ဓာတုဗေဒနဲ့ ရူဗဗေဒမှာ အရေးပါတဲ့ 
အယူအဆတစ်ခု ရှိပါတယ်။

ယင်းက ရုပ်ပိုင်း ဖြစ်စဉ်တွေ တစ်လမ်းသွားပဲ
ဖြစ်ရတဲ့ အကြောင်းကို ကူညီ ဖြေရှင်ပေးတယ်။

ရေခဲ အရည်ပျော်တာ

ကော်ဖီထဲမှာ မလိုင်ပျံ့သွားတာ

တာယာ အပေါက်မှ လေစိမ့်ထွက်တဲ့ 
အကြောင်းတွေပေါ့။

၎င်းက အန်ထရောပီ ဖြစ်ပြီး ကျုပ်တို့
ဦးနှောက်နဲ့ နားလည်ဖို့ အင်မတန် ခက်ခဲပါတယ်။

အန်ထရောပီကို၊ ဖရိုဖရဲဖြစ်မှုကို
တိုင်းတာချက်အဖြစ် မကြာခဏ ဖော်ပြကြပါတယ်။

ဒါ သင့်တော်တဲ့ ပုံရိပ်တစ်ခုပါပဲ၊ ဒါပေမဲ့ 
ကံမကောင်းတာက ဒါက လမ်းလွဲသွားစေနိုင်တယ်။

ဥပမာ၊ ရေခဲတုံးလေးတွေပါတဲ့ တစ်ခွက် နဲ့

ပုံမှန် အပူချိန်ရှိ ရေ တစ်ခွက် ဘယ်ဟာ
ဖရိုဖရဲ ပိုဖြစ်နေပါသလဲ။

လူအများစုက ရေခဲ လို့ ပြောပါလိမ့်မယ်၊

ဒါပေမဲ့ တကယ်ဆို အဲဒါက
အန်ထရောပီ ပိုနိမ့်ပါတယ်။

ဒီတော့ ၎င်းကို ဖြစ်နိုင်စွမ်းကနေ တွေးဖို့ 
အခြား နည်းလမ်း တစ်ခုရှိပါတယ်။

ဒါက သဘောပေါက်ဖို့ ပို အချက် ကျပေမဲ့
အတွင်းကျကျ သဘောပေါက်ဖို့ အချိန်ယူရပြီး

ပြီးရင် အန်ထရောပီကို ခင်ဗျား 
ကောင်းကောင်းကြီး သဘောပေါက်သွားပါလိမ့်မယ်။

အက်တမ်ဆိုင်ရာ ဓာတ်စည်း ခြောက်ခုစီပါရှိတဲ့

အခဲနှစ်ခုကို စိတ်ကူးပါ။

ဒီပုံစံအရ အခဲတစ်ခုစီရှိ စွမ်းအင်ကို 
ဓာတ်စည်းတွေထဲမှာ သိုလှောင်ထားပါတယ်။

ဒါတွေကို သိုလှောင်ကန်အဖြစ်
သာမန် တွေးကြည့်နိုင်ပါတယ်။

ယင်းတို့က ထပ်မံ ပိုင်းခြားမရတဲ့ စွမ်းအင်
ယူနစ်တွေ (ခေါ်) ကွမ်တာကို သိုလှောင်ပါတယ်

