От одного слоя к объёмному интегралу

Вторая структурная причина того, что «исчезающе малое» элементарное взаимодействие тем не менее может давать измеримый выход, не имеет отношения к квантовой когерентности — она рассматривается отдельно в когерентном усилении и законе N² — и целиком связана со счётом. Преобразователь — это не одиночный рассеиватель, а макроскопическое тело, содержащее порядка $10^{22}$–$10^{23}$ составляющих, каждая из которых подвержена потоку, сам по себе распределённому по широкому диапазону энергий и направлений. Выход есть сумма по всем из них. Эта глава делает аргумент агрегации явным: переход от одного пространственного слоя к полному объёмному интегралу, логику закона больших чисел, превращающую множество редких событий в устойчивое математическое ожидание, и причину, по которой «одно событие пренебрежимо мало» является категориальной ошибкой, когда искомая величина есть многочастичная сумма.

Категориальная ошибка

Рассмотрим форму возражения. Одиночное взаимодействие передаёт столь малую энергию или импульс, что, взятое по отдельности, оно совершенно пренебрежимо — скажем, вероятность отдельного события $p_1 \ll 1$ сделать что-либо полезное вообще. Вывод «следовательно, устройство ничего не делает» наделяет совокупность малостью отдельного элемента. Но совокупность есть сумма, а сумма многих малых чисел не мала. Если $N$ независимых рассеивателей каждый вносит ожидаемую величину $\mu_1$, то ожидаемая сумма равна

$$\langle S \rangle = \sum_{i=1}^{N} \mu_i = N\mu_1 ,$$

в силу линейности математического ожидания, сколь бы малой ни была каждая $\mu_1$. Малость отдельного элемента и малость суммы — попросту разные утверждения; их отождествление и есть категориальная ошибка. При $N \sim 10^{22}$ вклад на одну составляющую, меньший любого лабораторного масштаба, всё же может агрегироваться в макроскопическую сумму, потому что $10^{22}$ — огромный множитель. Правильный вопрос — не «пренебрежимо ли одно событие?» (почти всегда да), а «чему равно $N\mu_1$, и превышает ли оно порог измеримости?»

Закон больших чисел как стабилизатор

Агрегация делает больше, чем суммирует среднее; она также подавляет относительную флуктуацию, что и делает сумму надёжной величиной, а не удачной случайностью. Смоделируем каждую составляющую как вносящую независимую случайную величину со средним $\mu_1$ и дисперсией $s^2$. Сумма $S$ имеет среднее $N\mu_1$ и, для независимых вкладов, дисперсию $N s^2$, так что её стандартное отклонение растёт лишь как $\sqrt{N}$. Поэтому относительный разброс убывает:

$$\frac{\sigma_S}{\langle S \rangle} = \frac{\sqrt{N}\,s}{N\mu_1} = \frac{1}{\sqrt{N}}\,\frac{s}{\mu_1} \;\xrightarrow[N\to\infty]{}\; 0 .$$

Это слабый закон больших чисел в том виде, который нужен концепции: по мере роста $N$ агрегированный выход всё теснее концентрируется вокруг своего математического ожидания. Устройство, построенное из $10^{22}$ рассеивателей, имеет относительную флуктуацию порядка $10^{-11}$ из одного лишь этого счёта, так что выход — не шумный ручеёк редких событий, а гладкая, по существу детерминированная величина. Редкость отдельного события и устойчивость коллектива снова оказываются полностью совместимыми — более того, второе следует из первого через саму величину $N$.

От суммы Римана к интегралу

Основная формула есть континуальное выражение именно этой суммы. Начнём с дискретной картины: разобьём преобразователь на малые ячейки, помеченные положением, и разобьём падающее поле на малые бины по энергии $\Delta E$ и направлению $\Delta\theta$. Вклад одной ячейки в одном бине $(E,\theta)$ есть произведение потока в этом бине, связи, направленной передачи, транспорта и эффективности — одно малое слагаемое. Полный выход есть сумма всех таких слагаемых по каждой ячейке и каждому бину:

$$P \;\approx\; \sum_{\text{cells}}\;\sum_{E_j,\,\theta_k} \Phi(E_j,\theta_k)\,\sigma(E_j)\,\Delta p\,v_{\text{ph}}\,\eta_{\text{conv}}\;\Delta E\,\Delta\theta .$$

