Relazioni di fluttuazione in modelli statistici di non equilibrio
Transcript
Relazioni di fluttuazione in modelli statistici di non equilibrio
Università degli Studi di Bari FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Fisica Tesi di laurea Relazioni di fluttuazione in modelli statistici di non equilibrio Laureando: Relatore: Laghezza Gianluca Chiar.mo Prof. Giuseppe Gonnella Anno Accademico 2007–2008 Indice Introduzione iii 1 Fluttuazioni nei sistemi non in equilibrio 1 1.1 Un esempio di sistema microscopico . . . . . . . . . . . . . . . 1 1.2 Relazioni di non equilibrio . . . . . . . . . . . . . . . . . . . . 4 1.2.1 L’ uguaglianza di Jarzynski . . . . . . . . . . . . . . . 4 1.2.2 Il teorema di fluttuazione di Crooks . . . . . . . . . . . 4 Sistemi biologici . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3 2 Relazioni di fluttuazione 9 2.1 Uguaglianza di Jarzynski . . . . . . . . . . . . . . . . . . . . . 2.2 Il teorema di fluttuazione di Crooks . . . . . . . . . . . . . . . 11 2.3 Violazioni della seconda legge . . . . . . . . . . . . . . . . . . 14 2.4 Il teorema di Gallavotti-Cohen . . . . . . . . . . . . . . . . . . 15 3 Modelli statistici di non equilibrio 9 17 3.1 Il modello di Ising unidimensionale . . . . . . . . . . . . . . . 18 3.2 Modello di Ising in contatto con due bagni termici . . . . . . . 18 3.3 Verifica delle relazioni di non equilibrio . . . . . . . . . . . . . 20 3.4 Transizioni tra stati stazionari di non equilibrio . . . . . . . . 23 Conclusioni 26 A 27 A.1 Dimostrazione della formula 2.4 . . . . . . . . . . . . . . . . . 27 INDICE ii A.2 Dimostrazione della formula 2.14 . . . . . . . . . . . . . . . . 28 Bibliografia 30 Introduzione La termodinamica è una teoria fisica efficace per la descrizione di sistemi macroscopici con molti gradi di libertà. Tramite poche leggi semplici ed intuitive, infatti, riesce a descrivere sistemi fisici complessi utilizzando poche variabili (dette variabili termodinamiche) facilmente accessibili ad un controllo sperimentale. Nello studio di un sistema fisico, la termodinamica considera gli scambi di calore e lavoro tra il sistema in esame e l’ambiente circostante. Tipicamente il sistema sotto esame è collegato ad un bagno termico, ossia un sistema che si mantiene sempre alla stessa temperatura indipendentemente dal calore scambiato con il sistema sotto esame. Premessa fondamentale affinchè si possano utilizzare le leggi della termodinamica “classica” (ossia quella sviluppata nell’800 da Carnot, Clausius, Boltzmann, etc) è che il sistema sotto esame sia in equilibrio, ossia che le sue proprietà (o meglio le variabili termodinamiche) non varino nel tempo in modo tale che se il sistema è collegato ad un bagno termico a temperatura T, la sua temperatura in ogni suo punto deve essere proprio T, e deve rimanere costante nel tempo. Parallelamente alla termodinamica c’è la meccanica statistica, che partendo dalla dinamica microscopica di un sistema, cerca di derivarne le proprietà termodinamiche. Inoltre descrive quantitativamente la distribuzione dei valori delle variabili che descrivono le particelle che compongono il sistema. Ad esempio, se si prende in considerazione un gas (perfetto), la meccanica statistica stabilisce delle relazioni precise per le fluttuazioni di velocità, energia, etc. di ogni particella del gas intorno al suo valor medio e fornisce anche le iv distribuzioni di probabilità per queste grandezze. Anche in questo caso l’assunzione di sistema in equilibrio è fondamentale. A questo punto ci si può chiedere cosa succede quando il sistema in esame non è in equilibrio (situazione, questa, frequentissima in natura). Uno studio di questi sistemi è cominciato all’inizio del ’900 e tradizionalmente si basa sullo studio di equazioni dinamiche per l’evoluzione della probabilità di ciascuna configurazione del sistema. Il comportamento macroscopico deriva allora dalla media sullo spazio di tutte le evoluzioni possibili. Rispetto al caso di equilibrio, però, anche in situazioni stazionarie di non equilbrio (ad esempio un sistema a contatto con due bagni termici a temperature diverse) non vi è una legge generale per il comportamento delle fluttuazioni. Solo recentemente sono state scoperte delle simmetrie generali per le distribuzioni di probabilità delle fluttuazioni dell’energia, del lavoro, etc. per gli stati stazionari di non equilibrio. In questa tesi verranno prima presentate alcuni di questi risultati e degli esperimenti che ne hanno testato la validità (cap.1); nel secondo capitolo verranno derivati questi risultati; nell’ ultimo capitolo verranno presentati dei semplici modelli statistici di non equilibrio che possono aiutare a comprendere la validità generale dei risultati descritti. Capitolo 1 Fluttuazioni nei sistemi non in equilibrio Sistemi che non si trovano in equilibrio termodinamico sono frequenti in natura. Ogni essere umano, ad esempio, non è in equilibrio con l’ambiente esterno. Per questi sistemi leggi di natura generale per le fluttuazioni delle variabili termodinamiche sono poche; alcune di esse saranno presentate in questo capitolo. Queste leggi sono particolarmente importanti per i sistemi microscopici come cellule, proteine, dispositivi nanotecnologici, etc. Per tali sistemi infatti, le fluttuazioni non sono più trascurabili e possono portare ad effetti sperimentalmente osservabili. 