열역학(thermodynamics)에서 엔트로피(entropy)는 계의 열적 상태를 규정하는 거시적 상태 함수(state function)이다. 19세기 중반 루돌프 클라우지우스(Rudolf Clausius)에 의해 도입된 이 개념은 단순히 열의 이동을 설명하는 것을 넘어, 자연계에서 발생하는 모든 물리적 과정의 방향성을 결정짓는 핵심적인 척도로 기능한다. 고전 열역학적 관점에서 엔트로피는 계가 흡수하거나 방출하는 열(heat)과 그 과정이 일어나는 온도(temperature)의 비로 정의되며, 이는 에너지의 흐름이 갖는 비가역적 성격을 수학적으로 정식화한 것이다.

가역 과정(reversible process)에서 엔트로피의 미소 변화량 $ dS $는 다음과 같이 정의된다.

$$ dS = \frac{\delta Q_{rev}}{T} $$

여기서 $ Q_{rev} $는 가역 경로를 통해 계로 전달된 미소 열량이며, $ T $는 계의 절대온도이다. 엔트로피는 경로에 의존하지 않는 상태 함수이므로, 임의의 두 상태 사이의 엔트로피 차이는 상태 변화가 가역적이든 비가역적이든 관계없이 동일한 값을 가진다. 그러나 실제 자연계에서 일어나는 모든 자발적 과정은 비가역 과정(irreversible process)이다. 비가역 과정에서는 계 내부의 마찰, 비균일한 팽창, 열전도 등으로 인해 추가적인 엔트로피가 생성되므로, 실제 엔트로피 변화량은 가역 과정을 가정했을 때보다 항상 크게 나타난다.

이러한 성질은 열역학 제2법칙의 핵심인 엔트로피 증가의 원리로 이어진다. 외부와 에너지 및 물질을 교환하지 않는 고립계(isolated system)에서 전체 엔트로피는 결코 감소하지 않으며, 자발적인 변화는 항상 엔트로피가 증가하는 방향으로 진행된다. 이는 에너지가 보존된다는 열역학 제1법칙만으로는 설명할 수 없는 자연 현상의 비대칭성을 규정한다. 즉, 에너지는 양적으로 보존되지만, 질적으로는 일을 수행할 수 있는 유용한 형태에서 무용한 형태로 끊임없이 전환된다는 것을 의미한다.

엔트로피의 증가는 계가 수행할 수 있는 유효한 일(work)의 상실과 직결된다. 어떠한 열기관(heat engine)도 공급받은 열을 100% 일로 전환할 수 없다는 카르노 정리(Carnot’s theorem)는 엔트로피 개념과 밀접하게 연관된다. 비가역 과정이 발생할 때마다 계의 엔트로피는 증가하며, 이는 계가 원래 상태로 돌아가기 위해 주변에 더 많은 열을 방출해야 함을 시사한다. 따라서 엔트로피는 에너지의 분산 정도나 무질서도를 나타내는 지표로 해석될 수 있으며, 계가 열역학적 평형(thermodynamic equilibrium) 상태에 도달했을 때 엔트로피는 최댓값을 갖게 된다.

클라우지우스는 순환 과정(cyclic process)에 대한 연구를 통해 임의의 순환 적분에서 다음의 부등식이 성립함을 증명하였다.

$$ \oint \frac{\delta Q}{T} \le 0 $$

이 식을 클라우지우스 부등식(Clausius inequality)이라 하며, 등호는 가역 순환 과정에서만 성립하고 부등호는 비가역 과정이 포함된 경우를 의미한다. 이 부등식은 열역학적 계의 거시적 거동을 제한하는 근본적인 원리로 작용한다. 고립계의 엔트로피가 최대가 되려는 경향은 우주 전체의 진화 방향을 설명하는 기초가 되며, 거시적 세계에서 과거와 미래를 구분 짓는 시간의 화살(arrow of time)을 물리적으로 정의하는 근거가 된다.

