Zu viele Hintergrundgeräusche beeinträchtigen in der Regel Ihre Arbeit. Aber Physiker haben etwas Unglaubliches geschafft: Sie haben etwas entwickelt
Wie funktionieren konventionelle und mikroskopische Motoren?
Im alltäglichen Leben MenschenVerwenden Sie Motoren und Motoren, die für die gerichtete Bewegung Kraftstoff verbrauchen und so nützliche Arbeit leisten. In der mikroskopischen Welt ist alles komplizierter. Dort kann Lärm in Form von Hitze alles ruinieren.
Thermischer Lärm in der Umgebung verursachtDie Bauteile von Kleinwagen „schaukeln ständig hin und her“, erklären die Wissenschaftler. Dadurch arbeitet der winzige Motor nicht so effizient, wie er könnte.
Was ist mit Informationsmaschinen?
Es gibt eine spezielle Familie von MikroskopenMaschinen, sogenannte Informationsmaschinen, die Geräusche nutzen, um gezielte Bewegungen anzutreiben. Sie nutzen diese Informationen und verstärken die „richtigen“ Manipulationen der Maschine. Vereinfacht ausgedrückt ist eine Informationsmaschine eine Maschine, die Informationen in Arbeit umwandelt.
Physiker und Ingenieure werden davon nützlich seinwinzige Motoren zur Entwicklung neuer mikroskopischer Maschinen für nanotechnologische Anwendungen. Es geht vor allem darum, sie so weiterzuentwickeln, dass sie herkömmliche Maschinen ersetzen.
Die Autoren der neuen Studie haben diese Arbeit weiterentwickelt. Sie erfuhren mehr darüber, wie Informationen in biomolekularen Maschinen genutzt werden können.
Was haben die Wissenschaftler getan?
Wissenschaftler haben eine Informationsmaschine gebautDabei werden mikroskopisch kleine Glaskügelchen in der Größe von in Wasser suspendierten Bakterien verwendet. Der Ball wird durch einen Laserstrahl, der darunter als Stütze dient, lose an Ort und Stelle gehalten. Gleichzeitig drücken Wassermoleküle den Ball aufgrund natürlicher thermischer Schwingungen in der Flüssigkeit sanft an. Von Zeit zu Zeit „zittert“ er.
Und hier ist der Trick:Wenn der Ball aufgrund thermischer Schwingungen entgegen der Schwerkraft ansteigt, verändert sich auch die Position des Laserträgers. In dieser Position verfügt der Ball über mehr gespeicherte oder potentielle Gravitationsenergie. Wie ein Ball, der gleich fallen wird.
Schematische Informationsmaschine. (a) Der Geräuschdetektor misst die Position y des Balls, der sich tatsächlich in
Punkt x. Ein Mechanismus, der entweder auf (b) einer verrauschten Positionsmessung y oder (c) einer Bayes'schen Positionsschätzung X̂ (blauer gepunkteter Kreis) basiert. Quelle: Physical Review Letters (2022). DOI: 10.1103/ PhysRevLett.129.130601
Wissenschaftler mussten das Objekt nicht einmal „anheben“;Dies geschah auf natürliche Weise aufgrund der Schwingungen der Wassermoleküle. Somit wandelte der Motor die Wärme des Wassers in gespeicherte potentielle Gravitationsenergie um und nutzte die Rückmeldung über die Bewegung des Balls, um die Laserfalle anzupassen. „Die Entscheidung darüber, ob und um wie viel die Falle angehoben wird, hängt von den Informationen ab, die wir über die Position der Perle sammeln. Es fungiert als „Treibstoff“ für den Motor“, erklären Wissenschaftler.
Was ist die Schwierigkeit?
So funktioniert das System, aber um es richtig umzusetzenDiese Strategie ist schwierig, wenn im System zu viel Messrauschen vorhanden ist. Sie entsteht durch die Helligkeit des Laserstrahls, mit dem der Ball erfasst wird. In solchen Fällen kann die Unsicherheit seiner Position bei jeder Messung größer sein als die Bewegung des Objekts, die durch die oszillierenden Wassermoleküle verursacht wird. Infolgedessen Messrauschen führt zu fehlerhaften Rückmeldungen und verringert dadurch die Produktivität.