1.1 Un esempio di sistema microscopico In figura 1.1 è rappresentato un sistema microscopico. Un filamento di RNA è attaccato a due microsfere tramite dei frammenti di DNA. Una microsfera è tenuta ferma da una micropipetta, mentre l’altra confinata in una trappola ottica che genera un potenziale armonico. L’intero sistema è immerso in acqua a temperatura e pressione ambiente. Il parametro di con- 1.1 Un esempio di sistema microscopico 2 Figura 1.1: Il sistema microscopico in esame. Da [1] Figura 1.2: Distribuzione dei valori di W per un sistema microscopico soggetto ad un processo irreversibile. I valori di W che cadono a sinistra di ∆F rappresentano processi in cui è violata la seconda legge della termodinamica. Da [1] 1.1 Un esempio di sistema microscopico 3 trollo λ, che misura la distanza tra le due microsfere, può essere controllato direttamente agendo sulla trappola ottica. Immaginiamo ora di agire sul sistema, variando λ da A a B seguendo un determinato protocollo. Supponiamo di ripetere l’esperimento svariate volte, seguendo sempre lo stesso protocollo. In questo caso, a causa della casualità dei movimenti atomici e molecolari, il lavoro eseguito sul sistema assumerà diversi valori. Indichiamo con ρ(W ) la distribuzione dei valori di lavoro osservati. Che relazione termodinamica possiamo scrivere per questo sistema? Possiamo immaginare un sistema analogo macroscopico. Ad esempio possiamo sostituire il filamento di RNA con un elastico, e la trappola ottica con una molla. Tutto il sistema è immerso in aria a temperatura costante. Per una tale sistema possiamo scrivere la disuguaglianza di Clausius nella seguente forma: W ≥ ∆F = FB − FA (1.1) Dove F indica l’energia libera (di Helmholtz) del sistema ed il segno di uguaglianza vale solo per processi reversibili. L’eq. (1.1) è una diretta conseguenza della seconda legge della termodinamica. Nel caso microscopico invece la disuguaglianza di Clausius va interpretata statisticamente: è il valor medio del lavoro fatto sul sistema ad essere maggiore della variazione di energia libera tra gli stati iniziale e finale: hW i ≥ ∆F (1.2) Nel caso microscopico le fluttuazioni di W non sono trascurabili e quindi si possono osservare delle violazioni della seconda legge della termodinamica (vedi fig.1.2) in cui il valore di W è minore di ∆F . Inoltre è possibile ottenere delle relazioni generali per le fluttuazioni del lavoro e di altre grandezze termodinamiche per sistemi non in equilibrio. Nel seguito esamineremo due di queste relazioni in dettaglio. 1.2 Relazioni di non equilibrio 1.2 1.2.1 4 Relazioni di non equilibrio L’ uguaglianza di Jarzynski Consideriamo un sistema simile a quello descritto precedentemente. Per un tale sistema si può mostrare la validità dell’uguaglianza di Jarzynski che collega tra loro il lavoro W effettuato sul sistema, e la differenza di energia libera ∆F tra gli stati iniziale e finale. Essa stabilisce che he−βW i = e−β∆F (1.3) La media si intende effettuata su un ensemble statistico di diverse configurazioni del sistema, o equivalentemente, un integrale su ρ(W ). Il fattore β = 1/kB T , è il fattore di Boltzmann. Tuttavia T rappresenta la temperatura del sistema solo negli stati A e B, quando si trova in equilibrio con l’ambiente circostante; durante il processo il sistema non è in equilibrio e quindi non è possibile a rigore definire una temperatura. L’eq. (1.3) è sempre valida, anche se il sistema è molto lontano dall’equilibrio termico. Inoltre l’eq. (1.3) permette di determinare la differenza di energia libera tra gli stati A e B osservando il sistema fuori dall’equilibrio (e questo è molto utile in ambito sperimentale). Si può dimostrare inoltre che dall’uguaglianza di Jarzynski deriva la seconda legge della termodinamica. Utilizzando la diseguaglianza hex i ≥ ehxi applicata al membro sinistro di (1.3) e poi facendo il logaritmo di entrambi i membri si ottiene subito hW i ≥ ∆F o in maniera equivalente, hWdissipato i ≥ 0, che è una formulazione equivalente della seconda legge della termodinamica. 1.2.2 Il teorema di fluttuazione di Crooks Questo teorema mette in relazione le differenze di energia libera tra due stati di equilibrio con il lavoro effettuato sul sistema in un processo irreversibile che collega i due stati. Prendiamo in esame il sistema di fig.1.1. Chiamiamo diretto il processo in cui λ viene fatta variare da A a B, ed indichiamo con W il lavoro effettuato durante questo processo. Indichiamo invece 1.2 Relazioni di non equilibrio 5 Figura 1.3: Un possibile grafico per ρF (+W ) e ρR (−W ). Da [1] come inverso il processo in cui λ viene fatta variare da B ad A, seguendo un protocollo che è il time-reversal di quello utilizzato nel processo diretto ed il lavoro effettuato con −W (il segno meno in questo caso indica che è il sistema a compiere lavoro sull’ambiente esterno). Anche in questo caso, ripetendo l’esperimento molte volte e seguendo sempre lo stesso protocollo, otterremo due distribuzioni del lavoro effettuato sul sistema: ρF (W ) e ρR (−W ). L’unione di questi due processi è un ciclo; possiamo quindi scrivere la seconda legge della termodinamica (interpretata, anche qui, statisticamente): hW iF + hW iR > 0 (1.4) dove i pedici si riferiscono ai processi diretto (F) e inverso (R) e le medie sono fatte sulle distribuzioni ρF e ρR . Anche in questo caso la termodinamica “classica” non va oltre la relazione (1.4). Il teorema di Crooks descrive le fluttuazioni di ρF e ρR ed afferma che vale la relazione ρF (+W ) = eβ(W −∆F ) ρR (−W ) (1.5) Possiamo notare che il teorema di Crooks contiene in sè l’eq.(1.4). Infatti, poichè il secondo membro di 1.5 è una funzione monotona crescente di W, il picco di ρF (+W ) si troverà a destra rispetto al picco di ρR (−W ) e quindi i valori medi hW iF e hW iR soddisfano l’eq. (1.4). Inoltre le distribuzioni si intersecano a W = ∆F . Un possibile grafico delle due distribuzioni è quindi 1.3 Sistemi biologici 6 Figura 1.4: Sistemi termodinamici ed indicazione delle lunghezze tipiche e delle quantità di energia dissipata. I sistemi nei riquadri sono stati utilizzati per verificare la relazione di Jarzynski. Da [3] quello di figura 2.18. E’ anche possibile dimostrare che dal teorema di Crooks segue l’uguaglianza di Jarzynski. 