KNOWECON WIKI

ARTICLE

配分函数

\# 配分函数 配分函数（partition function）是统计力学中一个核心概念，它通过单一数学表达式完整地概括了系统在热平衡状态下的全部统计信息。配分函数通常记作 Z ，源自德文 Zustandssumme（状态和），其定义依赖于系统所处的系综类型。1870年代，玻尔兹曼在其关于热力学第二定律的统计解释中首次隐含地使用了这一概念，而吉布斯于1902

浏览 0 更新 2026-07-17

\# 配分函数

配分函数（partition function）是统计力学中一个核心概念，它通过单一数学表达式完整地概括了系统在热平衡状态下的全部统计信息。配分函数通常记作 Z Z ，源自德文 Zustandssumme（状态和），其定义依赖于系统所处的系综类型。1870年代，玻尔兹曼在其关于热力学第二定律的统计解释中首次隐含地使用了这一概念，而吉布斯于1902年在其《统计力学的基本原理》中对配分函数进行了系统化阐述，奠定了现代统计力学的形式化基础。如今，配分函数已远不止是物理学工具，它在机器学习、贝叶斯统计和组合数学等领域都发挥着关键作用。

正则系综配分函数

在正则系综中，系统与温度为 T T 的热库接触，可交换能量但不交换粒子。正则配分函数定义为所有微观状态的能量玻尔兹曼因子之和：

Z=∑ie−βEiZ = \sum_i e^{-\beta E_i}

式中 i i 标记系统的所有微观状态，Ei E_i 为第 i i 个微观状态的能量，β=1/(kBT) \beta = 1/(k_B T) ，kB k_B 为玻尔兹曼常数。对于连续系统，求和改为对相空间的积分：

Z=1h3NN!∫e−βH(pN,qN) d3Np d3NqZ = \frac{1}{h^{3N} N!} \int e^{-\beta H(\mathbf{p}^N, \mathbf{q}^N)} \, d^{3N}p \, d^{3N}q

其中 H H 为哈密顿量，h h 为普朗克常数，N! N! 来自粒子的不可分辨性修正，即吉布斯佯谬的解决方案。这一积分形式使配分函数能够处理具有连续自由度的经典系统，例如气体分子在容器中的平动运动。

其他系综的配分函数

巨正则系综允许系统与热库和粒子库同时交换能量与粒子，其配分函数定义为：

Ξ=∑N=0∞∑ie−β(Ei−μN)=∑NeβμNZN\Xi = \sum_{N=0}^\infty \sum_i e^{-\beta (E_i - \mu N)} = \sum_N e^{\beta \mu N} Z_N

式中 μ \mu 为化学势，ZN Z_N 为固定粒子数 N N 下的正则配分函数。巨配分函数 Ξ \Xi 特别适用于处理粒子数可变的开放系统，如化学反应平衡、吸附现象和相变问题。在等温等压系综中，配分函数进一步扩展为对体积的求和：

Δ=∑V∑ie−β(Ei+pV)\Delta = \sum_V \sum_i e^{-\beta (E_i + pV)}

其中 p p 为压强。这些不同系综的配分函数通过勒让德变换相互联系，共同构成了统一的热力学描述框架。选用何种系综取决于问题的边界条件，但在热力学极限下所有系综给出等价的宏观预测。

配分函数的物理意义

配分函数的核心价值在于它是一切热力学量的生成函数。正则系综中系统亥姆霍兹自由能 F F 与配分函数的关系为：

F=−kBTln⁡ZF = -k_B T \ln Z

由此可推导出全部热力学量：内能 U=−∂ln⁡Z/∂β U = -\partial \ln Z / \partial \beta 、熵 S=kB(ln⁡Z+βU) S = k_B (\ln Z + \beta U) 、压强 p=kBT(∂ln⁡Z/∂V) p = k_B T (\partial \ln Z / \partial V) 以及化学势 μ=−kBT(∂ln⁡Z/∂N) \mu = -k_B T (\partial \ln Z / \partial N) 。在巨正则系综中，热力学势 J=−kBTln⁡Ξ J = -k_B T \ln \Xi 同样承载着类似功能。配分函数的对数及其偏导数构成了从微观信息向宏观热力学量过渡的桥梁，这正是统计力学将微观世界与宏观世界相连的核心机制。

从概率论角度看，配分函数是概率分布的归一化因子。根据玻尔兹曼分布，系统处于微观状态 i i 的概率为 pi=e−βEi/Z p_i = e^{-\beta E_i} / Z 。这一分布使所有可观测量的期望值可通过加权平均求得：

⟨A⟩=∑iAipi=1Z∑iAie−βEi\langle A \rangle = \sum_i A_i p_i = \frac{1}{Z} \sum_i A_i e^{-\beta E_i}

因此，配分函数不仅是热力学量的生成函数，也是统计推断的基础工具。

配分函数的计算方法

实际系统中配分函数的严格求解往往面临巨大挑战，尤其是存在相互作用的多体系统几乎无法精确求解。常用的计算方法包括以下几种。精确求解适用于可分离系统——如理想气体、谐振子链和两能级系统，这类系统的哈密顿量可对角化从而直接求和。平均场近似将多体相互作用简化为有效外场，牺牲精度换取可解性，在伊辛模型和朗道相变理论中广为应用。微扰展开以小参数为基础，将配分函数展开为微扰级数，适用于弱相互作用系统。蒙特卡洛方法通过重要性采样直接估算配分函数的比值，是处理复杂系统的实用数值工具，其中Metropolis算法是最经典的实现。转道积分方法则将量子系统的配分函数表达为路径积分，为量子统计和量子场论提供了统一的语言框架。

应用与实例

单原子理想气体的正则配分函数为：

Z=VNN!(2πmkBTh2)3N/2Z = \frac{V^N}{N!} \left( \frac{2\pi m k_B T}{h^2} \right)^{3N/2}

代入自由能公式可得 Sackur–Tetrode 方程，正确预言气体的熵，这是统计力学早期最成功的应用之一。对于伊辛模型——描述铁磁相变的最简模型——配分函数在零场下由昂萨格于1944年严格解析求解，这一成就被视为统计力学的一座里程碑，揭示了相变现象的本质。在量子统计中，配分函数需考虑粒子统计性质：玻色子服从玻色-爱因斯坦分布，费米子服从费米-狄拉克分布，二者在巨正则系综框架下统一表达为 Ξ=∏k(1±e−β(ϵk−μ))±1 \Xi = \prod_k (1 \pm e^{-\beta(\epsilon_k - \mu)})^{\pm 1} ，其中正号对应费米子，负号对应玻色子。

配分函数的多学科延伸

配分函数的思想已超越统计物理学本身。在机器学习中，玻尔兹曼机和受限玻尔兹曼机直接借用了配分函数的概念来定义基于能量的概率模型，其训练难点恰在于配分函数的精确计算——这一困难催生了对比散度等近似算法和退火重要性采样技术。在贝叶斯推理中，证据（marginal likelihood）本质上是一个配分函数，其对数在模型比较中扮演着奥卡姆因子的角色，自动平衡模型拟合度与复杂度。在组合数学中，图计数问题、匹配多项式以及着色多项式均可映射为配分函数的计算。这种跨学科的适用性彰显了配分函数作为概率模型统一框架的深远意义，也使其成为连接物理学、统计学和计算机科学的桥梁概念。