고전 열역학에서 엔트로피(Entropy)의 개념은 루돌프 클라우지우스(Rudolf Clausius)에 의해 열기관의 효율과 에너지 변환의 방향성을 설명하는 과정에서 정립되었다. 클라우지우스는 카르노 사이클(Carnot cycle)의 분석을 통해, 가역적인 순환 과정에서 계가 흡수하거나 방출하는 열량(Quantity of heat)과 그 때의 절대 온도(Absolute temperature) 사이의 특정한 관계가 성립함을 발견하였다. 임의의 가역 과정(Reversible process)으로 이루어진 순환 회로에서 미소 열량 $ dQ_{rev} $와 온도 $ T $의 비를 전 미분 영역에 대해 적분하면 그 값은 항상 0이 된다.

$$ \oint \frac{dQ_{rev}}{T} = 0 $$

이 식은 가역 순환 과정에서 $\frac{dQ_{rev}}{T}$라는 양이 경로에 의존하지 않고 오직 계의 초기 상태와 최종 상태에 의해서만 결정되는 상태 함수(State function)임을 시사한다. 클라우지우스는 이러한 성질을 갖는 새로운 물리량을 엔트로피라고 명명하고 기호 $ S $로 정의하였다. 따라서 가역 과정에서의 미소 엔트로피 변화량 $ dS $는 다음과 같이 정의된다.

$$ dS = \frac{dQ_{rev}}{T} $$

이 정의에 따르면, 엔트로피는 계가 가역적으로 열을 흡수할 때 증가하며 열을 방출할 때 감소한다. 그러나 실제 자연계에서 일어나는 대부분의 과정은 마찰, 저항, 급격한 팽창 등을 동반하는 비가역 과정(Irreversible process)이다. 클라우지우스는 비가역성을 포함하는 일반적인 열역학적 순환 과정으로 논의를 확장하여 클라우지우스 정리(Clausius theorem)를 도출하였다.

클라우지우스 정리에 의하면, 임의의 열역학적 계가 겪는 임의의 순환 과정에 대하여 다음의 부등식이 성립한다.

$$ \oint \frac{dQ}{T} \leq 0 $$

여기서 등호는 모든 과정이 가역적일 때 성립하며, 부등호는 계 내부에 비가역적인 변화가 존재할 때 성립한다. 이는 비가역 과정이 포함될 경우, 계가 외부로부터 받은 열량과 온도의 비를 합산한 결과가 계의 상태 변화량보다 항상 작음을 의미한다. 결과적으로 고립계 혹은 단열된 계에서 발생하는 비가역적 변화는 항상 계의 엔트로피를 증가시키는 방향으로 작용하게 된다.

이러한 고전 열역학적 정의는 엔트로피를 단순한 수치적 양이 아니라, 에너지의 질적 저하와 변화의 비가역성을 정량화하는 핵심적인 도구로 격상시켰다. 열역학 제2법칙(Second Law of Thermodynamics)은 이 클라우지우스 부등식을 근거로 하여, 자연적인 변화의 방향이 엔트로피가 증가하는 쪽으로 결정된다는 엔트로피 증가의 원리를 선언한다. 이는 열역학적 평형(Thermodynamic equilibrium) 상태가 엔트로피가 극대화된 상태임을 수학적으로 뒷받침하며, 고전 물리학이 거시적 계의 시간적 비대칭성을 다루는 이론적 토대가 되었다.¹⁾

열량 변화와 온도의 비율로 정의되는 상태 함수로서의 엔트로피 성질을 설명한다.

고립계에서 엔트로피가 결코 감소하지 않는다는 자연계의 근본적인 방향성을 서술한다.