1.3 Sistemi biologici I sistemi microscopici, come è stato già detto, sono il banco di prova ideale per testare le relazioni appena descritte. In figura 1.4 sono indicati alcuni sistemi di interesse per la termodinamica. Una gran varietà di sistemi che operano fuori dall’equilibrio ed in cui le fluttuazioni assumono un ruolo importante è data dai cosiddetti motori molecolari: molecole più o meno complesse, che eseguono diversi compiti all’interno delle cellule degli organismi viventi. Un esempio è dato dalla chinesina: ha una struttura a forma di filamento attorcigliato, e si muove lungo delle strutture cellulari chiamate microtubuli. Uno dei suoi compiti è quello di separare i cromosomi prima della divisione cellulare. Per muoversi lungo i microtubuli, al ritmo di circa 8 nm ogni 10-15 ms, sfrutta l’energia rilasciata dall’idrolisi dell’ATP (adenosintrifosfato), il principale “carburante” cellulare. 1.3 Sistemi biologici 7 Un altro esempio è dato dall’RNA-polimerasi, un enzima che si muove lungo il DNA per crearne delle copie di RNA. Da evidenze sperimentali sembra, anche se non con assoluta certezza, che questo enzima sfrutti le fluttuazioni termiche per assorbire energia dall’ambiente circostante per svolgere il suo compito. In figura 1.5 è schematizzato un esperimento che ha permesso di testare la validità dell’uguaglianza di Jarzynski (è l’esperimento descritto nella sezione 1.1). Una molecola di RNA è collegata tramite delle molecole ausiliarie a due microsfere. Un dispositivo collegato alla microsfera inferiore muove quest’ultima in modo da “srotolare” ed “arrotolare” la molecola di RNA. La microsfera superiore è collegata ad una trappola ottica che misura la forza esercitata sul filamento di RNA. Inizialmente tutto il sistema è in equilibrio con l’ambiente circostante. In una prima fase dell’esperimento la molecola di RNA è stata “arrotolata” e “srotolata” lentamente, quindi in maniera reversibile ed è stato osservato che le distribuzioni del lavoro compiuti nei due processi erano sovrapponibili (in modulo ed entro gli errori sperimentali). Nella seconda fase dell’esperimento si è sottoposto il sistema ad un processo irreversibile (in pratica la molecola di RNA è stata “arrotolata” e “srotolata” velocemente) ed i valori medi del lavoro effettuato nel processo diretto ed inverso in questo caso non coincidevano, ma erano diversi soddisfando così l’eq. (1.4). Inoltre è stato possibile misurare l’energia libera del sistema con una buona precisione (entro kB T /2) ed i risultati ottenuti hanno mostrato la validità delle predizioni di Jarzynski [4]. Lo stesso apparato è stato utilizzato per ottenere delle informazioni sulle differenze di energia libera tra diversi stati di una molecola di RNA utilizzando il teorema di fluttuazione di Crooks [5]. In figura 1.6 sono rappresentati i valori misurati del lavoro: le linee continue rappresentano i processi di “srotolamento”; quelle tratteggiate i processi di “arrotolomento” (in questo caso il lavoro è effettuato dal sistema ed è quindi negativo). I vari colori indicano le diverse velocità del movimento della microsfera. Si può notare come le tre coppie di curve si intersecano nello stesso punto (entro gli errori sperimen- 1.3 Sistemi biologici 8 Figura 1.5: L’apparato utilizzato per testare l’uguaglianza di Jarzynski. Da [3] tali), indipendentemente dalla velocità di “arrotolamento” e “srotolamento” dell’RNA. Secondo quanto previsto da Crooks queste distribuzioni si incontrano a W = ∆F (pari in questo caso a 110.3 kB T ). E’ quindi possibile risalire tramite misurazioni di lavoro, sperimentalmente semplici da ottenere, a differenze di energia libera tra stati diversi, che sono invece difficili da misurare. Figura 1.6: Grafico tratto da [5] Capitolo 2 Relazioni di fluttuazione Verranno ora presentate due semplici derivazioni delle relazioni prima descritte. Nella prima sezione verrà utilizzato un approccio hamiltoniano per derivare l’uguaglianza di Jarzynski, considerando in questo caso un sistema isolato. Nella sezione successiva invece verrà considerata anche l’interazione del sistema con un bagno termico, ed in questo caso verrà utilizzata una dinamica stocastica per dimostrare il teorema di fluttuazione di Crooks. 2.1 Uguaglianza di Jarzynski Consideriamo il sistema di fig.1.1 termicamente isolato. Ad esempio, prima la singola molecola di RNA viene fatta equilibrare con un bagno termico (aria o acqua); a questo punto il sistema viene isolato (ad esempio mettendo il sistema in una camera da vuoto ed aspirando l’aria). Anche se la situazione descritta non è molto realistica, permette però di eliminare le complicazioni tecniche che insorgono nel considerare anche il bagno termico; si vedrà che in questo modo è possibile derivare l’uguaglianza di Jarzynski da principi primi. Supponiamo ora di variare λ da A a B e di ripetere l’esperimento descritto in precedenza. Quando il sistema arriva in λ = B viene fatto riequilibrare con il bagno termico sempre alla stessa temperatura in cui si trovava inizialmente. Possiamo utilizzare le equazioni di Hamilton per descrivere l’evoluzione 2.1 Uguaglianza di Jarzynski 10 microscopica del sistema. Denotiamo con x = (q, p) le coordinate ed i momenti che descrivono il sistema nello spazio delle fasi, ossia il microstato del sistema. L’evoluzione sarà data quindi dalle equazioni di Hamilton. λ viene considerato come un