Una sintesi estesa e ragionata dei risultati ottenuti su sistemi di particelle, fra entropia di Shannon, ordine spettrale, ordine orientazionale e famiglie diverse di struttura.
La domanda di fondo da cui nasce questo lavoro è semplice da formulare ma molto profonda dal punto di vista fisico: il disordine è davvero una quantità unica? Oppure, più precisamente, ciò che chiamiamo “ordine” o “disordine” è in realtà un insieme di fenomeni diversi che non possono essere compressi in un solo numero?
In meccanica statistica, l’entropia classica misura la molteplicità dei microstati compatibili con un macro-stato. Questa informazione è fondamentale, ma non dice tutto: non distingue infatti come i microstati siano organizzati nello spazio, né se contengano simmetrie locali, cluster, periodicità parziale, esclusione di corto raggio o strutture collettive emergenti.
Per intuire il problema, si pensi a due insiemi di particelle con uguale densità media e uguale numero totale di configurazioni accessibili. Uno può apparire quasi casuale, l’altro può presentare addensamenti, domini, regolarità locali o perfino un reticolo disturbato. Dal punto di vista dell’entropia “combinatoria” i due casi possono risultare vicini; dal punto di vista strutturale, invece, sono chiaramente diversi.
Idea centrale: l’entropia misura la ricchezza dei possibili stati; l’ordine, invece, descrive la geometria, la correlazione e la coerenza interna di tali stati. Sono concetti collegati, ma non identici.
La forma più nota è
dove W è il numero di microstati compatibili con il macro-stato osservato e k_B è la costante di Boltzmann. Questa formula mette in relazione l’entropia con la numerosità delle configurazioni possibili. Più grande è W, maggiore è l’entropia.
Questa definizione è potentissima, ma opera a un livello globale: non vede automaticamente la differenza tra microstati “geometricamente dispersi” e microstati “geometricamente organizzati”, a meno che tale differenza si rifletta nel conteggio stesso di W.
Quando i microstati non sono equiprobabili, la forma più generale è
dove p_i è la probabilità del microstato i. Questa scrittura avvicina l’entropia della fisica a quella dell’informazione. Se tutti i microstati sono equiprobabili, cioè p_i = 1/W, si torna immediatamente alla formula di Boltzmann.
Nella teoria dell’informazione, l’analogo formale è
che misura l’incertezza di una sorgente o di una distribuzione. Se si usa il logaritmo in base 2, l’unità è il bit; con il logaritmo naturale si ottiene una quantità in nat.
L’entropia di Shannon è perfetta per quantificare dispersione statistica, imprevedibilità e contenuto informativo medio. Tuttavia, esattamente come Gibbs, non è automaticamente una misura di forma o topologia. Due distribuzioni con entropia simile possono corrispondere a strutture spaziali molto diverse.
Il nodo teorico emerso durante il lavoro è quindi questo: l’entropia è sensibile alla distribuzione delle probabilità, ma non sempre alla natura geometrica delle correlazioni. Per catturare l’ordine interno servono allora osservabili aggiuntive.
Questo non significa che l’entropia “sbagli”; significa piuttosto che risponde a una domanda diversa. L’entropia chiede: “quanto è distribuita o numerosa la possibilità?”. L’ordine chiede: “quale architettura interna hanno le configurazioni?”
Nel linguaggio comune si tende a identificare l’ordine con il contrario dell’entropia. In fisica questa equivalenza è solo parzialmente vera. Un sistema può presentare bassa entropia e tuttavia non esibire una struttura particolarmente interessante; viceversa, un sistema con entropia relativamente alta può mostrare pattern collettivi, separazioni di fase, cluster o simmetrie emergenti a una certa scala.
In pratica, occorre distinguere almeno tre piani:
Questo suggerisce di descrivere l’ordine mediante un vettore di osservabili, non con un singolo scalare universale.
dove ciascun canale intercetta una proprietà differente: modularità, orientazione, esclusione, periodicità locale, e così via.
Per rendere operativa l’idea di ordine globale si è adottata una costruzione spettrale. Un insieme di particelle in posizioni x_i viene rappresentato come un grafo pesato, in cui i vertici sono le particelle e i pesi descrivono la prossimità reciproca.
Una scelta naturale è un kernel gaussiano:
Il parametro σ stabilisce la scala di interazione. Se è troppo piccolo, il grafo diventa quasi disconnesso; se è troppo grande, le differenze locali vengono smorzate. In altre parole, σ controlla la lente attraverso cui si guarda l’ordine.
Definendo la matrice diagonale dei gradi
si costruisce il Laplaciano combinatorio
oppure il Laplaciano normalizzato
Questa seconda forma è particolarmente utile quando la densità locale non è uniforme, perché riduce l’influenza del semplice numero di vicini.
Gli autovalori di L_n vengono ordinati come
Nel caso di un grafo connesso, λ_1 = 0 ed è unico. I successivi autovalori contengono informazione sulla geometria globale del sistema. Valori piccoli indicano modi “morbidi”, cioè variazioni lente su larga scala; valori più grandi corrispondono a strutture più fini o irregolari.