엔트로피(entropy)는 열역학적 계의 거시적 상태에 의해서만 결정되는 상태 함수(state function)이다. 이는 엔트로피의 변화량이 계가 거쳐온 구체적인 경로(path)나 물리적 과정의 세부 사항에 의존하지 않고, 오직 초기 상태와 최종 상태의 물리량에 의해서만 규정됨을 의미한다. 열역학 제1법칙에서 다루는 내부 에너지와 마찬가지로, 엔트로피는 계의 평형 상태를 기술하는 독립 변수들의 함수로 표현된다. 수학적으로 엔트로피의 미분 $ dS $는 완전 미분(exact differential)의 성질을 가지며, 임의의 순환 과정에 대한 선적분 값은 항상 0이 된다.

엔트로피가 상태 함수라는 사실은 비가역 과정(irreversible process)에서의 엔트로피 변화량을 산출할 때 핵심적인 근거가 된다. 실제 자연계에서 일어나는 대부분의 과정은 비가역적이지만, 엔트로피 변화량 $ S $는 상태 함수이므로 동일한 초기 상태와 최종 상태를 잇는 가상의 가역 과정(reversible process)을 상정하여 계산할 수 있다. 즉, 비가역 과정의 엔트로피 변화는 해당 경로를 직접 따르지 않더라도, 양 끝단 상태가 동일한 가역 경로에 대해 다음과 같은 적분식을 적용함으로써 구할 수 있다.

$$ \Delta S = S_f - S_i = \int_{i}^{f} \left( \frac{dQ_{rev}}{T} \right) $$

위 식에서 $ dQ_{rev} $는 가상적으로 설정된 가역 경로를 통해 계로 유입된 열량이며, $ T $는 열이 출입할 때의 절대 온도이다. 이러한 접근법은 엔트로피가 단순히 열의 출입량을 나타내는 경로 함수(path function)가 아니라, 계의 고유한 상태를 나타내는 척도임을 명확히 한다²⁾.

구체적인 열역학적 과정에 따른 엔트로피 변화량의 계산은 계의 물리적 조건에 따라 달라진다. 먼저 온도가 일정하게 유지되는 등온 과정(isothermal process)에서는 온도가 적분 기호 밖으로 나오므로, $ S = $로 단순화된다. 대표적인 예로 일정한 온도와 압력에서 일어나는 상전이(phase transition) 과정을 들 수 있다. 물이 끓거나 얼음이 녹는 것과 같은 상전이 시의 엔트로피 변화는 해당 온도에서의 전이 엔탈피(enthalpy) 변화량을 전이 온도로 나눈 값과 같다.

$$ \Delta S_{tr} = \frac{\Delta H_{tr}}{T_{tr}} $$

온도가 변화하는 과정에서는 계의 비열(specific heat)을 이용하여 엔트로피 변화를 계산한다. 압력이 일정한 등압 과정(isobaric process)에서 계의 온도가 $ T_1 $에서 $ T_2 $로 변할 때의 엔트로피 변화는 정압 비열 $ C_p $를 이용하여 다음과 같이 유도된다.

$$ \Delta S = \int_{T_1}^{T_2} \frac{C_p(T)}{T} dT $$

만약 해당 온도 구간에서 비열이 일정하다고 가정할 수 있다면, 엔트로피 변화량은 $ S = C_p $이 된다. 부피가 일정한 등적 과정(isochoric process)에서도 정적 비열 $ C_v $를 사용하여 유사한 방식으로 산출할 수 있다.

이상 기체(ideal gas)의 경우, 상태 방정식과 열역학 제1법칙을 결합하여 온도, 부피, 압력의 변화에 따른 일반적인 엔트로피 변화식을 도출할 수 있다. $ n $ 몰의 이상 기체가 상태 $(T_1, V_1)$에서 $(T_2, V_2)$로 변화할 때의 엔트로피 변화량은 다음과 같다.

$$ \Delta S = n C_{v,m} \ln \frac{T_2}{T_1} + nR \ln \frac{V_2}{V_1} $$

여기서 $ C_{v,m} $은 몰 정적 비열이며, $ R $은 기체 상수이다. 이 식은 기체의 팽창에 의한 무질서도 증가와 온도 상승에 의한 에너지 분포의 확산이 각각 엔트로피에 기여하는 바를 정량적으로 보여준다. 이처럼 엔트로피는 거시적 측정량인 온도, 압력, 부피 등을 통해 엄밀하게 계산될 수 있으며, 이는 열역학 제2법칙을 정량적으로 다루는 기초가 된다.