Typische Informationsmechanismen verwendenFeedback-Algorithmen, die Entscheidungen auf der Grundlage der letzten Messung der Ballposition treffen. Sie können sich jedoch irren, wenn die Messfehler zu groß sind. Wissenschaftler wollten lediglich herausfinden, ob es einen Weg gibt, dieses Problem zu umgehen.
Gibt es eine Lösung?
Sie haben einen Feedback-Algorithmus entwickeltbasiert nicht nur auf einer direkten Messung der letzten Position des Balls (die möglicherweise ungenau ist), sondern auf allen vorherigen Messungen. Dieser Filteralgorithmus berücksichtigt daher Messfehler bei der Bayes'schen Schätzung.
In Mathematischer Statistik und AkzeptanztheorieDer Bayes'sche Entscheidungsschätzer ist ein statistischer Schätzer, der den posterioren Erwartungswert der Verlustfunktion minimiert. Einfach ausgedrückt maximiert es die hintere mathematische Erwartung der Nutzenfunktion. Erinnern wir uns, dass die hintere Wahrscheinlichkeit die bedingte Wahrscheinlichkeit eines zufälligen Ereignisses ist, vorausgesetzt, dass die hinteren Daten bekannt sind, das heißt, sie wurden nach einiger Erfahrung gewonnen.
Also, durch die Kombination einer Reihe von lautMessungen unter Verwendung des Balldynamikmodells ist es möglich, eine genauere Schätzung seiner wahren Position zu erhalten. Dadurch werden Leistungsverluste deutlich reduziert.
„Bayesianischer“ Kompromiss
Im Rahmen der Studie haben Wissenschaftler deutlich gemachtzeigte, dass eine Informationsmaschine, die auf diesen Bayes’schen Schätzungen basierendes Feedback anwendet, bei zu großen Messfehlern deutlich besser abschneidet als herkömmliche Informationsmaschinen. Die meisten typischen Informationsmaschinen werden in diesem Fall einfach angehalten.
Das überraschte die Wissenschaftler.Wenn Messfehler einen kritischen Schwellenwert überschreiten, funktioniert die naive Maschine nicht mehr als reine Informationsmaschine. „Die beste Strategie für sie ist, einfach aufzugeben und nichts zu tun“, schreiben die Forscher. Aber das Bayes'sche Modell erfüllt seine Aufgabe unabhängig von der Größe des Messfehlers, wenn auch nur gering.
Die Leistung von Informationsmaschinen.(a) Ausgangsleistung der naiven (rot) und bayesschen (blau) Data Engine. Leere rote Markierungen bezeichnen die Ausgangsleistung, wenn α 0 ist. (b) Unterschied in der Extraktionsrate der Ausgangsarbeit für Bayes'sche und naive Motoren, skaliert durch die maximale Geschwindigkeit.
Credit & Copyright: Physical Review Letters (2022). DOI: 10.1103/PhysRevLett.129.130601
Natürlich für die Fähigkeit von BayesianDie Informationsmaschine muss für die Gewinnung von Energie auch bei großen Messfehlern „bezahlen“. Da ein solcher Mechanismus Informationen aus allen vorherigen Messungen nutzt, erfordert er mehr Speicherplatz und Zeit für die Verarbeitung der Informationen.
Und das ist logisch.Durch die Minimierung von Messfehlern erhöht sich nicht nur die aus den Schwingungen gewonnene Arbeit, sondern auch die Kosten der Informationsverarbeitung. Als Ergebnis haben Wissenschaftler das ideale Gleichgewicht gefunden – maximale Effizienz bei einem mittleren Maß an Messfehlern, wenn ein gutes Maß an Energiegewinnung erreicht werden kann. Gleichzeitig fallen keine Kosten für die Datenverarbeitung an.
Jetzt untersuchen Wissenschaftler, wie der Motorbetrieb durch Lärm beeinflusst wird, der durch andere Faktoren als Wärme entsteht.
Weiter lesen:
Warum der Mond und nicht der Mars: Das Wichtigste an der Artemis-1-Mission und warum sie benötigt wird
Ein uraltes Amulett hat die Geschichte der mysteriösesten Sprache Europas neu geschrieben
Die Haupttheorie des Ursprungs des Menschen wurde widerlegt: Woher kommen wir?