기브스 주

확률 이론과 통계 역학에서 깁스 상태는 평형 확률 분포로, 미래의 시스템 진화에도 불변으로 남아 있다. 예를 들어, 마르코프 체인 몬테 카를로 반복을 충분히 오랫동안 실행함으로써 달성한 것과 같이 마르코프 체인의 정지 상태 또는 정상 상태 분포는 깁스 상태라고 할 수 있다.

Precisely, suppose ${\displaystyle L}$ is a generator of evolutions for an initial state ${\displaystyle \rho _{0}}$, so that the state at any later time is given by ${\displaystyle \rho (t)=e^{Lt}[\rho _{0}]}$. Then the condition for ${\displaystyle \rho _{\infty }}$ to be 깁스 주는

${\displaystyle L}$[ ${\displaystyle {}_{}}$ ${\displaystyle {]\mathrm{}}_{}}$ ${\displaystyle {}_{}}$= ${\displaystyle 0}$ ${\displaystyle L[\rho _{\infit }]=0}$ $$.

물리학에서는 특히 낮은 온도에서 시스템이 갇힐 수 있는 물리적으로 뚜렷한 깁스 상태가 여러 개 있을 수 있다.

그것들은 통계적 앙상블의 평형성을 결정하는 그의 연구로 인해 Josia Willard Gibbs의 이름을 따서 명명되었다. 깁스 자신은 이러한 유형의 통계적 앙상블을 "통계적 평형"에 있다고 언급하였다.^[1]

참고 항목

• 기브스 알고리즘
• 깁스 치수
• KMS 상태

참조

이 응용 수학 관련 기사는 단조롭다. 위키피디아를 확장하여 도울 수 있다.

• v
• t