液体和玻璃里有个被反复验证的经验规律：把液体的黏度或者扩散系数和液体的过剩熵画在一起，会发现黏度随熵减小呈指数增长——结构越有序，运动越慢。

这条熵标度律成了连接微观结构和宏观动力学的桥梁，从合金、聚合物、胶体到颗粒材料都被验证过。

但它一直只用在"粒子体系"——也就是一群粒子在空间里排布的系统。

自旋晶格——比如神经网络、电网、耦合振子——是另一大类无序系统，也有复杂的玻璃态动力学。

熵标度律对它们成立吗？如果能成立，就可以通过构型熵直接预测自旋网络的动力学。

但这个问题一直没被实验验证过。

南方科技大学团队2026年在《物理评论快报》上发表的这篇工作，把熵标度律延伸到了自旋晶格。

他们用的实验体系很巧妙：把微米级的粒子夹在两片玻璃之间，缝隙高度略大于粒子直径，粒子被迫向上拱或向下陷，形成“向上”和“向下”两种状态——正好对应伊辛自旋。

整层粒子就构成一个二维人工自旋晶格。

通过光镊和温度调控，他们可以原位改变粒子的压缩、剪切和吸引力。

从显微图像提取自旋构型后，他们计算了两个量：一个是本征微观态熵（类似粒子体系的过剩熵），衡量自旋涨落模式的丰富程度；

一个是自旋弛豫时间，衡量自旋翻转的快慢。

结果很清楚：在三种调控方式下，自旋弛豫时间和本征微观态熵都呈指数关系——熵越小（系统越有序），弛豫越慢。

但指数前的系数依赖于调控方式，压缩调控下系数最大，说明同样的熵减在压缩下会导致更明显的动力学变慢。

这是因为压缩需要做更多的功，系统自由能更高，自旋翻转需要跨过更高的能量壁垒。

这项工作把熵标度律从粒子体系拓展到了自旋体系。

由于这套方法依赖的是自旋构型而非位置构型，它对神经网络、电网这类节点状态比粒子位置更重要的系统特别适用。

参考文献

Zhang, Y., Qu, Q., Tang, Q.-Y., & Ma, X. (2026). Scaling of Relaxation and Entropy in Buckled Colloidal Monolayers. Physical Review Letters, 137(4), 048201. https://doi.org/10.1103/jvzh-lwbh

声明：本文内容仅代表作者个人观点，与本站立场无关。

如有内容侵犯您的合法权益，请及时与我们联系，我们将第一时间安排处理。