부피, 압력, 온도의 변화에 따른 이상 기체 계의 엔트로피 산출 공식을 유도한다.

절대 영도에서 결정성 물질의 엔트로피가 갖는 기준점과 그 물리적 의의를 설명한다.

열역학에서 정의된 엔트로피(Entropy)는 거시적인 에너지 흐름과 비가역성을 다루는 상태 함수이지만, 그 물리적 실체를 이해하기 위해서는 계를 구성하는 개별 입자들의 미시적 거동을 고려해야 한다. 루트비히 볼츠만(Ludwig Boltzmann)은 이를 통계역학(Statistical Mechanics)의 관점에서 재해석하여, 거시적 상태와 미시적 상태 사이의 통계적 연결 고리를 마련하였다. 이러한 접근법은 엔트로피를 단순히 열의 이동에 따른 결과물이 아니라, 계가 가질 수 있는 확률적 분포의 특성으로 규정한다.

통계역학에서 거시 상태(Macrostate)는 압력, 부피, 온도와 같이 직접적으로 측정 가능한 물리량으로 규정되는 계의 상태를 의미한다. 반면 미시 상태(Microstate)는 계를 구성하는 모든 개별 입자의 위치와 운동량의 구체적인 조합을 뜻한다. 하나의 거시 상태에는 이를 만족하는 수많은 미시 상태가 대응될 수 있으며, 특정 거시 상태에 대응하는 미시 상태의 총 개수를 상태 수(Number of states) 또는 열역학적 확률(Thermodynamic probability)이라 하며 통상 $\Omega$로 표기한다.

볼츠만은 엔트로피 $S$가 미시 상태의 수 $\Omega$의 로그 함수에 비례한다는 사실을 발견하였다. 이는 다음과 같은 볼츠만 공식(Boltzmann’s entropy formula)으로 표현된다.

$$S = k_B \ln \Omega$$

여기서 $k_B$는 볼츠만 상수(Boltzmann constant)이다. 엔트로피 정의에 로그 함수가 도입된 이유는 엔트로피가 크기 성질(Extensive property)을 가져야 한다는 물리적 요청 때문이다. 서로 독립적인 두 계 $A$와 $B$를 결합했을 때, 전체 계의 미시 상태 수 $\Omega_{AB}$는 각 계의 상태 수의 곱인 $\Omega_A \times \Omega_B$가 되지만, 전체 엔트로피 $S_{AB}$는 각 계의 엔트로피 합인 $S_A + S_B$가 되어야 한다. 이러한 곱셈적 성질과 덧셈적 성질 사이의 대응 관계를 만족하는 수학적 도구가 바로 로그 함수이다.

통계역학적 관점에서 열역학 제2법칙은 절대적인 금지 법칙이 아닌, 압도적으로 높은 확률에 의한 통계적 경향성으로 이해된다. 고립계가 시간이 지남에 따라 엔트로피가 증가하는 방향으로 진화하는 이유는, 엔트로피가 높은 거시 상태가 포함하는 미시 상태의 수가 엔트로피가 낮은 상태보다 기하급수적으로 많기 때문이다. 이는 에르코드 가설(Ergodic hypothesis)에 근거하여, 계가 충분한 시간 동안 모든 가능한 미시 상태를 균등한 확률로 탐색한다는 전제하에 성립한다. 따라서 계는 자연스럽게 가장 많은 미시 상태를 보유한 거시 상태, 즉 평형 상태로 수렴하게 된다.

