Onsager Regression Theorem

Overview

Onsager’s Regression Theorem은 평형 상태에서의 미시적 열요동이 시간에 따라 감소하는 방식과, 거시적 비평형 교란이 평형으로 이완되는 방식이 동일하다는 정리이다. 이는 평형 상태의 요동 관찰만으로도 비평형 응답 특성을 예측할 수 있게 해주는 강력한 도구다.

“Regression”의 의미: 평형 상태로 되돌아가는(회귀하는) 과정을 의미한다. 통계학의 regression과는 다른 물리학적 용어이다.

Key Symbol Table

Symbol	Meaning
	미시적으로 본 위치, 미시상태마다 다름 (혹은 그냥 conjugate variable)
	미시적으로 본 변위,
	미시 변위차의 앙상블 평균, 혹은 거시적 변위,
	와의 conjugate force, 둘이 곱하면 헤밀토니안의 perturbation term 됨
	평형 앙상블 평균
	이완 시간 상수
	미시 변위의 시간 상관함수

Mathematical Statement

작은 외력 를 가해준 상태로 평형 상태에 있던 시스템. 이때 에 갑자기 힘을 제거한다.
그러면 시간 에서의 시스템 변수 변화는 다음과 같이 주어진다:

여기서:

• 좌변: 비평형 상태에서의 거시적 이완 (macroscopic relaxation)
• 우변: stationary state에서의 미시적 시간 상관함수 (microscopic time correlation)
• : 외력이 없는 평형 상태에서의 앙상블 평균
  
  

Physical Interpretation

위의 그림을 참고하라.

상황 1: 거시적 비평형 이완

1. 시스템에 작은 외력 를 가해 평형 위치에서 만큼 벗어남
2. 에서 외력 제거
3. 시스템이 평형으로 되돌아감 (regression)

예: 고무줄을 당겼다가 놓으면

상황 2: 미시적 평형 요동

1. 시스템이 외력 없이 평형 상태에 있음
2. 열요동으로 인해 시스템 변수가 끊임없이 흔들림
3. 에 우연히 만큼 벗어났다고 하자
4. 시간 상관함수를 계산하면:

놀랍게도 같은 시간 상수 로 감소한다!

Onsager’s Statement (1931)

“The regression of microscopic thermal fluctuations at equilibrium follows the macroscopic law of relaxation of small non-equilibrium disturbances.”

평형 상태에서 미시적 열요동의 회귀는 작은 비평형 교란의 거시적 이완 법칙을 따른다.

Why Is This Powerful?

실험적 응용

평형 상태의 요동만 관찰하면 비평형 응답 특성을 알 수 있다:

1. 필요 없는 것: 외력을 가했다가 제거하는 복잡한 과정
2. 필요한 것: 평형 상태에서 시간 신호 기록 및 상관함수 분석

예: RNA hairpin (Chapter 17 Fig. 17.1)

• 다양한 힘에서 평형 요동 측정
• 시간 상관함수 분석
• 동적 응답 특성 추출

Connection to FDT

Onsager regression theorem과 fluctuation-dissipation theorem은 밀접히 연관되어 있다. FDT (17.22):

여기서 는 시간 상관함수이다.

Onsager theorem은 이 관계의 물리적 근거를 제공한다.

Application: Diffusion (Eq. 17.76)

밀도 요동의 경우:

거시적 법칙: 확산방정식 (거시적 변수니까 앙상플변균을 한 변수인 와 밀도가 대응된다.)

Onsager theorem 적용: 평형 밀도 상관함수도 같은 방정식을 따른다

따라서:

Questions & Insights

Q1: 왜 평형 요동과 비평형 이완이 같은 시간 의존성을 가지는가?

• 두 과정 모두 같은 underlying dynamics (Hamiltonian 또는 Langevin equation)에 의해 지배된다
• 선형 응답 영역에서는 초기 조건만 다를 뿐 시간 진화는 동일하다

Q2: 모든 시스템에 적용 가능한가?

• 평형 상태 근처에서만 유효 (선형 응답 영역)
• 비평형 정상상태(steady state)에서는 수정이 필요 (effective temperature 개념)

Q3: 왜 “regression”이라는 용어를 사용하는가?

• 평형으로 되돌아가는(regress) 과정을 강조
• Onsager가 1931년 논문에서 사용한 원래 용어

Related Concepts

• Statistical Physics for Biological Matter (Woo)

References

• W. Sung, Statistical Physics for Biological Matter, Chapter 17, Section 17.1.2, page 333 (Eq. 17.21, Fig. 17.3)

Notes from Claude

Regression의 의미: “Regression”이라는 단어가 왜 사용되었는지가 이 정리 이해의 핵심이다. 통계학의 regression(회귀분석)과는 완전히 다른 의미로, 물리학에서는 “평형 상태로 되돌아가는 과정”을 의미한다.

고무줄 비유의 중요성: 거시적 실험(고무줄을 당겼다 놓기)과 미시적 관찰(열요동 측정)이 같은 결과를 준다는 것은 매우 놀라운 사실이다. 이는 평형 통계역학과 비평형 통계역학을 연결하는 다리 역할을 한다.

실험적 파워: 이 정리의 진정한 가치는 실험적 편의성에 있다. 시스템을 교란시킬 필요 없이 평형 상태에서 신호만 기록하면 된다. 특히 생물학적 시스템처럼 복잡한 시스템에서 매우 유용하다.

식 17.76과의 연결: 확산방정식이 거시적 이완을 기술하면, 같은 방정식이 밀도 상관함수의 시간 의존성도 기술한다. 이것이 Onsager theorem의 구체적 응용 예시다.

한계: 선형 응답 영역에서만 성립한다. 큰 교란이나 강한 비평형 상태에서는 성립하지 않는다. 생물학적 활성계(active systems)의 경우 effective temperature 개념을 도입해야 한다 (Section 17.1.3 마지막 부분).