Quando os físicos exploraram pela primeira vez a termodinâmica e a física estatística durante os anos 1800 e durante os anos 1900, eles se concentraram na análise de sistemas físicos que estão em equilíbrio ou próximos. A termodinâmica convencional e a física estatística também se concentraram em sistemas macroscópicos , que contêm poucos, se houver, subsistemas explicitamente distintos.
Em um artigo publicado na revista Physical Review Letters , SFI Professor David Wolpert apresenta um novo formalismo híbrido para superar todas essas limitações.
Felizmente, na virada do milênio, "um formalismo agora conhecido como física estatística de não-equilíbrio foi desenvolvido", diz Wolpert. "Isso se aplica a sistemas que estão arbitrariamente longe do equilíbrio e de qualquer tamanho."
A física estatística do não-equilíbrio é tão poderosa que resolveu um dos mistérios mais profundos sobre a natureza do tempo: como a entropia evolui dentro de um regime intermediário? Este é o espaço entre o mundo macroscópico, onde a segunda lei da termodinâmica nos diz que ele deve sempre aumentar, e o mundo microscópico onde ele nunca pode mudar.
Agora sabemos que é apenas a entropia esperada de um sistema que não pode diminuir com o tempo. "Sempre há uma probabilidade diferente de zero de que qualquer amostra específica da dinâmica de um sistema resulte em entropia decrescente - e a probabilidade de entropia encolhendo aumenta à medida que o sistema fica menor", diz ele.
Ao mesmo tempo em que essa revolução na física estatística estava ocorrendo, grandes avanços envolvendo os chamados modelos gráficos estavam sendo feitos na comunidade de aprendizado de máquina.
Em particular, foi desenvolvido o formalismo das redes bayesianas, que fornece um método para especificar sistemas com muitos subsistemas que interagem probabilisticamente entre si. As redes de Bayes podem ser usadas para descrever formalmente a evolução síncrona dos elementos de um circuito digital - levando em conta totalmente o ruído dentro dessa evolução.
Wolpert combinou esses avanços em um formalismo híbrido, o que lhe permite explorar a termodinâmica de sistemas fora de equilíbrio que possuem muitos subsistemas explicitamente distintos coevoluindo de acordo com uma rede de Bayes.
Como um exemplo do poder desse novo formalismo, Wolpert derivou resultados que mostram a relação entre três quantidades de interesse em estudar sistemas em nanoescala como células biológicas: a precisão estatística de qualquer corrente definida arbitrariamente dentro do subsistema (como as probabilidades de que as correntes sejam diferentes de seus valores médios), o calor gerado pelo funcionamento da rede Bayes global composta por esses subsistemas e a estrutura gráfica dessa rede Bayes.
“Agora podemos começar a analisar como a termodinâmica de sistemas que variam de células a circuitos digitais dependem das estruturas de rede que conectam os subsistemas desses sistemas”, diz Wolpert.
Nenhum comentário:
Postar um comentário