parametro dell’hamiltoniana. Per il sistema in esame x rappresenta i gradi di libertà del sistema stesso, mentre λ è un parametro che può essere controllato direttamente agendo sulla trappola ottica. Ad un fissato λ, a t = 0, quando il sistema si trova in uno stato di equilibrio, la probabilità che esso si trovi nel microstato x è data dalla distribuzione di Maxwell-Boltzmann: peq λ (x) = dove Z Zλ = 1 −βH(x,λ) e Zλ e−βH dx , Fλ = −β −1 ln Zλ (2.1) (2.2) Z è la funzione di partizione (a meno di una costante moltiplicativa che non ci interessa) e F è l’energia libera. Poichè λ viene variata seguendo sempre lo stesso protocollo, avrà un valore preciso ad ogni istante di tempo e quindi possiamo definire una funzione λt . Avremo quindi che λ0 = A e λτ = B dove τ è il tempo in cui il sistema raggiunge lo stato finale (0 ≤ t ≤ τ ). Poichè tra t = 0 e t = τ il sistema è isolato, dalla prima legge della termodinamica segue che il lavoro effettuato sarà semplicemente pari alla variazione di energia interna del sistema: W = H(xτ ; B) − H(x0 ; A). Poichè il sistema evolve secondo le equazioni deterministiche di Hamilton, possiamo esprimere il lavoro in funzione delle condizioni inziali x0 : W (x0 ) = H(xτ (x0 ); B) − H(x0 ; A) Quello che resta da fare è calcolare la media di e−βW (x0 ) : Z −βW −βW (x0 ) he i = dx0 peq A (x0 )e Z 1 = dx0 e−βH(xτ (x0 );B) ZA Z ∂xτ −1 −βH(x ;B) 1 τ dxτ = ∂x0 e ZA (2.3) (2.4) 2.2 Il teorema di fluttuazione di Crooks 11 Si passa dalla prima alla seconda riga utilizzando le equazioni 2.2 e 2.3; dalla seconda alla terza con una sostituzione di variabile. Per calcolare lo jacobiano possiamo servirci del teorema di Liouville: prendendo un volume dx0 nello spazio delle fasi del sistema, che contiene x0 , e facendolo evolvere tramite le equazioni di Hamilton, al tempo t = τ avremo un volume dxτ che contiene xτ : lo jacobiano è il rapporto di questi due volumi, che grazie al teorema di Liouville è pari a 1 (dimostrazione in appendice). Concludendo quindi si ha Z 1 ZB −βW he i= = e−β∆F (2.5) dxτ e−βH(xτ ;B) = ZA ZA e l’uguaglianza di Jarzynski è dimostrata. In questo caso, grazie all’ipotesi di sistema isolato, è stato possibile derivare quest’uguaglianza direttamente da principi primi, utilizzando le equazioni di Hamilton per la dinamica del sistema, senza introdurre complicazioni derivanti dagli scambi di calore con un bagno termico. Si potrebbe obiettare però che l’ipotesi di sistema isolato è poco realistica: è possibile comunque dimostrare che l’uguaglianza vale anche nel caso del sistema a contatto con un bagno termico (vedi [2]). E’ importante notare che in queste formulazioni della seconda legge entrano sempre valori medi del lavoro; ciò significa che esistono processi in cui la seconda legge è violata. Da questo punto di vista quindi, queste relazioni di fluttuazione spiegano in maniera quantitativa anche il paradosso di Loschmidt. Il paradosso consiste nel fatto che le equazioni della meccanica non selezionano una direzione privilegiata per il tempo, o meglio sono invarianti per riflessione temporale, mentre la termodinamica non è invariante per riflessione temporale. Queste relazioni mostrano che evoluzioni di un sistema termodinamico in violazione alla seconda legge esistono, ma diventano sempre più rare all’aumentare delle dimensioni del sistema. 2.2 Il teorema di fluttuazione di Crooks Per dimostrare questo teorema useremo un approccio diverso dal precedente. Infatti in questo caso verrà considerata l’interazione del sistema in 2.2 Il teorema di fluttuazione di Crooks 12 esame con un bagno termico che sarà descritta matematicamente da una dinamica di evoluzione stocastica. Come prima siamo interessati all’evoluzione di un sistema in un intervallo di tempo 0 ≤ t ≤ τ tra due stati d’equilibrio in cui c’ è un parametro di controllo λ che viene variato seguendo un determinato protocollo. Per descrivere l’evoluzione temporale, utilizziamo una sequenza di punti x0 , x1 , . . . xN che rappresentano i punti nello spazio delle fasi del sistema visitati nei tempi t0 , t1 , . . . tN , dove tn = nτ /N . Questa descrizione del sistema in termini di evoluzioni a tempi discreti è chiaramente una semplificazione. Assumiamo inoltre che, se il sistema si trova in xn al tempo tn , la probabilità di trovarlo in xn+1 al tempo tn+1 dipende solo da xn e da λn (in simboli scriviamo P (xn → xn+1 ; λn )). Inoltre assumiamo che le probabilità di transizione obbediscano al principio del bilancio dettagliato: 0 P (x → x0 ; λ) e−βH(x ;λ) = −βH(x;λ) P (x ← x0 ; λ) e (2.6) Quando λ viene fatto variare da A a B, ossia nel processo forward, l’evoluzione discreta del sistema avviene in questo modo (xn , λFn ) → (xn , λFn+1 ) → (xn+1 , λFn+1 ) (2.7) ossia prima viene modificato il parametro di controllo e poi il sistema evolve nella nuova configurazione. Il processo reverse è governato invece dall’evoluzione: 0 R 0 R (x0n , λR n ) → (xn+1 , λn ) → (xn+1 , λn+1 ) (2.8) che è il time reversal dell’evoluzione forward. Gli apici F ed R si riferiscono al processo forward e reverse. La variazione dell’energia totale del sistema ∆E = H(xN , λN )−H(x0 , λ0 ), può essere scritta come somma di due contributi: i cambiamenti dell’energia dovuti all’incremento del parametro di controllo, W = N −1 X [H(xn ; λn+1 ) − H(xn ; λn )] n=0 (2.9) 2.2 Il teorema di fluttuazione di Crooks 13 e quelli dovuti al passaggio da un punto all’altro nello spazio delle fasi, Q= N −1 X [H(xn+1 ; λn+1 ) − H(xn ; λn+1 )] (2.10) n=0 Questi due contributi possono essere interpretati in maniera naturale come il lavoro fatto sul sistema ed il calore assorbito dall’ambiente esterno. In questo modo si ottiene anche la prima legge ∆E = W + Q. Bisogna ora calcolare la probabilità di generare una traiettoria: essa è data dalla probabilità che il microstato iniziale del sistema sia x0 (data dalla distribuzione di Maxwell-Boltzmann), per la probabilità di avere i microstati successivi x1 , x2 , . . . xN peq λ0 P (x0 → x1 ; λ1 ) · · · P (xN −1 → xN ; λN ) (2.11) Indichiamo con P F [x] la probabilità di generare la traiettoria x = x0 , x1 , · · · xn in un processo forward e con P R [x] la probabilità di generare la traiettoria x = x0 , x1 , · · · xn in un processo reverse in cui x e x sono collegate dall’operazione di time reversal. Eseguendo il rapporto tra queste due probabilità si ottiene F F peq A (x0 )P (x0 → x1 ; λ1 ) · · · P (xN −1 → xN ; λN ) (2.12) R R peq B (xN )P (x0 ← x1 ; λN −1 ) · · · P (xN −1 ← xN ; λ0 ) dove gli apici F ed R si riferiscono al protocollo per variare il parametro di controllo nel processo forward e reverse. Poichè i due protocolli sono collegati dall’operazione di time reversal, si ha F λR n = λN −n (2.13) Nell’eq.(2.12) quindi per ogni fattore al numeratore del tipo P (x → x0 ; λ) c’è un fattore analogo al denominatore. Utilizzando le eqq.(2.6, 2.9, 2.10, 2.12) e dopo qualche passaggio si arriva al risultato (dimostrato in appendice): P F [x] F = eβ(W −∆F ) R P [x] (2.14) dove W F [x] è il lavoro fatto sul sistema nel processo forward (eq. 2.9).Indicando con W R [x] il lavoro fatto durante il processo reverse, da (2.9) si ottiene W R [x] = −W F [x] (2.15) 2.3 Violazioni della seconda legge 14 Le distribuzioni ρF e ρR si ottengono integrando su tutte le possibili traiettorie del sistema, imponendo che il lavoro W F [x] effettuato nel processo forward sia W e analogamente per il processo reverse: Z ρF (+W ) = dxP F [x]δ(W − W F [x]) Z ρR (−W ) = dxP R [x]δ(W + W R [x]) (2.16) (2.17) Utilizzando le eqq.(2.14, 2.15) si ottiene il teorema di fluttuazione di Crooks: ρF (+W ) = eβ(W −∆F ) ρR (−W ) (2.18) Dal teorema di Crooks è possibile ricavare l’uguaglianza di Jarzynski. Basta moltiplicare entrambi i lati di (2.18) per ρR (−W )e−βW ρF (+W )e−βW = eβ(−∆F ) ρR (−W ) (2.19) integrando su W si ottiene Z Z −βW −βW −β∆F dW ρF (+W )e = he i=e dW ρR (−W ) = e−β∆F 2.3 Violazioni della seconda legge della termodinamica Nelle sezioni precedenti è stato dimostrato come dalle relazioni di non equilibrio discenda la seconda legge della termodinamica. Si è visto anche che violazioni della seconda legge sono possibili, anche se diventano trascurabili all’aumentare delle dimensioni del sistema. E’ possibile, sempre tramite le relazioni di non equilibrio, quantificare la probabilità che avvenga un processo che violi la seconda legge. Indichiamo con P [W < ∆F − ζ] la probabilità di osservare un valore di W minore di ∆F − ζ, dove ζ è una grandezza positiva che ha le dimensioni di 2.4 Il teorema di Gallavotti-Cohen 15 un’energia. Per calcolare questa probabilità dobbiamo calcolare l’area sottesa da ρ(W ) da −∞ a ∆F − ζ. Abbiamo quindi: Z ∆F −ζ dW ρ(W ) P = −∞ ∆F −ζ Z dW ρ(W )eβ(∆F −ζ−W ) ≤ (2.20) −∞ −βζ Z +∞ ≤e dW ρ(W )eβ(∆F −W ) −∞ Per l’uguaglianza di Jarzynski l’ultimo integrale è uguale ad uno, quindi: P [W < ∆F − ζ] ≤ e−βζ (2.21) Si vede quindi che “grandi” violazioni dalla seconda legge (ζ kB T ) sono di fatto non osservabili. 2.4 Il teorema di Gallavotti-Cohen I due risultati appena ricavati sono validi se il sistema si trova inizialmente in un stato di equilibrio, subisce un processo irreversibile per un tempo finito e arriva in un stato finale di equilibrio. Grazie a questa ipotesi, ad esempio, è possibile utilizzare la ditribuzione di probabilità di MaxwellBoltzmann (valida solo in situazioni di equilibrio) nell’eq. (2.12). Nei casi in cui queste condizioni non sono verificate, non è possibile applicare le due relazioni descritte. Esiste però un risultato analogo, noto come teorema di Gallavotti-Cohen, che è simile al teorema di Crooks, ma, a differenza di quest’ultimo, non vale per ogni istante di tempo ma solo asintoticamente (ossia per t → ∞). Questo teorema si occupa di stati stazionari di non equilibrio. Questi sono stati attraversati ininterrottamente da correnti (flussi di calore, di elettricità) ma con proprietà che non variano nel tempo. Un esempio è dato da un oggetto a contatto con due bagni termici a temperature diverse; è chiaro che per rimanere fuori dall’equilibrio, quest’oggetto dev’essere attraversato continuamente da un flusso di calore che va dal serbatoio più caldo a quello più 2.4 Il teorema di Gallavotti-Cohen 16 freddo; di conseguenza il sistema dissipa calore all’esterno. La dissipazione di calore (e quindi la “produzione” di entropia) è la caratteristica principale che distingue questi sistemi da quelli in equilibrio. Se consideriamo un sistema in equilibrio, non c’è trasferimento di calore dal sistema all’esterno; quindi la probabilità di assorbire una quantità di calore Q è uguale alla probabilità di cederla. In formule P (Q)/P (−Q) = 1, con ovvio significato dei simboli. Per i sistemi non in equilibrio questo rapporto differisce dall’unità. Il teorema di Gallavotti-Cohen stabilisce una relazione per questo rapporto, o meglio per una quantità ad esso collegata. Se un sistema dissipa mediamente una quantità di calore Q, causerà un aumento di entropia media S; poichè è il sistema a causare quest’aumento di entropia, si dice che il sistema produce entropia. Se il sistema scambia calore per un tempo t, l’entropia prodotta mediamente per unità di tempo sarà σ = QT /t. Questo vale per i valori medi delle quantità in gioco. Consideriamo invece le fluttuazioni di σ ed indichiamo con Pt (σ) la distribuzione di probabilità (dipendente dal tempo) del rate di produzione di