探讨微观相互作用如何导致宏观现象，以及利用统计物理和大数据分析理解这些过程。
延伸解读
从平衡态到非平衡态：朗之万方程的角色
课程首先回顾朗之万方程在平衡态下的性质，以此作为参照点。在平衡态中，涨落与耗散通过涨落耗散定理紧密关联，噪声强度由摩擦系数和温度决定。一旦系统偏离平衡，这种关联被打破，宏观行为不再遵循微观规律，因此需要非平衡统计物理工具。理解这一对比，有助于把握课程后续讨论非平衡相变、集体行为等内容的逻辑起点。
微观相互作用如何涌现宏观秩序
文章以鱼群、交通拥堵和细胞骨架为例，说明微观个体间的简单相互作用（如对齐、刹车、分子组装）能导致宏观尺度上的有序结构。这种“涌现”现象意味着宏观规律不能直接从微观定律推导，需要统计物理方法连接不同尺度。课程强调，非平衡系统中没有普适理论，但通过构造性例子（如伊辛模型在平衡态的地位）可以逐步建立直觉。
大数据与非平衡统计物理的结合
现代实验技术（如基因组学、社会网络追踪）能产生百万维度的微观数据，这为研究集体过程提供了前所未有的细节。课程将探讨如何用数据科学和机器学习工具从高维数据中识别结构、构建假设，同时用非平衡统计物理从微观理论推导宏观集体自由度。这种双向路径是理解复杂系统的重要方法，也是课程的核心目标之一。
主动粒子：打破涨落耗散定理的生物学例子
细菌通过鞭毛运动，将代谢能量转化为动能，其朗之万方程中耗散项与涨落项不再由同一温度关联，从而违反涨落耗散定理。这种“主动粒子”或“活性布朗运动”是非平衡系统的典型代表。课程以此说明，非平衡态的核心特征之一是涨落与耗散的独立调节，这为后续讨论非平衡相变和集体行为提供了具体物理图像。
Q&A
这门课程的主要内容是什么？
课程主要介绍非平衡态系统中的集体过程，探讨微观相互作用如何导致宏观现象，并强调统计物理和大数据分析的重要性。
朗之万方程在课程中有什么重要性？
朗之万方程在平衡态下的性质为研究非平衡态物理提供了基础，强调了宏观行为与微观规律之间的差异。
课程中提到的具体例子有哪些？
课程中提到的例子包括鱼群、交通拥堵和癌细胞的细胞骨架，这些例子展示了微观相互作用如何导致宏观集体行为。
如何利用大数据分析理解集体过程？
通过分析来自生物学和社会科学的大数据，研究者可以在微观层面上识别个体之间的相互作用，从而推导出宏观集体行为。
非平衡态物理与平衡态物理有什么区别？
非平衡态物理研究的是系统在不平衡状态下的行为，宏观现象不遵循微观规律，而平衡态物理则关注系统在平衡状态下的性质。
课程将如何结合生物学和社会科学的实际案例？
课程将通过实际案例探讨微观理论如何推导出宏观集体行为，结合生物学和社会科学中的具体实例进行分析。