조사이어 윌러드 깁스(Josiah Willard Gibbs)는 볼츠만의 정의를 일반화하여 임의의 확률 분포를 가진 계에 적용 가능한 깁스 엔트로피(Gibbs entropy)를 제안하였다. 계가 특정 미시 상태 $i$에 머무를 확률을 $p_i$라 정의할 때, 엔트로피는 다음과 같이 기술된다.

$$S = -k_B \sum_{i} p_i \ln p_i$$

이 정의는 계가 모든 미시 상태를 동일한 확률 $p_i = 1/\Omega$로 가질 때, 즉 마이크로카노니컬 앙상블(Microcanonical ensemble)의 조건에서 볼츠만 공식과 수학적으로 일치한다. 깁스의 접근법은 온도와 화학 퍼텐셜이 고정된 정준 앙상블(Canonical ensemble)이나 대정준 앙상블(Grand canonical ensemble)과 같은 다양한 물리적 상황으로 통계역학을 확장하는 기초가 되었다.

이러한 통계적 해석은 엔트로피를 계의 무질서도(Disorder) 또는 정보의 결여 상태를 측정하는 척도로 이해하게 한다. 미시 상태에 대한 구체적인 정보가 적을수록, 즉 우리가 알지 못하는 미시적 조합의 수가 많을수록 엔트로피는 커진다. 이러한 통찰은 훗날 클로드 섀넌(Claude Shannon)에 의해 정보이론(Information theory)에서의 정보량 개념으로 계승되며, 물리학을 넘어 통계적 추론과 데이터 과학의 핵심적인 원리로 자리 잡게 된다.

계가 가질 수 있는 미시적 상태의 수와 거시적 엔트로피 사이의 로그 관계를 고찰한다.

엔트로피를 계의 무질서한 정도나 특정 상태가 나타날 확률로 이해하는 관점을 서술한다.

시간 평균과 상태 평균의 동일성을 전제로 하는 통계역학의 기초 가설을 설명한다.

일반화된 확률 분포를 이용한 엔트로피 정의와 양자역학적 계로의 확장을 다룬다.

고전적 위상 공간에서 확률 밀도 함수를 이용해 정의되는 깁스 엔트로피를 설명한다.

밀도 행렬을 이용하여 양자 상태의 중첩과 얽힘에 따른 엔트로피를 정의한다.

클로드 섀넌(Claude Shannon)은 1948년 발표한 논문 “통신의 수학적 이론(A Mathematical Theory of Communication)”을 통해 정보이론(Information Theory)의 학문적 토대를 구축하였으며, 여기서 엔트로피를 정보의 불확실성을 측정하는 핵심적인 척도로 정의하였다. 정보이론에서의 엔트로피는 어떤 확률 변수가 가질 수 있는 상태들에 담긴 평균 정보량을 의미하며, 이는 특정 사건이 발생했을 때 얻게 되는 정보량(Information Content)의 기댓값으로 이해할 수 있다. 정보의 크기는 해당 사건이 발생할 확률에 반비례한다는 직관을 바탕으로, 확률이 낮은 사건일수록 더 많은 정보를 담고 있다고 간주한다.

개별 사건이 갖는 정보의 가치를 정량화하기 위해 자기 정보(Self-information)라는 개념을 도입한다. 확률 변수 $ X $의 특정 상태 $ x_i $가 발생할 확률을 $ P(x_i) $라고 할 때, 해당 사건의 자기 정보 $ I(x_i) $는 다음과 같이 정의된다. $ I(x_i) = -_b P(x_i) $ 여기서 로그의 밑 $ b $가 2인 경우 정보량의 단위는 비트(bit)가 되며, 자연로그를 사용할 경우 나트(nat)를 단위로 사용한다. 이 정의에 따르면 확률이 1인 확실한 사건의 정보량은 0이며, 확률이 낮아질수록 정보량은 무한히 증가한다.