entropia. Il teorema di Gallavotti-Cohen stabilisce che 1 lim ln t→∞ t Pt (σ) Pt (−σ) =σ (2.22) Questo teorema ci dice che i sistemi non in equilibrio sono più propensi a cedere calore all’esterno piuttosto che ad assorbirlo. Inoltre anche se la relazione è valida solo asintoticamente, in pratica risulta vera per tempi lunghi rispetto ai tempi microscopici del sistema (che sono molto brevi); sperimentalmente quindi, è possibile verificarla (un esempio di verifica tramite simulazioni numeriche sarà descritto nel prossimo capitolo). Capitolo 3 Modelli statistici di non equilibrio I modelli matematici utilizzati per descrivere i sistemi reali sono un’ottimo banco di prova per testare le relazioni di fluttuazione. In particolare la simulazione al computer di questi modelli offre un’opportunità per testare la validità delle relazioni di non equilibrio, in particolare le modalità con cui ci si attende che valgano nei sistemi reali. Uno dei modelli più studiati in fisica statistica è il modello di Ising. Inizialmente introdotto per descrivere un dominio di una sostanza ferromagnetica, può essere utilizzato per descrivere altri sistemi fisici, come ad esempio le leghe binarie. La particolarità del modello di Ising è che la sua formulazione bidimensionale ammette una soluzione in forma analitica ed è quindi possibile calcolare analiticamente la transizione dalla fase ferromagnetica a quella paramagnetica, osservata in natura nelle sostanze ferromagnetiche. La formulazione originale del modello di Ising considera però solo le proprietà all’equilibrio (descritta brevemente nella prossima sezione). Una formulazione utile a testare le relazioni di non equilibrio si deve basare su una generalizzazione di non equilibrio del modello che includa una legge dinamica, che non c’è nella formulazione originale che come detto era interessata solo alla descrizione delle proprietà di equilibrio. Verrà quindi descritta questa generalizzazione del modello di Ising nella sezione 3.2. 3.1 Il modello di Ising unidimensionale 3.1 18 Il modello di Ising unidimensionale Consideriamo un reticolo unidimensionale di N siti. In ogni sito è definita una variabile di spin σi = ±1. L’hamiltoniana del sistema nella configuraP zione {σ} è data da H({σ}) = −J hiji σi σj , dove hiji è una somma sui siti primi vicini e J > 0. La funzione di partizione è data da X 1 Z= e−βH({σ}) , β = kB T {σ} dove la somma è su tutte le possibili configurazioni. La magnetizzazione totale in una generica configurazione è data da M= N X σi i=1 Poichè ogni variabile può assumere 2 valori, se abbiamo N siti le configurazioni possibili sono 2N . E’ chiaro quindi che con un numero così grande di configurazioni le simulazioni al computer sono uno strumento indispensabile per lo studio di questo sistema. E’ possibile dimostrare che se il reticolo è unidimensionale la magnetizzazione è nulla a qualsiasi temperatura (tranne che a T=0). Nel caso bidimensionale invece esiste una temperatura critica Tc sopra la quale la magnetizzazione è nulla, mentre sotto Tc si ha una magnetizzazione diversa da zero. Il modello riesce quindi a spiegare il comportamento delle sostanze ferromagnetiche. Ad esempio le comuni calamite, che sono composte di magnetite (F e3 O4 ), un materiale ferromagnetico, hanno una magnetizzazione spontanea, ma se vengono riscaldate al di sopra di una temperatura critica (detta temperatura di Curie) perdono la magnetizzazione. 3.2 Modello di Ising in contatto con due bagni termici Una possibile configurazione del modello di Ising fuori dall’equilibrio consiste nel collegarlo a due bagni termici a temperature diverse. Questo ade- 3.2 Modello di Ising in contatto con due bagni termici 19 guamento avviene mediante la definizione di un’opportuno modello cinetico per l’evoluzione della probabilità di ciascuna configurazione di spin. Consideriamo un modello di Ising unidimensionale composto da N siti ( N pari). Imponiamo condizioni al contorno periodiche, ossia σN +1 = σ1 . I primi N/2 siti sono collegati ad un bagno termico a temperatura T1 e gli altri N/2 ad un bagno a temperatura T2 . L’evoluzione del sistema può essere pensata in questo modo: ognuno dei due bagni termici produce delle inversioni casuali degli spin; la probabilità di inversione dipenderà dalla temperatura del bagno e dalla configurazione di tutti gli altri spin e le probabilità tenderanno a riprodurre la distribuzione di probabilità di Boltzmann. Se indichiamo con P ({σ}, t) la probabilità che al tempo t la configurazione degli spin sia {σ}, possiamo scrivere un’equazione di evoluzione per P. Prendiamo in esame il singolo spin σn della configurazione {σ}: la probabilità che al tempo t assuma il valore σn é data dalla probabilità che si trovi nell’istante di tempo precedente a t al valore −σn e che compia un’inversione per trovarsi al tempo t al valore σn ; a questo termine bisogna sottrarre la probabilità che lo stesso spin assuma nell’istante di tempo precedente a t il valore σn e che compia un’inversione trovandosi al tempo t al valore −σn . Il ragionamento va esteso ad ogni spin e quindi la probabilità di avere al tempo t la configurazione {σ} sarà data dalla somma delle probabilità di avere ogni singolo spin σn al suo valore al tempo t. In formule: N ∂P ({σ}, t) X = [wn ({σ}n )P ({σ}n , t) − wn ({σ})P ({σ}, t)] ∂t n=1 (3.1) dove la configurazione {σ}n differisce da {σ} per l’n-esimo spin invertito e wn ({σ}) indica la probabilità di inversione dello spin n-esimo per unità di tempo. Questa probabilità di inversione non può essere arbitraria, ma deve garantire che nel limite t → ∞ il sistema arrivi in uno stato stazionario. Questa richiesta è equivalente al principio del bilancio dettagliato (eq.