Se una configurazione possiede una struttura collettiva ben definita, una quota significativa della sua “informazione geometrica” si concentra in pochi modi bassi. Questo porta a definire indicatori di concentrazione spettrale, ad esempio:
dove a_m rappresenta il contributo del modo m a un campo ricostruito o a una misura equivalente. Se C_k è alto per piccoli k, la configurazione è ben descritta da pochi modi collettivi.
Un indice molto utile è il salto spettrale
Se esiste un gap marcato dopo i primi modi bassi, è segno che il sistema possiede una struttura globale distinguibile dal rumore fine. In termini intuitivi, i primi modi descrivono l’“ossatura” della configurazione, mentre i successivi rappresentano dettagli secondari.
La lettura spettrale non è un artificio puramente matematico. Esiste un legame profondo con fenomeni fisici reali.
Il Laplaciano governa processi di diffusione, rilassamento e mescolamento su grafo. In una dinamica del tipo
i modi propri decadono come
I piccoli autovalori corrispondono ai modi che decadono più lentamente: sono quindi le componenti collettive più persistenti della struttura. Per questo motivo i modi bassi sono candidati naturali a codificare l’ordine globale.
Se il sistema contiene cluster ben separati, il grafo corrispondente ha colli di bottiglia deboli fra regioni dense. Ciò si traduce in piccoli autovalori addizionali e in autovettori che discriminano naturalmente le componenti quasi separate. In altri termini, la clusterizzazione lascia un’impronta diretta nello spettro.
Una configurazione può sembrare visivamente irregolare e tuttavia possedere un basso numero di gradi di libertà collettivi dominanti. In tal caso l’ordine non è immediato a vista, ma emerge dal comportamento spettrale. È qui che prende forma l’idea di ordine nascosto.
Le prove numeriche hanno mostrato presto che un solo indice, pur utile, non è sufficiente. Il canale spettrale coglie bene cluster, modularità e struttura collettiva, ma non distingue da solo tutti i tipi di ordine. Da qui nasce l’idea di una tassonomia operativa.
| Simbolo | Nome | Interpretazione | Tipo di ordine rilevato |
|---|---|---|---|
| Om | ordine modulare / spettrale | coerenza dei modi bassi, gap, struttura globale | cluster, domini, modularità |
| Oo4 | ordine orientazionale a 4 pieghe | allineamento con simmetria quadrata | reticoli ortogonali, domini a 90° |
| Oo6 | ordine orientazionale a 6 pieghe | allineamento con simmetria esagonale | reticoli triangolari / esagonali |
| Oe | ordine di esclusione | regolarità della distanza minima e anticorrelazione a corto raggio | hard-core, Poisson disk, repulsione locale |
In questa prospettiva, l’ordine non è un singolo asse ma uno spazio di descrizione. Una configurazione può avere valori elevati in un canale e bassi in un altro. Per esempio:
O_m alto ma O_o4 e O_o6 modesti;O_o4 molto alto ma non necessariamente il massimo in O_m;O_e elevato pur senza vera periodicità orientazionale.Per identificare simmetrie di tipo quadrato o esagonale, l’osservabile naturale è il parametro d’ordine orientazionale locale.
Dato un insieme di vicini della particella i, e indicando con θ_ij l’angolo del legame verso il vicino j, si definisce:
dove k = 4 per una simmetria quadrata e k = 6 per una simmetria esagonale. Il modulo |ψ_k(i)| misura il grado di allineamento locale con quella simmetria.
Un indice globale può essere ottenuto come
oppure, in forma più severa, usando la media complessa prima del modulo, se si vuole richiedere coerenza globale di fase e non solo ordine locale.
Se il sistema è un reticolo quadrato quasi perfetto, O_o4 tende a valori alti; se è esagonale, emerge O_o6. Se il sistema è casuale, entrambi i canali restano bassi, salvo piccole fluttuazioni finite.
Introducendo un jitter spaziale progressivo, gli angoli di legame si disperdono e i moduli dei parametri d’ordine decrescono. Questo comportamento è prezioso perché fornisce una risposta quantitativa alla degradazione dell’ordine, non solo un’etichetta qualitativa.
Esiste una forma di regolarità che non coincide né con cluster né con periodicità orientazionale: la semplice esclusione di corto raggio. Un classico esempio è il processo Poisson disk, in cui le particelle non possono avvicinarsi oltre una certa distanza minima.
Questa proprietà può produrre configurazioni visivamente “più uniformi” del random puro, ma senza generare un vero reticolo. Per questo è utile introdurre un canale dedicato, O_e.
Una possibilità è considerare le distanze dal vicino più prossimo r_i e valutarne la dispersione relativa:
Un sistema con spaziatura minima più regolare ha un coefficiente di variazione CV_r più basso. Da qui si può costruire, ad esempio, un indice normalizzato del tipo
dove la normalizzazione viene calibrata rispetto a casi di riferimento.