По мере измельчения бинов $\Delta E, \Delta\theta \to 0$ эта сумма Римана сходится к интегралу, а сумма по ячейкам становится интегралом по спектру, взвешенным плотностью рассеивателей. Остаётся именно основная формула,

$$P(t) = \iint \Phi(E,\theta,t)\,\sigma(E)\,\Delta p\,v_{\text{ph}}\,\eta_{\text{conv}}\;dE\,d\theta ,$$

в которой знак интеграла не украшение, а инструмент учёта, автоматически выполняющий агрегацию. Такое прочтение уравнения снимает немало недоразумений: интеграл и есть «сумма по многим редким событиям», доведённая до континуального предела по спектральным переменным, а плотность рассеивателей входит через множители, которые она умножает. Полное построение этого перехода изложено в полном выводе, а параллельная агрегация по различным каналам взаимодействия — в многоканальном потоке энергии.

Поверхность против объёма: 2D против 3D

Важный количественный момент отличает преобразователи, собирающие энергию на поверхности, от собирающих её во всём объёме, и это вопрос размерного масштабирования. Поверхностное взаимодействие накапливается по площади, так что число участвующих рассеивателей растёт как $L^2$ с линейным размером $L$. Объёмное взаимодействие накапливается по всему телу, так что счёт растёт как $L^3$. Для устройства характерного размера $L$ с расстоянием между составляющими $d$ эти два счёта равны

$$N_{\text{surf}} \sim \left(\frac{L}{d}\right)^{2}, \qquad N_{\text{vol}} \sim \left(\frac{L}{d}\right)^{3},$$

так что объёмный счёт превышает поверхностный в $L/d$ раз, что для тела сантиметрового масштаба с субнанометровым расстоянием составляет порядка $10^{7}$. Вот почему поле, слабо связанное с каждой составляющей, но проникающее в объём, рассматривается на принципиально ином основании, нежели поле, взаимодействующее только на границе: доступное $N$, а значит и агрегированное $N\mu_1$, больше на много порядков. Слабо взаимодействующий, глубоко проникающий поток в этом смысле есть идеальный кандидат для объёмной агрегации, именно потому что его слабость позволяет ему достичь каждого из $L^3$ рассеивателей, а не поглотиться на поверхности. Концепция сохраняет это различие явным, интегрируя по объёмной плотности, а не по поверхностной, и любая конкретная оценка должна указывать, в каком режиме она находится.

Что аргумент агрегации допускает и чего не допускает

Дисциплина концепции требует излагать границы этого рассуждения так же ясно, как и его силу. Агрегация законно превращает крошечную величину отдельного события в потенциально макроскопическую сумму, а закон больших чисел законно делает эту сумму устойчивой. Чего она не делает — так это не производит энергию и не обходит термодинамику: каждое слагаемое в сумме всё равно ограничено законами сохранения и потолком эффективности, так что агрегация многих слагаемых не может дать больше, чем доставляет поток. Не спасает агрегация и механизм, вклад которого на событие подлинно равен нулю — умножение нуля на $10^{22}$ по-прежнему ноль. Поэтому аргумент есть необходимая поправка к конкретному заблуждению, а не универсальный растворитель: он показывает, что малость отдельного события сама по себе не является обоснованным возражением, оставляя в силе требование, чтобы отдельное событие было ненулевым и термодинамически допустимым. Конкретный пример доведения оценки агрегации до чисел, с каждым множителем, помеченным как иллюстративный, приведён в разобранном примере. Вместе с аргументом когерентности обе главы отвечают на две самые частые версии возражения «это слишком мало»: когерентность может повысить связь на одну мишень, а агрегация может повысить счёт на одно устройство, и ни то, ни другое не нарушает закона сохранения.

Дополнительное чтение

• Feller, W. (1968). An Introduction to Probability Theory and Its Applications, Vol. I (3rd ed.). Wiley — линейность математического ожидания и закон больших чисел.
• Reif, F. (1965). Fundamentals of Statistical and Thermal Physics. McGraw-Hill — агрегация многих микроскопических вкладов и подавление относительных флуктуаций как $1/\sqrt{N}$.
• van Kampen, N. G. (2007). Stochastic Processes in Physics and Chemistry (3rd ed.). North-Holland — суммы многих редких событий и континуальный предел дискретных стохастических вкладов.