Por lo general, demasiado ruido de fondo se interpone en el camino, pero los físicos han hecho algo increíble: han desarrollado
¿Cómo funcionan los motores convencionales y microscópicos?
En la vida cotidiana, las personas utilizan motores y motores que consumen combustible para el movimiento direccional y , por lo tanto, realizanEn el mundo microscópico, todo es más complicado. arruinarlo todo.
El ruido térmico en el ambiente hace que los componentes de las máquinas pequeñas "se balanceen hacia adelante y hacia atrás todo el tiempo", explican Como resultado, el pequeño motor no funciona tan eficientemente como podría .
¿Qué pasa con los motores de información?
Existe una familia especial de máquinas microscópicas conocidas como motores de información que utilizanUtilizan esta información para amplificar las manipulaciones "correctas" de la máquina.En términos simples, un motor de información es una máquina que convierte la información en trabajo.
Los físicos e ingenieros necesitarán motores tan pequeños para desarrollar nuevas máquinas microscópicas para aplicaciones de nanotecnología.Lo principal es desarrollarlos para que sustituyan a las máquinas convencionales.
Los autores del nuevo estudio han avanzado en este trabajo, aprendiendo más sobre cómo se puede utilizar la información en máquinas biomoleculares.
¿Qué han hecho los científicos?
Los científicos construyeron un motor de información utilizando perlas de vidrio microscópicas del tamaño de bacterias suspendidas en el agua.La pelota se mantiene suelta en su lugar mediante un rayo láser que actúa como soporte debajo.Al mismo tiempo, las moléculas de agua empujan suavemente la bola debido a las fluctuaciones térmicas naturales en el líquido.De vez en cuando, "tiembla".
Y aquí está el truco: cuando la bola se eleva contra la gravedad debido a las fluctuaciones térmicas, la posición del soporte láser también cambia.En esta posición, la pelota tiene más energía potencial gravitacional almacenada.Como una pelota que está a punto de caer.
( a) El detector de ruido mide la posición y de la bola realmente en el
Un mecanismo basado en (b) una medición ruidosa de la posición y o (c) una estimación bayesiana de la posición X̂ (círculo punteado azul). Autores y derechos de autor: Physical Review Letters (2022). DOI: 10.1103/PhysRevLett.129.130601
Los científicos ni siquiera tuvieron que “levantar” el objeto;Esto sucedió de forma natural, debido a las vibraciones de las moléculas de agua. Así, el motor convirtió el calor del agua en energía potencial gravitacional almacenada, utilizando retroalimentación sobre el movimiento de la bola para ajustar la trampa láser. “La decisión sobre si levantar la trampa y cuánto depende de la información que recopilemos sobre la posición de la cuenta. Actúa como “combustible” para el motor”, explican los científicos.
¿Cuál es la dificultad?
Así funciona el sistema, pero para implementarlo correctamenteEsta estrategia es difícil si hay demasiado ruido de medición en el sistema. Es creado por el brillo del rayo láser que se utiliza para detectar la bola. En tales casos, la incertidumbre de su posición para cada medición puede ser mayor que el movimiento del objeto causado por las moléculas de agua oscilantes. Como resultado, El ruido de medición conduce a una retroalimentación errónea y, por lo tanto, reduce la productividad.
Uso típico de mecanismos de información.Algoritmos de retroalimentación que basan las decisiones en la última medición de la posición de la pelota. Pero pueden equivocarse cuando los errores de medición son demasiado grandes. Los científicos sólo querían descubrir si había una manera de solucionar este problema.
¿Hay una solución?
Desarrollaron un algoritmo de retroalimentación quese basa no solo en una medición directa de la última posición de la pelota (que puede ser inexacta), sino en todas las mediciones anteriores. Por lo tanto, este algoritmo de filtrado tiene en cuenta los errores de medición al realizar la estimación bayesiana.
En Estadística Matemática y Teoría de la AceptaciónEl estimador de decisión bayesiano es un estimador estadístico que minimiza la expectativa posterior de la función de pérdida. En pocas palabras, maximiza la expectativa matemática posterior de la función de utilidad. Recordemos que la probabilidad posterior es la probabilidad condicional de un evento aleatorio, siempre que se conozcan los datos posteriores, es decir, los obtenidos después de alguna experiencia.
Por lo tanto, al combinar un conjunto de ruidososmediciones utilizando el modelo de dinámica de pelota, es posible recuperar una estimación más precisa de su verdadera posición. Esto reducirá significativamente las pérdidas de rendimiento.
Compromiso "bayesiano"
Como parte del estudio, los científicos claramentedemostró que un motor de información que aplica retroalimentación basada en estas estimaciones bayesianas funciona significativamente mejor que los motores de información convencionales cuando los errores de medición son demasiado grandes. La mayoría de los motores de información típicos simplemente se detendrán en este caso.
Esto sorprendió a los científicos.Cuando los errores de medición superan un umbral crítico, la máquina ingenua ya no funciona como una máquina puramente informativa. "La mejor estrategia para ella es simplemente darse por vencido y no hacer nada", escriben los investigadores. Pero el modelo bayesiano funciona independientemente de la magnitud del error de medición, aunque sea pequeño.
El rendimiento de los motores de información.(a) Salida de potencia del motor de datos naive (rojo) y bayesiano (azul). Los marcadores rojos huecos indican la potencia de salida cuando α es 0. (b) Diferencia en la tasa de extracción de trabajo de salida para motores bayesianos e ingenuos, escalada por velocidad máxima.
Crédito y derechos de autor: Cartas de revisión física (2022). DOI: 10.1103/PhysRevLett.129.130601
Por supuesto, por la capacidad del método bayesianoEl motor de información tiene que “pagar” para extraer energía incluso con grandes errores de medición. Dado que dicho mecanismo utiliza información de todas las mediciones anteriores, requiere más espacio de almacenamiento y tiempo para procesar la información.
Y esto es lógico.Minimizar los errores de medición aumenta no sólo el trabajo extraído de las oscilaciones, sino también los costos de procesamiento de la información. Como resultado, los científicos han encontrado el equilibrio ideal: máxima eficiencia con un nivel intermedio de error de medición, cuando se puede lograr un buen nivel de extracción de energía. Al mismo tiempo, no existen costes por el procesamiento de datos.
Ahora los científicos están estudiando cómo el funcionamiento del motor se verá afectado por el ruido que surge de otros factores además del calor.
Lee mas:
Por qué la Luna y no Marte: lo principal de la misión Artemis-1 y por qué es necesaria
Un antiguo amuleto reescribió la historia del idioma más misterioso de Europa
La principal teoría del origen del hombre fue refutada: ¿de dónde venimos?