เสียงพื้นหลังที่มากเกินไปมักรบกวนการทำงานของคุณ แต่นักฟิสิกส์ได้ทำสิ่งที่น่าทึ่ง: พวกมันพัฒนาขึ้น
มอเตอร์ธรรมดาและไมโครสโคปทำงานอย่างไร
ในชีวิตประจำวันของผู้คนใช้เครื่องยนต์และมอเตอร์ที่ใช้เชื้อเพลิงในการเคลื่อนที่โดยตรงจึงทำงานที่เป็นประโยชน์ ในโลกจุลทรรศน์ ทุกสิ่งมีความซับซ้อนมากขึ้น ที่นั่นเสียงรบกวนในรูปของความร้อนสามารถทำลายทุกสิ่งได้
เสียงความร้อนในสิ่งแวดล้อมทำให้เกิดส่วนประกอบของรถยนต์ขนาดเล็ก “โยกไปมาตลอดเวลา” นักวิทยาศาสตร์อธิบาย เป็นผลให้เครื่องยนต์ขนาดเล็กไม่ทำงานอย่างมีประสิทธิภาพเท่าที่ควร
แล้วเครื่องมือสารสนเทศล่ะ?
มีกล้องจุลทรรศน์ตระกูลพิเศษเครื่องจักรที่เรียกว่าเอ็นจิ้นสารสนเทศ ซึ่งใช้เสียงเพื่อขับเคลื่อนการเคลื่อนไหวที่เป็นเป้าหมาย พวกเขาใช้ข้อมูลนี้เพื่อเสริมการจัดการที่ "ถูกต้อง" ของเครื่อง พูดง่ายๆ ก็คือ เอ็นจิ้นข้อมูลคือเครื่องจักรที่แปลงข้อมูลให้เป็นงาน
นักฟิสิกส์และวิศวกรจะพบว่าสิ่งเหล่านี้มีประโยชน์มอเตอร์ขนาดเล็กเพื่อพัฒนาเครื่องจักรขนาดเล็กสำหรับการประยุกต์ใช้นาโนเทคโนโลยี สิ่งสำคัญคือการพัฒนาเพื่อทดแทนเครื่องจักรทั่วไป
ผู้เขียนผลการศึกษาใหม่ได้นำงานนี้ไปใช้เพิ่มเติม พวกเขาได้เรียนรู้เพิ่มเติมเกี่ยวกับวิธีการนำข้อมูลไปใช้ในเครื่องจักรชีวโมเลกุล
นักวิทยาศาสตร์ได้ทำอะไร?
นักวิทยาศาสตร์ได้สร้างเครื่องมือข้อมูลโดยใช้เม็ดแก้วขนาดเล็กเท่าแบคทีเรียที่แขวนลอยอยู่ในน้ำ ลูกบอลถูกยึดไว้อย่างหลวมๆ ด้วยลำแสงเลเซอร์ที่ทำหน้าที่เป็นตัวค้ำข้างใต้ลูกบอล ในเวลาเดียวกัน โมเลกุลของน้ำจะดันลูกบอลเบา ๆ เนื่องจากการสั่นสะเทือนทางความร้อนตามธรรมชาติในของเหลว เขา "สั่น" เป็นครั้งคราว
และนี่คือเคล็ดลับ:เมื่อลูกบอลลอยขึ้นต้านแรงโน้มถ่วงเนื่องจากการสั่นสะเทือนจากความร้อน ตำแหน่งของส่วนรองรับเลเซอร์ก็จะเปลี่ยนไปเช่นกัน ในตำแหน่งนี้ลูกบอลจะมีพลังงานศักย์โน้มถ่วงหรือกักเก็บมากกว่า เหมือนลูกบอลที่กำลังจะหล่นลงมา
ระบบข้อมูลแผนผัง(a) เครื่องตรวจจับเสียงจะวัดตำแหน่งของลูกบอลที่อยู่ใน
จุด x กลไกที่ขึ้นอยู่กับ (b) การวัดตำแหน่งที่มีเสียงดัง y หรือ (c) การประมาณตำแหน่งแบบเบย์เซียน X̂ (วงกลมจุดสีน้ำเงิน) เครดิต: Physical Review Letters (2022) DOI: 10.1103/ PhysRevLett.129.130601
นักวิทยาศาสตร์ไม่จำเป็นต้อง "ยก" วัตถุนั้นด้วยซ้ำสิ่งนี้เกิดขึ้นตามธรรมชาติเนื่องจากการสั่นของโมเลกุลของน้ำ ดังนั้น มอเตอร์จึงแปลงความร้อนของน้ำเป็นพลังงานศักย์โน้มถ่วงที่สะสมไว้ โดยใช้ผลป้อนกลับเกี่ยวกับการเคลื่อนที่ของลูกบอลเพื่อปรับกับดักเลเซอร์ “การตัดสินใจว่าจะยกกับดักขึ้นหรือไม่และมากน้อยเพียงใดนั้นขึ้นอยู่กับข้อมูลที่เรารวบรวมเกี่ยวกับตำแหน่งของลูกปัด มันทำหน้าที่เป็น “เชื้อเพลิง” สำหรับเครื่องยนต์” นักวิทยาศาสตร์อธิบาย
ความยากลำบากคืออะไร?
