“毫无疑问，宏观上，这两个氢原子的分布有三种情况，全在左边，一左一右，全在右侧。”
“而在微观上，三者对应的状态数则分别是一种、两种、一种……让我们来画一条曲线来表示它。”
“假设每种微观状态出现的概率相等，这条曲线反映的其实就是原子的分布概率。”
“显然，随着原子数量的增加，这条曲线会越来越窄，原子会有更大概率较均匀地分布在空间中，这和我们的生活经验相符——空气可以自发地扩散，而不会自发地收缩，我们几乎不可能遇到空气原子都集中到一处而导致人憋死的情况。”
一通讲述过后，马哨让人们的目光重新回到玻尔兹曼公式“现在我们可以理解这道公式的含义了，一个系统熵最大时，也就是处在最混乱、对应微观状态数最多的宏观状态。”
场面安静了一会。
大多数人听得似懂非懂，并没有立刻理解玻尔兹曼熵的奥妙。
这也是情理之中，毕竟马哨刚刚给出克劳修斯熵，不少人连克劳修斯熵都还没弄明白呢。
但这难不倒马哨，作为一个老师，这种状态他在所有学生身上都看到过。
他的解决办法很简单，就是不断地举例子、打比方、出题目，如同工程师训练人工智能那样，向学生的脑海中灌输大量的数据并进行标记。
这可能是唯一的办法，毕竟很多认知是难以言表的，只能通过训练的方式获得。对多数人而言，密集的试错与迭代的都是专业学习必须经历的一个阶段。
于是马哨开始了风暴般的讲解，提出了日常生活中的诸多案例，并出题考察，完完全全是一幅老师讲课的姿态。
内容未完，下一页继续阅读