(2.6)). L’eq (3.1) è chiamata master equation. Una probabilità che soddisfa il principio del bilancio dettagliato è la 3.3 Verifica delle relazioni di non equilibrio seguente: wn ({σ}) = dove i 1 h γn 1 − σn (σn+1 + σn−1 ) 2τ 2 tanh(2J/kB T1 ), n ≤ N/2 γn = tanh(2J/k T ), n > N/2 20 (3.2) (3.3) B 2 Se T1 = T2 = T il modello definito dalle eqq. (3.1, 3.2 e 3.3) è detto modello di Glauber ed è possibile dimostrare che tende ad uno stato stazionario di equilibrio a temperatura T. Esso è facilmente generalizzabile a d = 2. Nel caso invece di temperature diverse, dopo un breve transiente, s’instaura un flusso costante di calore fra i due sottoreticoli che mantiene il sistema in uno stato stazionario di non equilibrio. In quest’ultimo caso quindi il sistema si presta ad una verifica delle relazioni di non equilibrio. 3.3 Verifica delle relazioni di non equilibrio Una verifica del teorema di Gallavotti-Cohen è stata effettuata utilizzando un modello di Ising bidimensionale collegato a due bagni termici a temperature diverse con la dinamica descritta nella precedente sezione ([6],[7]). Poichè il teorema si occupa del rate di produzione di entropia σ di un sistema non in equilibrio, occorre calcolare σ in questo caso specifico. La variazione di entropia del sistema è dovuta alla variazione interna di S più quella scambiata con l’esterno (in questo caso i due bagni termici)[9]: dS = dSint + dSext (3.4) che è uguale a zero se il sistema è in condizioni stazionarie. L’ entropia scambiata con i bagni termici è dSext = X dQi i Ti Poichè i bagni sono a temperature diverse si ha dSext = dQ1 dQ2 + T1 T2 (3.5) 3.3 Verifica delle relazioni di non equilibrio 21 Figura 3.1: Distribuzione dei calori scambiati nel reticolo 10x10 dai due sottoreticoli (n=1,2) in t=100. In tutte le figure punti rossi si riferiscono al sottoreticolo a temperatura T1 e quelli verdi al sottoreticolo a T2 . In condizioni stazionarie e poichè il sistema e i due bagni sono termicamente isolati si ha dQ1 = −dQ2 (3.6) Indicando con σ l’entropia prodotta dal sistema e passando a variazioni finite, otteniamo da (3.4,3.5,3.6): Q1 Q2 − = Q2 σ=− T1 T2 1 1 − T1 T2 = Q1 1 1 − T2 T1 ≥0 (3.7) La produzione di entropia risulta quindi positiva in accordo con la seconda legge della termodinamica. Se in un grafico si riporta ln Pt (Qn ) Pt (−Qn ) (n = 1, 2) in funzione di Qn (1/T1 − 1/T2 ), per il teorema di Gallavotti-Cohen si dovrebbe ottenere, almeno a tempi lunghi, una retta di pendenza 1 per il sottosistema a temperatura T2 e -1 per l’altro sottosistema. Le figure 3.1,3.2,3.3,3.4 descrivono i risultati ottenuti nelle simulazioni. Si noti come aumentando i tempi di simulazione si ottengono risultati migliori, come previsto dal teorema 2.22. 3.3 Verifica delle relazioni di non equilibrio 22 Figura 3.2: Test del teorema di Gallavotti-Cohen nel reticolo 10x10 in t=100 (un’unità di tempo corrisponde a L2 (=100 in questo caso) spin-flip). Figura 3.3: Test del teorema di Gallavotti-Cohen in un reticolo di Ising 10x10 in un tempo t=500. Si notino i risultati migliori rispetto a t=100. 3.4 Transizioni tra stati stazionari di non equilibrio 23 Figura 3.4: (τ, L) = 1 − ln(P (Qn )/P (−Qn ))/Qn ∆βn dove ∆β1 = −∆β2 = (1/T2 − 1/T1 ) è plottato in funzione di τ /L. E’ evidente la validità asintotica del teorema di Gallavotti-Cohen. Da [7] 3.4 Transizioni tra stati stazionari di non equilibrio Le relazioni di fluttuazione descritte finora (uguaglianza di Jarzynski e teorema di fluttuazione di Crooks) sono valide se un sistema si trova inizialmente in uno stato d’equilibrio, viene sottoposto ad un processo irreversibile per un tempo finito ed infine ritorna in uno stato d’equilibrio. Il teorema di Gallavotti-Cohen vale invece per sistemi che si trovano permanentemente in uno stato stazionario di non equilibrio. Ci si può chiedere come estendere le relazioni di tipo transiente a situazioni più generali. Un passo in questa direzione è considerare transizioni tra stati stazionari di non equilibrio. Per questi processi sono state derivate delle relazioni generali che “quantificano” l’irreversibilità di tali processi. Consideriamo un sistema termodinamico il cui microstato sia indicato da x(t), e sia α(t) un parametro che possiamo controllare dall’esterno. Supponiamo inoltre che se α(t) viene mantenuto fisso, il sistema evolve verso uno stato stazionario con una distribuzione di probabilità ρss (x; α), che indica la 3.4 Transizioni tra stati stazionari di non equilibrio 24 probabilità di realizzare il microstato x ad α fissato (lo stato stazionario può essere di equilibrio o di non equilibrio). Supponiamo ora di variare α da un valore α1 a α2 in un tempo finito τ : il sistema compie quindi una transizione tra due stati stazionari. Costruiamo ora la seguente quantità: Z τ ∂φ . dt α (t) (x(t), α(t)) Y = ∂α 0 (3.8) dove φ(x, α) = − ln ρss (x, α). Supponiamo ora di ripetere il nostro esperimento molte volte, variando α sempre alla stessa maniera. Si può dimostrare ([8]) che he−Y i = 1 (3.9) dove la media è intesa su tutte le ripetizioni dell’esperimento. Utilizzando la diseguaglianza hex i ≥ ehxi si ottiene hY i ≥ 0 (3.10) che può essere vista come una generalizzazione della seconda legge della termodinamica. Una proposta per verificare la relazione 3.9 e per testare la validità del teorema di Crooks nel caso di transizioni tra stati stazionari di non equilibrio viene ora descritta. Consideriamo il modello di Ising a contatto con due bagni termici con la dinamica descritta in precedenza. Supponiamo ora di immergere il reticolo in campo magnetico costante di valore Hs . L’energia del sistema in questo caso diventa H({σ}) = −J X