นี่คือวิธีการทำงานของระบบ แต่ต้องนำไปใช้อย่างถูกต้องกลยุทธ์นี้เป็นเรื่องยากหากมีสัญญาณรบกวนการวัดในระบบมากเกินไป สร้างขึ้นจากความสว่างของลำแสงเลเซอร์ที่ใช้ตรวจจับลูกบอล ในกรณีเช่นนี้ ความไม่แน่นอนของตำแหน่งในการวัดแต่ละครั้งอาจมากกว่าการเคลื่อนที่ของวัตถุที่เกิดจากโมเลกุลของน้ำที่สั่นไหว เป็นผลให้ สัญญาณรบกวนจากการวัดทำให้เกิดการป้อนกลับที่ผิดพลาด และทำให้ผลผลิตลดลง
กลไกข้อมูลทั่วไปใช้อัลกอริธึมป้อนกลับที่ตัดสินใจโดยอิงจากการวัดตำแหน่งของลูกบอลครั้งล่าสุด แต่อาจผิดได้เมื่อข้อผิดพลาดในการวัดใหญ่เกินไป นักวิทยาศาสตร์เพียงต้องการทราบว่ามีวิธีแก้ไขปัญหานี้หรือไม่
มีวิธีแก้ไขหรือไม่?
พวกเขาพัฒนาอัลกอริธึมการตอบรับนั้นไม่ได้ขึ้นอยู่กับการวัดโดยตรงของตำแหน่งสุดท้ายของลูกบอล (ซึ่งอาจไม่ถูกต้อง) แต่ยังขึ้นอยู่กับการวัดก่อนหน้านี้ทั้งหมด อัลกอริธึมการกรองนี้จึงนำข้อผิดพลาดในการวัดมาพิจารณาเมื่อทำการประมาณค่าแบบเบย์
ในสถิติคณิตศาสตร์และทฤษฎีการยอมรับตัวประมาณการตัดสินใจแบบเบย์คือตัวประมาณทางสถิติที่ลดความคาดหวังภายหลังของฟังก์ชันการสูญเสียให้เหลือน้อยที่สุด พูดง่ายๆ ก็คือ มันจะเพิ่มความคาดหวังทางคณิตศาสตร์ด้านหลังของฟังก์ชันยูทิลิตี้ให้สูงสุด ขอให้เราระลึกว่า ความน่าจะเป็นภายหลังคือความน่าจะเป็นแบบมีเงื่อนไขของเหตุการณ์สุ่ม โดยมีเงื่อนไขว่าข้อมูลภายหลังซึ่งได้รับหลังจากประสบการณ์บางอย่างนั้นเป็นที่รู้จัก
ดังนั้นโดยรวมชุดที่มีเสียงดังการวัดโดยใช้โมเดลไดนามิกของลูกบอล เป็นไปได้ที่จะกู้คืนตำแหน่งที่แท้จริงของมันโดยประมาณที่แม่นยำยิ่งขึ้น สิ่งนี้จะช่วยลดการสูญเสียประสิทธิภาพได้อย่างมาก
การประนีประนอมแบบ "เบย์เซียน"
ซึ่งเป็นส่วนหนึ่งของการวิจัยของนักวิทยาศาสตร์อย่างชัดเจนแสดงให้เห็นว่ากลไกข้อมูลที่ใช้ผลป้อนกลับตามการประมาณการแบบเบย์เหล่านี้ทำงานได้ดีกว่ากลไกข้อมูลทั่วไปอย่างมาก เมื่อข้อผิดพลาดในการวัดมีขนาดใหญ่เกินไป เอ็นจิ้นข้อมูลทั่วไปส่วนใหญ่จะหยุดทำงานในกรณีนี้