In termini di fisica statistica, l’ordine di esclusione è legato al comportamento a corto raggio della funzione di correlazione radiale g(r). In un sistema con repulsione forte, g(r) è soppressa vicino a r = 0 e presenta una salita netta attorno a una distanza caratteristica.
Questo tipo di ordine è reale e fisicamente rilevante, ma non coincide né con la simmetria di un cristallo né con la modularità di un sistema a cluster. Ancora una volta: esistono ordini diversi.
Le prove estese su 6 famiglie, generate in batch con molte realizzazioni indipendenti, hanno mostrato con chiarezza che i diversi canali reagiscono a caratteristiche diverse.
| Famiglia | Firma attesa | Lettura fisica |
|---|---|---|
| Random uniform | bassi valori in quasi tutti i canali | assenza di correlazioni forti e di simmetria emergente |
| Gaussian blobs | Om alto | forte modularità e clusterizzazione |
| Hex clustered | Oo6 e Om moderato/alto | ordine locale esagonale e organizzazione collettiva |
| Square clustered | Oo4 e Om moderato/alto | simmetria quadrata e domini organizzati |
| Poisson disk | Oe alto, altri modesti | repulsione locale senza vero reticolo |
| Density gradient | segnali deboli o misti | eterogeneità di densità, non necessariamente ordine strutturale |
Questo risultato è importante perché evita un errore concettuale frequente: considerare tutte le configurazioni “non casuali” come ugualmente ordinate. In realtà:
La tassonomia consente allora una lettura più fine e molto più fedele alla fisica del problema.
In fisica dei sistemi di particelle, una delle osservabili standard è la funzione di correlazione radiale g(r), che misura quanto sia probabile trovare una particella a distanza r da un’altra rispetto al caso casuale. Un fluido ideale ha un comportamento molto diverso da un sistema con esclusione o da un cristallo.
La tassonomia proposta non sostituisce g(r), ma la affianca. In particolare:
O_e è strettamente connesso alla struttura di corto raggio visibile in g(r);O_o4 e O_o6 catturano simmetrie che g(r) da sola non separa bene;O_m coglie strutture globali e modulari che una misura puramente radiale può perdere.Nel dominio di Fourier, l’analogo classico è il fattore di struttura:
Picchi netti in S(k) indicano periodicità o quasi-periodicità. Anche qui il legame con l’analisi spettrale è naturale: entrambi i metodi cercano coerenza collettiva, ma da angolazioni diverse. Il Laplaciano lavora sulla connettività/prossimità, il fattore di struttura lavora sulle componenti spaziali nel dominio reciproco.
Nelle transizioni di fase, un parametro d’ordine cresce o decade al variare di una grandezza di controllo: temperatura, densità, rumore, interazione, disordine. I canali proposti possono essere interpretati proprio in questo spirito. Se si aumenta il jitter, oppure si modifica il potenziale di interazione fra particelle, ci si aspetta una variazione sistematica di O_o4, O_o6, O_e e O_m.
Questo apre una prospettiva interessante: la tassonomia dell’ordine potrebbe diventare non solo descrittiva, ma anche diagnostica di transizioni strutturali o morfologiche.
Poiché l’ordine può esistere a scale diverse, una formulazione più robusta consiste nel calcolare gli indici su più valori di scala σ, o su più raggi di vicinato, e poi combinarli.
dove w_s sono pesi non negativi con somma unitaria. In questo modo si evita di affidare la diagnosi a una sola scala di osservazione.
Una sintesi complessiva può poi essere lasciata in forma vettoriale, oppure compressa in uno score finale solo per esigenze pratiche:
con coefficienti α, β, γ, δ scelti in base al contesto applicativo. Dal punto di vista concettuale, tuttavia, la forma vettoriale resta la più onesta, perché conserva l’identità dei diversi tipi di ordine.
Il quadro ottenuto è promettente, ma non va presentato come una teoria definitiva. I punti da approfondire sono numerosi.
σ: è cruciale e può modificare la sensibilità del canale spettrale.g(r), energia libera, correlazioni di orientazione.Un altro aspetto interessante riguarda l’uso in campi diversi dalla fisica delle particelle classica: pattern spaziali in immagini, materiali porosi, aggregati biologici, reti di sensori, strutture emergenti in simulazioni numeriche e persino analisi di texture.
La sessione di lavoro ha portato a una conclusione forte e, per certi versi, molto fertile:
Conclusione centrale: l’ordine non appare come una quantità unica, ma come una famiglia di fenomeni. L’entropia misura la molteplicità o l’incertezza dei possibili stati; la tassonomia dell’ordine distingue invece come quei possibili stati si organizzano nello spazio e nelle correlazioni.
In particolare, i risultati ottenuti suggeriscono che:
La frase più sintetica per riassumere il senso del lavoro potrebbe essere questa:
Se questo quadro verrà ulteriormente raffinato, potrà diventare una base utile non solo per interpretare sistemi di particelle, ma anche per costruire strumenti più generali di analisi delle strutture complesse.