볼츠만 분포 (Boltzmann Distribution)
쉽게 풀면
운동장에 학생들을 무작위로 뛰어다니게 하면, 대부분은 적당한 속도로 뛰고 아주 느리거나 아주 빠르게 뛰는 학생은 소수일 것입니다. 기체 분자나 원자들도 마찬가지로, 같은 온도에 있어도 모든 입자가 똑같은 에너지를 갖는 게 아니라 저마다 다른 에너지로 움직입니다. 볼츠만 분포는 "에너지가 낮은 상태에 있는 입자 수는 많고, 에너지가 높은 상태로 갈수록 그 수가 지수적으로 줄어든다"는 규칙을 알려줍니다. 온도가 높아지면 이 분포가 옆으로 퍼져서, 높은 에너지 상태에 있는 입자의 비율이 늘어납니다. 앞서 다룬 충돌 이론에서 "온도를 올리면 반응이 빨라지는 이유"도, 활성화 에너지를 넘는 높은 에너지를 가진 분자의 비율이 볼츠만 분포에 따라 늘어나기 때문입니다.
왜 중요한가
볼츠만 분포는 온도라는 하나의 변수로 미시적 입자들의 에너지 분포를 예측할 수 있게 해 주는 통계역학의 기초 법칙이기 때문에, 화학 반응 속도론, 분광학, 반도체 물리, 재료과학, 그리고 최근에는 기계학습의 확률 모델링에 이르기까지 폭넓은 분야의 논문에서 반복적으로 등장합니다. 실험에서 관측되는 흡수·발광 스펙트럼의 세기, 반응 속도의 온도 의존성, 물질의 상전이 거동 등을 정량적으로 설명하려면 결국 특정 에너지 상태를 차지하는 입자의 비율을 계산해야 하는데, 그 비율을 주는 것이 바로 볼츠만 분포입니다. 이 때문에 서로 다른 세부 분야의 논문이라도 "왜 온도가 오르면 어떤 현상이 촉진되는가"를 설명하는 대목에서는 거의 예외 없이 이 개념이 근거로 제시됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 원자나 분자 속 전자가 낮은 에너지 상태(바닥상태)에 머물지, 더 높은 에너지 상태(들뜬상태)로 올라갈지의 비율이 온도와 두 상태 사이의 에너지 차이에 따라 볼츠만 분포 공식으로 계산된다는 뜻입니다. 분광학·통계역학·반도체물리·재료과학 논문에서 온도에 따른 상태 점유율을 설명할 때 널리 인용됩니다.
기계학습, 특히 강화학습이나 확률적 생성모델 논문에서는 볼츠만 분포가 물리적 에너지가 아니라 "선호도" 또는 "점수"를 지수함수로 변환해 확률로 바꾸는 도구로 쓰입니다. 온도 파라미터를 높이면 여러 선택지가 비슷한 확률을 갖게 되어 다양한 행동을 탐색하고, 온도를 낮추면 가장 점수가 높은 선택지로 확률이 집중되는 성질을 이용하는 것입니다.
재료과학·고체물리 논문에서는 특정 결함이나 불순물이 생기는 데 필요한 에너지(형성 에너지)가 클수록 그 결함은 드물게 나타나지만, 온도가 올라가면 볼츠만 인자에 의해 그 농도가 지수적으로 늘어난다는 논리를 펼 때 자주 쓰입니다.
조금 더 깊게 보면
논문을 더 깊이 읽다 보면 "분배함수(partition function)"라는 용어를 함께 만나게 되는데, 이는 볼츠만 분포의 각 항을 모든 에너지 상태에 대해 합산한 정규화 상수로, 계의 자유에너지·엔트로피 같은 열역학적 양을 이끌어내는 데 핵심적인 역할을 합니다. 또한 물리적 에너지가 아니라 확률·선호도·점수처럼 일반화된 값을 지수함수에 넣어 소프트맥스(softmax) 형태로 변환하는 경우도 넓은 의미에서 볼츠만 분포의 한 응용으로 볼 수 있으며, 이는 기계학습 분야에서 흔히 쓰이는 형태입니다. 아울러 이 분포는 계가 다른 상태로 자유롭게 전이할 수 있는 열역학적 평형 조건을 전제로 하므로, 논문에서 평형에 아직 도달하지 않은 계(비평형계)를 다룰 때는 이 가정이 성립하는지 별도로 확인하는 경우가 많습니다.
주의할 점
볼츠만 분포는 개별 입자 하나의 에너지를 예측하는 것이 아니라, 아주 많은 입자 집단에서 각 에너지 상태를 차지하는 입자의 "비율"을 통계적으로 설명하는 법칙입니다. 따라서 입자 수가 매우 적은 계에는 그대로 적용하기 어렵고, 열역학적 평형 상태에 있는 다수 입자계에서 성립합니다. 엔트로피와 함께 통계역학의 핵심 개념으로 다뤄집니다.