hiji σi σj − Hs N X σi (3.11) i=1 Il sistema si trova quindi in uno stato stazionario di non equilibrio. Se cambiamo il valore del campo magnetico da Hs a He il sistema compie una transizione tra stati stazionari di non equilibrio. Avendo in mente una possibile simulazione numerica di questo sistema eseguiamo la variazione del campo magnetico in questo modo: variamo H in n passi discreti (ogni passo corrisponde ad un’unità di tempo nella simulazione); ad ogni tempo discreto 3.4 Transizioni tra stati stazionari di non equilibrio 25 i = 1 · · · n H viene aumentato di una quantità ∆H = (He − Hs )/n. Ad ogni istante di tempo H assumerà il valore Hi = Hs + i∆H con Hn = He . Il lavoro effettuato sul sistema sarà pari a W = −∆H n−1 X Mi (3.12) i=0 dove Mi è la magnetizzazione del sistema all’inizio del tempo i-esimo. Un sistema siffatto può essere utilizzato per vedere se la relazione di fluttuazione di Crooks può essere generalizzata anche al caso di transizioni tra stati stazionari di non equilibrio ed inoltre per verificare la validità della relazione 3.9. Conclusioni Scopo della tesi è stato quello di presentare alcuni risultati generali riguardanti sistemi fuori dall’equilibrio termodinamico. E’ stata descritta anche l’importanza pratica di tali sistemi in diversi ambiti scientifici (biologia e nanotecnologie in primis). E’ stata derivata l’uguaglianza di Jarzynski, che collega il lavoro effettuato su un sistema e la differenza di energia libera tra due stati del sistema, utilizzando un approccio hamiltoniano. E’ stato descritto e derivato il teorema di fluttuazione di Crooks, che descrive le fluttuazioni del lavoro effettuato su un sistema, utilizzando un approccio stocastico. Si sono descritti inoltre alcuni esperimenti reali e simulazioni numeriche che hanno mostrato la validità di tali relazioni. Infine si è accennato ad una generalizzazione dei risultati ottenuti e si è proposto un test per verificare la validità delle relazioni descritte in precedenza al caso di transizioni tra stati stazionari di non equilibrio. Appendice A A.1 Dimostrazione della formula 2.4 Consideriamo un sistema che possa essere descritto, ad ogni istante di tempo, da un numero finito di variabili. Lo stato del sistema, ad ogni istante di tempo, sará quindi definito da una n-upla di numeri (x1 , x2 · · · xn ) che possiamo rappresentare come un punto di uno spazio n- dimensionale. L’evoluzione del sistema sia governata da un’equazione del tipo: dX(t) = F [X(t)] dt (A.1) dove X(t) = (x1 (t), x2 (t) · · · xn (t)). Un sistema siffatto é chiamato sistema dinamico. Se prendiamo un volume nello spazio n-dimensionale che rappresenta il sistema dinamico, il teorema di Liouville descrive l’evoluzione temporale di questo volume. I sistemi hamiltoniani sono un caso particolare di sistemi dinamici, con X = (q i , pi ) i = 1 · · · 3n per un sistema formato da n particelle e F = ( ∂H , − ∂H ) con H hamiltoniana del sistema. ∂pi ∂q i Consideriamo ora un volumetto di stati dXt0 all’ istante t0 nello spazio delle fasi n-dimensionale di un sistema dinamico. All’ istante t = t0 + ∆t gli stessi stati occuperanno il volume dXt = J(t, t0 )dXt0 , dove ∂X i (t) J(t, t0 ) = det ∂X l (t0 ) (A.2) A.2 Dimostrazione della formula 2.14 28 é lo jacobiano della trasformazione di evoluzione temporale. Applicando la regola di derivazione delle funzioni composte e l’eq. A.1 abbiamo: ∂X i (t) dX i (t) dt F (X i (t)) = = ∂X l (t0 ) dt dX l (t0 ) F (X l (t0 )) Sviluppando il numeratore in serie di Taylor di punto iniziale t0 si ha: F (X i (t)) = F (X l (t0 )) = F (X i (t0 )) + . ∂F i X i=1 ∂X i (t0 ) F (X l (t0 )) Pn (t0 )∆t + o(∆t)2 = δli + (divt0 F )i δli + o(∆t)2 Calcolando il determinante si ha: J(t, t0 ) = 1 + divt0 F + o(∆t)2 (A.3) I sistemi hamiltoniani hanno divergenza nulla (in generale i sistemi dinamici che hanno divF=0 sono detti conservativi) e quindi si ottiene il risultato J(t, t0 ) = 1 utilizzato nell’ eq. 2.4. A.2 Dimostrazione della formula 2.14 Per dimostrare la formula 2.14 partiamo dall’ equazione 2.12: F F peq A (x0 )P (x0 → x1 ; λ1 ) · · · P (xN −1 → xN ; λN ) R R peq B (xN )P (x0 ← x1 ; λN −1 ) · · · P (xN −1 ← xN ; λ0 ) (A.4) F Utilizzando il principio del bilancio dettagliato e la relazione λR n = λN −n ogni coppia di termini simili a numeratore e denominatore, equivalgono ad un rapporto tra esponenziali. Ad esempio: F P (x0 → x1 ; λF1 ) e−βH(x1 ,λ1 ) = F P (x0 ← x1 ; λR e−βH(x0 ,λ1 ) N −1 ) A.2 Dimostrazione della formula 2.14 29 Mettendo insieme questi fattori si ha: P (x0 → x1 ; λF1 ) · · · P (xN −1 → xN ; λFN ) = R P (x0 ← x1 ; λR N −1 ) · · · P (xN −1 ← xN ; λ0 ) ! N −1 X = exp [H(xn+1 ; λFn+1 ) − H(xn ; λFn+1 )] (A.5) n=0 =e −βQF dove il pedice F indica che si tratta del processo forward. Il rapporto tra eq peq A (x0 ) e pB (xN ) da invece: peq ZB β∆E A (x0 ) = e = eβ(∆E−∆F ) eq pB (xN ) ZA Moltiplicando l’ eq. A.5 per A.6, che equivale a A.4, si ottiene : eβ(∆E−∆F −QF ) = eβ(WF −∆F ) che é l’ equazione 2.14 (A.6) Bibliografia [1] C. Jarzynski, Eur. Phys. J. B 64, 331 − 340(2008) [2] C. Jarzynski, J. Stat. Mech.: Theor. Exp., P09005 (2004) [3] C. Bustamante, J. Liphardt, F. Ritort, Phys. Today 58, 43 (2005) [4] J. Liphardt, S. Dumont, S. B. Smith, I. Tinoco Jr, C. Bustamante, Science 296, 1832(2002) [5] D. Collin, F. Ritort, C. Jarzynski, S. B. Smith, I. Tinoco Jr and C. Bustamante, Nature, 437 (2005) 231-234 [6] A. Piscitelli, F. Corberi, G. Gonnella, J. Phys. A: Math. Theor. 41 (2008) 332003 [7] A. Piscitelli, F. Corberi, G. Gonnella, A. Pelizzola, J. Stat. Mech. (2009) P01053 [8] T. Hatano, S. Sasa (2001) Phys. Rev. Lett. 86, 3463 [9] S.R. De Groot, P. Mazur, Non-equilibrium Thermodynamics, Dover, 1984