สิ่งนี้ทำให้นักวิทยาศาสตร์ประหลาดใจเมื่อข้อผิดพลาดในการวัดเกินเกณฑ์วิกฤต เครื่องจักรไร้เดียงสาจะไม่ทำงานเป็นเครื่องจักรที่ให้ข้อมูลเพียงอย่างเดียวอีกต่อไป “กลยุทธ์ที่ดีที่สุดสำหรับเธอคือการยอมแพ้และไม่ทำอะไรเลย” นักวิจัยเขียน แต่แบบจำลองแบบเบย์ทำงานได้โดยไม่คำนึงถึงขนาดของข้อผิดพลาดในการวัด แม้ว่าจะเพียงเล็กน้อยก็ตาม
ประสิทธิภาพของเครื่องมือสารสนเทศ(a) เอาต์พุตเอ็นจิ้นข้อมูล Naive (สีแดง) และ Bayesian (สีน้ำเงิน) เครื่องหมายกลวงสีแดงแสดงถึงกำลังขับเมื่อ α เป็น 0 (b) ความแตกต่างของอัตราการสกัดงานเอาต์พุตสำหรับเครื่องยนต์เบส์เซียนและไร้เดียงสา ปรับตามความเร็วสูงสุด
เครดิตและลิขสิทธิ์: จดหมายทบทวนทางกายภาพ (2022) ดอย: 10.1103/PhysRevLett.129.130601
แน่นอนว่าสำหรับความสามารถของเบย์เซียนระบบข้อมูลต้อง "จ่าย" เพื่อดึงพลังงานออกมาแม้ว่าจะมีข้อผิดพลาดในการวัดขนาดใหญ่ก็ตาม เนื่องจากกลไกดังกล่าวใช้ข้อมูลจากการวัดก่อนหน้านี้ทั้งหมด จึงต้องใช้พื้นที่จัดเก็บและเวลาในการประมวลผลข้อมูลมากขึ้น
และนี่คือตรรกะการลดข้อผิดพลาดในการวัดให้เหลือน้อยที่สุด ไม่เพียงเพิ่มงานที่ดึงออกมาจากการแกว่งเท่านั้น แต่ยังเพิ่มต้นทุนในการประมวลผลข้อมูลด้วย ผลลัพธ์ก็คือ นักวิทยาศาสตร์ได้ค้นพบความสมดุลในอุดมคติ นั่นคือประสิทธิภาพสูงสุดเมื่อมีข้อผิดพลาดในการวัดระดับกลาง เมื่อสามารถดึงพลังงานออกมาในระดับที่ดีได้ ในขณะเดียวกันก็ไม่มีค่าใช้จ่ายในการประมวลผลข้อมูล
ขณะนี้นักวิทยาศาสตร์กำลังศึกษาว่าการทำงานของเครื่องยนต์จะได้รับผลกระทบจากเสียงที่เกิดจากปัจจัยอื่นที่ไม่ใช่ความร้อนอย่างไร
อ่านเพิ่มเติม:
ทำไมดวงจันทร์ถึงไม่ใช่ดาวอังคาร: สิ่งสำคัญเกี่ยวกับภารกิจ Artemis-1 และเหตุใดจึงจำเป็น
เครื่องรางโบราณเขียนประวัติศาสตร์ของภาษาที่ลึกลับที่สุดของยุโรป
ทฤษฎีหลักของการกำเนิดของมนุษย์ถูกหักล้าง: เรามาจากไหน