အခဲမှာ စွမ်းအင် ပိုများလေလေ၊ 
၎င်းက ပို ပူလေလေပါပဲ။

အခဲနှစ်ခုမှာ စွမ်းအင် ဖြန့်ချီနိုင်တဲ့ 
နည်းလမ်းပေါင်းများစွာ ပါရှိတဲ့

အရာအဖြစ် ပြောင်းသွားပါပြီ၊

တစ်ခုစီရှိ စုစုပေါင်း စွမ်းအင်က
တူနေပါသေးတယ်။

ဒီ လုပ်ဆောင်ချက် တစ်ခုစီကို 
microstate လို့ခေါ်ပါတယ်။

စွမ်းအင် ကွမ်တာ ခြောက်ခုပါတဲ့ 
အခဲ A နဲ့ နှစ်ခုပါတဲ့ B အတွက်

Microstate ၉,၇၂၀ ရှိပါတယ်။

ကျုပ်တို့ရဲ့ စွမ်းအင်ကွမ်တာ ၈ ခုကို
စီစဉ်နိုင်တဲ့ အခြားနည်းတွေရှိပါသေးတယ်။

ဥပမာ စွမ်းအင် အားလုံးက A မှာရှိပြီး
B မှာ မရှိတာမျိုး သို့မဟုတ်

A မှာ တဝက်၊ B မှာ တဝက် စသဖြင့်ပေါ့။

Microstate တစ်ခုစီဟာ ဖြစ်ပွားခွင့်
တူညီကြောင်း ယူဆထားရင်၊

ကျုပ်တို့ မြင်နိုင်မှာက စွမ်းအင် အနေအထား
တချို့မှာ

အခြားဟာတွေထက် ပိုမြင့်တဲ့ ဖြစ်တန်စွမ်း
ရှိပါတယ်။

ဒါက microstate တွေရဲ့ ပိုကြီးမားတဲ့
အရေအတွက် ကြောင့်ပါ။

အန်ထရောပီက စွမ်းအင် အနေအထား တစ်ခုစီရဲ့
ဖြစ်တန်စွမ်းကို တိုက်ရိုက်တိုင်းတာပါ။

ကျုပ်တို့ တွေ့တာက အခဲတွေကြားမှာ

စွမ်းအင် အပျံ့နှံ့ဆုံးဆိုတဲ့
စွမ်းအင် အနေအထားက

အမြင့်ဆုံး အန်ထရောပီ ရှိပါတယ်။

ဒီတော့ ယေဘုယျ သဘောအရ

အန်ထရောပီဆိုတာ ဒီ စွမ်းအင် ဖြန့်ကျက်မှု
အပေါ် တိုင်းထွာချက်အဖြစ် တွေးနိုင်ပါတယ်။

နိမ့်တဲ့ အန်ထရောပီက
စွမ်းအင်ကို စုဝေးနေတဲ့ သဘောပါ။

မြင့်တဲ့ အန်ထရောပီဟာ
စွမ်းအင်ကို ဖြန့်ထုတ်တဲ့သဘောပါ။

ပူတဲ့ အရာတွေ အေးသွားခြင်းလိုမျိုး 
အလိုလိုဖြစ်တဲ့ ဖြစ်စဉ်တွေကို ရှင်းပြဖို့

အန်ထရောပီက အသုံးဝင်ကြောင်း နားလည်ဖို့

လှုပ်ရှားပြောင်းလဲနေတဲ့ စွမ်းအင်
စနစ်ကို လေ့လာဖို့လိုပါတယ်။

လက်တွေ့မှာ စွမ်းအင်ဟာ 
တစ်နေရာတည်းမှာ တည်ငြိမ်မနေပါ။

၎င်းက နီးစပ်ရာ ဓာတ်စည်းတွေကြားမှာ
အဆက်မပြတ် ရွေ့လျားနေတတ်တယ်။

စွမ်းအင်ရွေ့တဲ့ အခါ

စွမ်းအင် အနေအထား ပုံပြောင်းနိုင်ပါတယ်။

Microstate တွေ ဖြန့်ထွက်ခြင်းကြောင့်

ထို စနစ်က စွမ်းအင်ကို အမြင့်ဆုံးအနေနဲ့
