新研究探索非平衡系统的热力学

几乎所有真正引人入胜的系统都是远离平衡的系统，例如恒星，行星大气甚至数字电路。但是，直到现在，还不能通过常规的热力学和统计物理学来分析远离热平衡的系统。

当物理学家在1800年代至1900年代首次探索热力学和统计物理学时，他们专注于分析处于平衡或接近平衡的物理系统。常规的热力学和统计物理学也集中在宏观系统上，该系统包含很少(如果有的话)明确区分的子系统。

在《物理评论快报》上发表的一篇论文中，SFI教授David Wolpert提出了一种新的混合形式主义，以克服所有这些限制。

幸运的是，在千年之交，“现在发展了一种形式主义，现在称为非平衡统计物理学，” Wolpert说。“它适用于任意远离平衡和任何规模的系统。”

非平衡统计物理学是如此强大，以至于它解决了关于时间本质的最深奥秘之一：熵在中间状态下如何演化?这是宏观世界和第二世界之间的空间，在宏观世界中，热力学第二定律告诉我们它必须一直增加，而在微观世界中，它永远不会改变。

我们现在知道，这仅仅是系统的预期熵不会随时间降低。他说：“系统动力学的任何特定样本总是有一个非零的概率会导致熵降低，而随着系统变小，熵收缩的概率也会增大。”

在发生统计物理学革命的同时，机器学习领域也在取得重大进展，涉及所谓的图形模型。

特别是，贝叶斯网络的形式主义得到了发展，它提供了一种方法来指定具有许多彼此概率交互的子系统的系统。贝叶斯网络可用于形式化地描述数字电路元件的同步演进，从而充分考虑了该演进过程中的噪声。

沃尔珀特将这些进展结合到了混合形式主义中，这使他能够探索非平衡系统的热力学，该系统具有根据贝叶斯网络协同演化的许多明显不同的子系统。

作为这种新形式主义力量的一个例子，Wolpert得出的结果表明，在研究诸如生物细胞等纳米尺度系统时，三个感兴趣的量之间的关系：子系统内任意定义的电流的统计精度(例如，电流不同的概率)从它们的平均值)，运行由这些子系统组成的整个贝叶斯网络产生的热量，以及该贝叶斯网络的图形结构。

Wolpert说：“现在我们可以开始分析从电池到数字电路的系统的热力学如何取决于连接这些系统子系统的网络结构。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！