Ny forskning udforsker termodynamikken i systemer uden for ligevægt

Næsten alle virkelig spændende systemer er dem, der er langt væk fra ligevægt - såsom stjerner, planetariske atmosfærer, og endda digitale kredsløb. Men, indtil nu, systemer langt fra termisk ligevægt kunne ikke analyseres med konventionel termodynamik og statistisk fysik.

Da fysikere først udforskede termodynamik og statistisk fysik i 1800-tallet, og gennem 1900-tallet, de fokuserede på at analysere fysiske systemer, der er i eller nær ligevægt. Konventionel termodynamik og statistisk fysik har også fokuseret på makroskopiske systemer, som indeholder få, hvis nogen, eksplicit adskilte undersystemer.

I et papir offentliggjort i tidsskriftet Fysisk gennemgangsbreve , SFI-professor David Wolpert præsenterer en ny hybrid formalisme for at overvinde alle disse begrænsninger.

Heldigvis, ved årtusindskiftet, "en formalisme nu kendt som ikke-ligevægt statistisk fysik blev udviklet, " siger Wolpert. "Det gælder for systemer, der er vilkårligt langt væk fra ligevægt og af enhver størrelse."

Statistisk fysik uden ligevægt er så stærk, at den har løst et af de dybeste mysterier om tidens natur:hvordan udvikler entropi sig inden for et mellemregime? Dette er rummet mellem den makroskopiske verden, hvor termodynamikkens anden lov fortæller os, at den altid skal stige, og den mikroskopiske verden, hvor den aldrig kan ændre sig.

Vi ved nu, at det kun er den forventede entropi af et system, der ikke kan falde med tiden. "Der er altid en ikke-nul sandsynlighed for, at en bestemt prøve af et systems dynamik vil resultere i faldende entropi - og sandsynligheden for krympende entropi vokser, efterhånden som systemet bliver mindre, " han siger.

På samme tid som denne revolution inden for statistisk fysik fandt sted, store fremskridt, der involverede såkaldte grafiske modeller, blev gjort inden for maskinlæringsfællesskabet.

I særdeleshed, formalismen i Bayesianske netværk blev udviklet, som giver en metode til at specificere systemer med mange delsystemer, der interagerer sandsynligt med hinanden. Bayes-net kan bruges til formelt at beskrive den synkrone udvikling af elementerne i et digitalt kredsløb - der fuldt ud tager højde for støj inden for denne udvikling.

Wolpert kombinerede disse fremskridt til en hybrid formalisme, hvilket giver ham mulighed for at udforske termodynamik af systemer uden for ligevægt, der har mange eksplicit skelnede undersystemer, der udvikler sig sammen ifølge et Bayes-net.

Som et eksempel på kraften i denne nye formalisme, Wolpert afledte resultater, der viser forholdet mellem tre mængder af interesse i at studere nanoskalasystemer som biologiske celler:den statistiske præcision af enhver vilkårligt defineret strøm i undersystemet (såsom sandsynligheden for, at strømmene adskiller sig fra deres gennemsnitlige værdier), den varme, der genereres ved at drive det samlede Bayes-net, der består af disse delsystemer, og den grafiske struktur af dette Bayes-net.

"Nu kan vi begynde at analysere, hvordan termodynamikken i systemer, der spænder fra celler til digitale kredsløb, afhænger af netværksstrukturerne, der forbinder undersystemerne i disse systemer, siger Wolpert.