圣达菲研究所 定理1的直观解释:分布p在L下自由松弛时间τ(实灰色线)
在这种松弛(紫线收缩)期间产生的EP可以分解为p和ϕ (p)之间KL散度的收缩(绿线收缩)加上在ϕ (p)自由松弛期间产生的EP(红线收缩)
ϕ (p)在l下的自由弛豫用灰色虚线表示
信用:DOI: 10
1103/PhysRevX
11
041024 20世纪60年代初,罗尔夫·兰道尔在IBM工作时,他对热、熵和信息之间的联系有着惊人的洞察力
朗道意识到,操纵信息会释放热量,增加熵,或者环境的无序度
他用这个来计算计算释放的热量的理论下限,比如擦除一个比特
在室温下,极限约为10-21,或万亿分之一焦耳的十亿分之一
(焦耳大约是举起一个苹果一米所需的能量
) 但具有讽刺意味的是,朗道的极限是有限的,因为它是多么普遍
它允许不切实际的场景,比如在无限时间内进行的计算,并且比典型计算机的低效率低数百万倍
“这与现实世界无关
如果你想看看大脑和细胞,或者笔记本电脑中什么是重要的
SFI大学的物理学家大卫·沃尔伯特教授说
在《物理评论X》上发表的一篇新论文中,沃伯特和第一作者阿尔特米·科尔钦斯基通过考虑约束如何影响朗道极限,探索了熵产生的更现实的界限
他们了解从物理系统中可以提取多少功的方法,可以让我们更好地理解各种现实系统的热力学效率,从生物分子机器到最近开发的以信息为燃料的“信息引擎”
约束只是一种不能操纵系统的方式
Kolchinsky举了像乐高积木这样的系统的例子,这些系统受到限制是因为它们是模块化的——这意味着你只能以特定的方式组装和拆卸它们
其他系统有无法区分的成分,比如气体中的粒子
科尔钦斯基说:“让我们想象某些操作对你来说是不可用的。”
“接下来会发生什么?有没有更好的束缚?”朗道的问题被重新表述为:一个受约束的系统能产生的最小熵是多少? 为了理解熵产生在约束条件下是如何工作的,一个叫做西拉德引擎的思维实验有所帮助
西拉德的引擎是一个盒子,里面有一个粒子,被一个垂直的隔板分成两半
每一端都有活塞
粒子的位置可以认为是一个比特(0或1,取决于它是分区的哪一侧)
学分:圣达菲学院 如果你知道粒子在盒子的哪边,左边还是右边,你可以把活塞压到空的那一边
然后你可以移开隔板,粒子会从壁上反弹到活塞上,把活塞推回去
这个操作从现在下落不明的粒子中提取能量,并增加熵
换句话说,关于粒子位置的信息被破坏并转换成对活塞做功
学分:圣达菲学院 在经典的西拉德发动机中,熵产生量的极限只是朗道定律
但是假设你的信息不同——例如,你知道粒子位于盒子的上半部分
“我们可以得到比朗道更严格的界限,”科尔钦斯基说
奇怪的是,只知道粒子位于盒子的上半部分,而不是左边或右边,就阻止了任何能量的提取
当您的约束是水平运动时,垂直信息不能转化为工作
Kolchinsky和Wolpert引入了新的术语来描述这一现象:当信息在一定条件下可以转化为工作时,它就是“可访问的”
当信息不能转化为工作时,由于知识和约束之间的错位,它是不可访问的
尽管他们的论文着眼于约束的几个不同的例子,沃伯特说这项工作只是开始
这些是基本模型——他们希望将分析扩展到更复杂的系统,如细胞,并在更广泛的约束下计算熵产生的界限
来源:由phyica.com整理转载自PH,转载请保留出处和链接!