Ученые Университета Саймона Фрейзера в Британской Колумбии (Канада) создали байесовский информационный двигатель, который использует информацию для преобразования тепла в полезную энергию. В отличие от других подобных устройств, эта машина способна совершать полезную работу, даже если информация зашумлена. Результаты исследования опубликованы в журнале Physical Review Letters.
Информационные двигатели (также называемые «демонами Максвелла») — это новый класс устройств, использующих сведения о флуктуациях в тепловом резервуаре, что позволяет машине использовать только те флуктуации, что помогают совершению работы, и игнорировать другие. Препятствием на пути к созданию таких устройств является шум, который не дает получить точную информацию о системе и уменьшает извлекаемую из теплового резервуара энергию. Теоретические исследования продемонстрировали, что эту проблему можно решить, если использовать информацию из прошлых измерений.
В новой работе ученые представили экспериментальную реализацию байесовской информационной машины, сохраняющей результаты всех прошлых измерений в одной сводной статистике. Двигатель состоял из стеклянного шарика размером четыре микрометра, который удерживался оптическим пинцетом. Под воздействием тепловых флуктуаций окружающей среды молекулы воды толкали шарик, из-за чего он колебался вокруг равновесного положения. Положение бусины измерялось рассеянным светом детекторного лазера.
Наблюдаемое перемещение шарика «вверх» увеличивает его гравитационную потенциальную энергию и может быть зафиксировано смещением оптического пинцета в ту же сторону. Однако из-за яркости лазерного луча создается неопределенность положения бусины, и ошибочное смещение пинцета снижает производительность машины. Ученые представили новый алгоритм обратной связи, которые основывается не только на прямом измерении последнего положения шарика, но и на информации о всех предыдущих положениях, что называется байесовской оценкой.
В теории принятия решений байесовской оценкой называют правило принятия решений, которое минимизирует потери от неправильных решений и максимизируют пользу. Комбинируя множество зашумленных измерений с использованием модели динамики шарика, ученые могли более точно оценить истинное положение шарика, значительно снизив потери производительности. Это позволяет байесовской информационной машине выполнять небольшую полезную работу в случаях, когда классические машины этого делать не могут.
Уменьшение ошибки сопровождается увеличением затрат на хранение и обработку информации, поэтому ученые определили «золотую середину», то есть максимальную эффективность двигателя при промежуточном уровне ошибки измерения, когда извлечение энергии не требует слишком большой обработки данных.
