热力学研究：被人类低估了两百年的现实世界底层规则

你有没有想过，为什么手机用俩小时就烫得握不住？为什么喊了一百年的永动机，到今天还是只能停在PPT上？为什么冰可乐从冰箱拿出来，杯壁一定会凝出水珠？

所有这些问题，答案都写在热力学里。

很多人对这门学科的印象，还停留在大学物理课本里枯燥的四个定律，是早已研究透的老古董。这话可错得离谱。

从蒸汽机到室温超导：热力学研究从来不会过时

两百年前卡诺搞出热机理论的时候，连原子论都没被主流学界接受。谁能想到，当年为了改进蒸汽机效率琢磨出来的规律，今天成了所有前沿科技的底色。

去年闹得满城风雨的室温超导闹剧，吵到最后，所有争议都绕不开一个问题：这个材料的自由能是不是稳定？能不能在常温常压下存在？所有人都得乖乖回到热力学框架里算，半点跳不出去。

现在最火的先进制程芯片，3nm、2nm往下做，最大的拦路虎不是光刻精度，是热。每平方厘米数十亿个晶体管同时工作，散不出去的热直接就能把芯片烧坏，现在全世界的半导体厂都在砸钱做热管理，核心还是热力学研究的那套东西。

别以为热力学只跟热打交道。你天天用的5G、人工智能，核心的信息论，本质就是热力学的延伸。香农提出的信息熵，根本就是从热力学熵搬过去的概念。

有意思吧？

近十年的新爆点：我们漏了非平衡态这块大蛋糕

大部分人大学学的热力学，都是平衡态热力学。说白了就是研究系统停下来之后的状态，算一算能量熵这些参数。

可真实世界哪有什么绝对的平衡啊？

你我活着，每一秒都在呼吸、都在代谢，是一个不断和外界交换能量物质的非平衡系统。整个宇宙都在膨胀，也从来没有平衡过。所有真正有意思的问题，全在非平衡这块。

近十年随机热力学、涨落定理成熟之后，这块黑箱子才终于被撬开一条缝。

说实话我前两年听一个年轻学者做分享，当时差点惊掉下巴。他们用非平衡热力学的模型算出来，癌细胞的能量代谢比正常细胞偏离平衡态远得多，这个差异居然可以用来做早期癌症筛查，准确率比原来的标记物方法还高。

热力学居然能用来查癌症？谁能想得到？

现在做人工光合，做新材料合成，好多反应都是非平衡过程，原来用平衡热力学算，结果和实验差十万八千里，现在换了非平衡模型，误差直接缩小一个数量级。

不过话说回来，现在国内大部分大学的物理教材，还只肯花大篇幅讲平衡态，非平衡热力学最多就是提个开头，把好多学生都教傻了，出来做研究碰到实际问题，连入手的方向都找不到。

可惜。

热力学研究能给火爆的AI行业解决什么问题？

现在AI大模型火得一塌糊涂，所有人都在说大模型训练太费电，一年烧掉几个亿的电费，还不环保。可很少有人说，这个能耗的根子，出在热力学上。

早在上世纪六十年代，兰道尔就提出了一个原理：每擦除一个比特的信息，就一定会产生至少kTln2的熵，对应一定会产生热量。这个是物理下限，不管你芯片工艺怎么做，从14nm到2nm，这个下限绕不开。现在大模型一次训练烧掉几千度电，一半以上的能耗都耗在信息擦除产生的热上了。

现在好多顶尖实验室在搞可逆计算，就是顺着热力学的思路，做计算的时候尽量不擦除信息，从底层把熵增降下来，理想情况下能把AI计算的能耗降两个数量级。说白了就是从热力学根子里解决问题，比你换多少个绿电都管用。

反过来，AI现在也在帮热力学研究提速。原来算一个材料的相变熵，用第一性原理算要好几个星期，现在用机器学习模型，几个小时就出来了，现在找钠离子电池的电极材料，找储氢材料，好多都是用AI加热力学的方法筛出来的，速度比原来快了上百倍。

可就算AI再厉害，算出来的结果也得符合热力学定律，不符合的直接pass就行，省了好多做实验的冤枉钱。去年那个室温超导，好多人刚看到预印本，就算出来自由能不对，热力学上不可能稳定存在，直接就预判了结果，省了多少流量。

现在可控核聚变研究，最大的问题之一就是等离子体约束，上亿度的等离子体，本来就是一个高度复杂的非平衡系统，它的涨落、约束时间，本质都是热力学问题。把这个问题摸透了，核聚变才能真的落地发电。

好多人说，热力学是两百年的老学科，没什么好研究的了。可你看看，从芯片到AI，从生物医疗到核聚变，哪一个前沿领域离得开热力学的新突破？

你出门摸一下兜里发烫的手机，拧开一瓶冰矿泉水看着杯壁慢慢凝出水珠，你摸过春天的风，感受过夏天的热，所有这些你习以为常的现象背后，还有大把我们没搞懂的问题。

两百年了，我们才刚摸到这门学科的门槛而已。