새넌 엔트로피(Shannon Entropy)는 이러한 자기 정보들을 확률 분포 전체에 대해 가중 평균한 값이다. 이산 확률 변수 $ X $가 $ n $개의 가능한 상태를 가질 때, 엔트로피 $ H(X) $는 다음과 같은 수식으로 표현된다. $$ H(X) = E[I(X)] = -\sum_{i=1}^{n} P(x_i) \log_b P(x_i) $$ 이 수식은 통계역학에서 미시 상태의 확률 분포를 통해 정의되는 깁스 엔트로피(Gibbs Entropy)와 수학적으로 동일한 형태를 띤다. 엔트로피는 확률 변수의 분포가 균등할수록, 즉 어떤 상태가 나타날지 예측하기 어려울수록 높은 값을 가진다. 모든 사건의 확률이 동일한 균등 분포(Uniform Distribution)에서 엔트로피는 최댓값 $ _b n $을 가지며, 특정 사건 하나만이 발생할 확률이 1인 경우에는 최솟값 0을 갖는다.

정보이론에서 엔트로피가 갖는 가장 중요한 함의 중 하나는 데이터 압축(Data Compression)의 이론적 한계를 규정한다는 점이다. 섀넌의 정보원 부호화 정리(Source Coding Theorem)에 따르면, 정보원에서 발생하는 메시지를 손실 없이 부호화하기 위해 필요한 평균 비트 수의 하한선은 해당 정보원의 엔트로피와 같다. 이는 엔트로피가 정보가 포함하고 있는 근본적인 복잡성(Complexity) 혹은 중복되지 않는 순수한 정보의 양을 나타냄을 의미한다. 따라서 엔트로피는 효율적인 통신 시스템을 설계하고 데이터를 최적으로 전송하기 위한 수학적 기준점이 된다.

엔트로피는 또한 두 확률 변수 사이의 관계를 분석하는 데 활용된다. 조건부 엔트로피(Conditional Entropy)는 한 변수의 값을 알 때 다른 변수가 가질 수 있는 남아있는 불확실성을 측정하며, 상호 정보량(Mutual Information)은 한 변수를 통해 다른 변수에 대해 얻을 수 있는 정보의 양을 나타낸다. 이러한 개념들은 통신 채널의 잡음 속에서 정보를 신뢰성 있게 전달할 수 있는 최대 속도인 채널 용량(Channel Capacity)을 산출하는 기초가 된다. 결과적으로 정보이론에서의 엔트로피는 물리적 계의 무질서도를 넘어, 현대 디지털 통신과 데이터 과학의 논리적 근간을 이루는 정량적 도구로 기능한다.³⁾

정보원으로부터 발생하는 정보량의 평균값으로서 엔트로피를 정의하고 그 성질을 분석한다.

개별 사건이 발생하는 확률에 따른 정보의 가치와 측정 단위를 설명한다.

엔트로피가 데이터 압축의 이론적 한계치로 작용하는 원리를 서술한다.

두 확률 변수 사이의 의존성과 정보 전달 과정에서의 손실을 측정하는 개념을 다룬다.

잡음이 존재하는 채널에서 정보를 신뢰성 있게 전달할 수 있는 최대 속도를 고찰한다.

두 확률 분포 사이의 차이를 측정하는 상대적 엔트로피의 개념을 설명한다.

엔트로피(Entropy) 개념은 초기에 열역학의 물리적 상태량으로 정의되었으나, 이후 통계역학과 정보이론을 거치며 그 수학적 구조와 철학적 함의가 다양한 학문 분야로 확장되었다. 현대 학문 체계에서 엔트로피는 단순히 에너지의 분산이나 무질서도를 넘어, 시스템의 진화 방향성, 정보의 구조, 그리고 생명과 사회의 지속 가능성을 설명하는 핵심적인 원리로 작용한다.