ဖြန့်ထုတ်ဖို့ အနေအထားက နောက်ပိုင်းမှာ

ဖြစ်လာမယ့် အခွင့်အရေးက ၂၁% ပါ။

၎င်းရဲ့ စမှတ် ပြန်ရောက်မယ့် အခွင့်အရေးက
၁၃% ရှိပြီး၊

A က အမှန်တကယ် စွမ်းအင်ရရှိဖို့
အခွင့်အရေးက ၈% ရှိပါတယ်။

တဖန် ကျုပ်တို့ တွေ့ရသလို၊ စုဝေးနေတဲ့ စွမ်းအင်ထက်
မြင့်မားတဲ့ အန်ထရောပီရှိဖို့

နည်းလမ်းတွေက ပိုများပြီး

စွမ်းအင်ဟာ အပြင်သို့ ပျံ့ထွက်လိုတတ်ပါတယ်။

ဒါကြောင့် ပူတဲ့ အရာကို 
အေးတဲ့ အရာနားမှာ ထားရင်၊

အေးတဲ့ အရာက နွေးလာမှာဖြစ်ပြီး
ပူတဲ့ အရာဟာ အေးလာပါလိမ့်မယ်။

ဒါပေမဲ့ ဒီဥပမာထဲမှာတောင်

ပူတဲ့အရာက ပိုပူလာဖို့ အခွင့်အရေး
၈% ရှိပါတယ်။

လက်တွေ့ဘဝမှာ ဒီဖြစ်ရပ်မျိုး
ဘာဖြစ်လို့ ဖြစ်မလာတတ်တာလဲ။

စနစ်ရဲ့ အရွယ်အစားနဲ့ သက်ဆိုင်ပါတယ်။

ကျုပ်တို့ အကြမ်ဖျဉ်းယူဆထားတဲ့ အခဲတွေမှာ
ဓာတ်စည်း ခြောက်ခုစီသာရှိပါတယ်။

ဓာတ်စည်းတွေကို စွမ်းအင်ယူနစ် ၆၀၀၀နဲ့
၈၀၀၀ အထိတိုးချဲ့လိုက်ပြီး

စနစ်ကို တဖန်စတင်ဖို့
A မှာ စွမ်းအင်ရဲ့ လေးပုံ သုံးပုံ နဲ့

B မှာ လေးပုံ တစ်ပုံထားကြပါစို့။

အခု နောက်ထပ် စွမ်းအင်ကို အလိုလို
ရရှိဖို့ A ရဲ့ အခွင့်အရေးဟာဖြင့်

အလွန်သေးငယ်တဲ့ ကိန်းဖြစ်နေတာ တွေ့ရပါတယ်။

နေ့စဉ် မြင်နေကျ၊ တွေ့နေကျ အရာတွေမှာ 
ဒီထက်မကတဲ့ အမှုန်တွေ တပုံကြီးပဲရှိပါတယ်။

လက်တွေ့လောကမှာ ပူတဲ့ အရာ 
အပူထပ်တိုးလာဖို့ အခွင့်အလမ်းက

မရှိသလောက် နည်းလွန်းပါတယ်။

ဒါ ဘယ်တုန်းကမှ မဖြစ်ဖူးပါဘူး

ရေခဲပျော်တယ်၊

ရေခဲမုန့် ပျော်တယ်၊

တာယာ ပြားချပ်တယ်

အကြောင်းက ဒီအဆင့်တွေမှာ မူလအဆင့်တွေထက်
စွမ်းအင်ဖြန့်ထွက်မှု ပိုများလို့ပါ။

စနစ်ကို ပိုမြင့်တဲ့ အန်ထရောပီဆီသို့ 
တွန်းပို့ပေးတဲ့ ထူးဆန်းတဲ့ အား မရှိပါဘူး။

ဒါက ပိုမြင့်တဲ့ အန်ထရောပီက စာရင်းအင်းနည်း
အရ အမြဲတမ်း အလားအလာပိုများတယ် ဆိုရုံပါ။

ဒါကြောင့်ပဲ အန်ထရောပီကို 
အချိန်ရဲ့မြား လို့ခေါ်ပါတယ်။

စွမ်းအင်မှာ ပြန့်ထွက်ဖို့ အခွင့်အရေးရှိရင်
ပျံ့ထွက် ပါလိမ့်မယ်။