新研究探索非平衡態的熱力學

量子認知

百家榜創作者,學者 代表作: 戒癮論,科學達人,優質創作者

幾乎所有真正使科學家感到激動的系統都是遠離平衡狀態的系統，例如恒星、行星大氣甚至數字電路。但是，直到現在，還不能通過常規的熱力學和統計物理學來分析遠離熱平衡狀態的系統。

非平衡統計物理學相當強大，以至於它解決了關於時間本質的最深奧秘之一：熵在中間狀態下如何演化？這是宏觀世界和微觀世界之間的空間，在宏觀世界中，熱力學第二定律告訴我們它必須一直增加，而在微觀世界中，它永遠不會改變。

系統的預期熵不會隨時間減少，系統動力學的任何特定樣本總是有一個非零的概率會導致熵降低，而隨著系統變小，熵收縮的概率也會增大。

當物理學家在1800年代至1900年代首次探索熱力學和統計物理學時，是專注於分析處於平衡或接近平衡的物理系統。常規的熱力學和統計物理學也集中在宏觀系統上，該系統很少包含明確區分的子系統。

主要研究複雜系統科學的聖菲研究所的科學家，在最近的《物理評論快報》上發表的一篇論文中提出了一種新的綜合形式，以克服所有這些限制，它適用於任意遠離平衡和任何規模的系統。

隨著統計物理學的發展，機器學習領域的圖形模型也取得重大進展。特別是，貝葉斯網絡形式得到了發展，它提供了一種方法來指定具有許多彼此概率交互的子系統的系統。貝葉斯網絡可用於形式化地描述數字電路元件的同步演變，充分考慮了該演變過程中的噪聲。

該研究將這些科學進展結合到了綜合形式學中，從而能夠探索非平衡系統的熱力學，該系統具有根據貝葉斯網絡協同演化的許多明顯不同的子系統。如圖所示（a）一個貝葉斯網絡。（b）該貝葉斯網絡擴大為兩個孤立過程的序列。紅色箭頭表示標識映射（IdentityMap）模式。在第一個單獨的過程中，不斷發展的系統是子系統A和B， 而在第二個中是C和B。

作為這種新形式表述效力的一個例子，研究結果表明，在研究納米尺度系統，如生物細胞時，存在三個感興趣的數量之間的關系：子系統內任意定義的電流的統計精度，例如電流不同的概率、由這些子系統組成的整個貝葉斯網絡所產生的熱量、以及該貝葉斯網絡的圖形結構。

論文表示：“現在我們可以開始分析從電池到數字電路的系統的熱力學，如何取決於連接這些系統子系統的網絡結構。”

參考：Uncertainty Relations and Fluctuation Theorems for Bayes Nets,Physical Review Letters (2020). DOI: 10.1103/PhysRevLett.125.200602