우주론(Cosmology) 영역에서 엔트로피는 우주의 거시적 운명을 결정짓는 결정적인 척도이다. 열역학 제2법칙에 따라 고립계인 우주의 총 엔트로피는 항상 증가하는 방향으로 나아가며, 이는 시간의 비가역적 흐름을 규정하는 시간의 화살(Arrow of Time)의 물리적 근거가 된다. 우주가 팽창함에 따라 가용한 에너지가 고갈되고 엔트로피가 최대치에 도달하여 모든 물리적 과정이 정지하는 상태를 열적 죽음(Heat Death)이라 한다. 또한, 블랙홀(Black Hole) 물리학에서는 엔트로피가 블랙홀의 부피가 아닌 사건의 지평선(Event Horizon)의 면적에 비례한다는 사실이 밝혀졌다. 제이콥 베켄슈타인(Jacob Bekenstein)과 스티븐 호킹(Stephen Hawking)이 정립한 베켄슈타인-호킹 엔트로피(Bekenstein-Hawking entropy) 공식은 다음과 같다.

$$S_{BH} = \frac{k A c^3}{4 G \hbar}$$

여기서 $k$는 볼츠만 상수, $A$는 사건의 지평선 면적, $c$는 광속, $G$는 중력 상수, $\hbar$는 디랙 상수를 의미한다.⁴⁾ 이 공식은 일반 상대성 이론과 양자역학, 열역학을 통합하는 중요한 연결고리로서 홀로그래피 원리(Holographic Principle)의 이론적 토대가 되었다.

생물학적 관점에서 엔트로피는 생명 현상의 특이성을 설명하는 도구로 활용된다. 에르빈 슈뢰딩거(Erwin Schrödinger)는 저서 『생명이란 무엇인가』에서 생명체가 환경으로부터 낮은 엔트로피 상태의 에너지를 섭취하고 높은 엔트로피 상태의 노폐물을 배출함으로써, 자신의 체내 질서를 유지하는 과정을 음의 엔트로피(Negative Entropy, Negentropy) 개념으로 설명하였다. 생명 계는 대사(Metabolism) 작용을 통해 국소적으로 엔트로피 증가를 억제하며 고도의 질서를 유지하는 개방계(Open system)의 특성을 지닌다. 이는 생명 현상이 물리학의 법칙을 거스르는 것이 아니라, 외부 환경의 엔트로피를 더 크게 증가시킴으로써 자신의 내부 질서를 구축하는 고도의 정보 처리 과정임을 시사한다.

경제학 및 사회과학 분야로의 확장은 니콜라스 조르제스쿠-뢰겐(Nicholas Georgescu-Roegen)에 의해 본격화되었다. 그는 경제 활동을 저엔트로피 자원을 고엔트로피 폐기물로 변환하는 비가역적 과정으로 정의하며, 경제학의 물리적 한계를 지적하였다.⁵⁾ 이는 전통적인 신고전파 경제학의 순환 모델이 자원 고갈과 환경 오염이라는 물리적 실체를 간과하고 있다는 비판으로 이어졌으며, 이후 생태경제학(Ecological Economics)의 성립에 결정적인 영향을 미쳤다. 현대 사회 시스템에서 엔트로피는 조직 내의 비효율성이나 정보 전달 과정에서의 잡음을 측정하는 지표로도 응용되며, 시스템의 복잡도가 증가함에 따라 발생하는 무질서를 관리하기 위한 이론적 틀을 제공한다.

우주의 진화 과정에서 엔트로피가 갖는 역할과 시간의 비가역적 흐름을 고찰한다.

엔트로피가 최대치에 도달하여 더 이상 유효한 에너지가 남지 않는 우주의 종말을 설명한다.

블랙홀의 사건의 지평선 면적과 엔트로피 사이의 관계를 다루는 호킹-베켄슈타인 원리를 서술한다.

질서를 유지하려는 생명 현상과 사회 시스템 내에서의 자원 및 정보 흐름을 엔트로피로 해석한다.

생명체가 외부로부터 저엔트로피 에너지를 흡수하여 체내 질서를 유지하는 메커니즘을 설명한다.

에너지와 물질의 비가역적 변환 과정을 통해 경제 활동의 한계를 분석하는 관점을 다룬다.