Quasi tutti i sistemi veramente intriganti sono quelli che sono lontani dall'equilibrio, come le stelle, atmosfere planetarie, e persino circuiti digitali. Ma, fino ad ora, sistemi lontani dall'equilibrio termico non potevano essere analizzati con la termodinamica convenzionale e la fisica statistica.

Quando i fisici esplorarono per la prima volta la termodinamica e la fisica statistica nel 1800, e attraverso il 1900, si sono concentrati sull'analisi di sistemi fisici che sono all'equilibrio o quasi. Anche la termodinamica convenzionale e la fisica statistica si sono concentrate sui sistemi macroscopici, che contengono pochi, se del caso, sottosistemi esplicitamente distinti.

In un articolo pubblicato sulla rivista Lettere di revisione fisica , Il professor David Wolpert di SFI presenta un nuovo formalismo ibrido per superare tutti questi limiti.

Fortunatamente, a cavallo del millennio, "è stato sviluppato un formalismo ora noto come fisica statistica del non equilibrio, " dice Wolpert. "Si applica a sistemi che sono arbitrariamente lontani dall'equilibrio e di qualsiasi dimensione".

La fisica statistica del non equilibrio è così potente da aver risolto uno dei misteri più profondi sulla natura del tempo:come evolve l'entropia all'interno di un regime intermedio? Questo è lo spazio tra il mondo macroscopico, dove la seconda legge della termodinamica ci dice che deve sempre aumentare, e il mondo microscopico dove non potrà mai cambiare.

Ora sappiamo che è solo l'entropia attesa di un sistema che non può diminuire nel tempo. "C'è sempre una probabilità diversa da zero che un particolare campione della dinamica di un sistema risulterà in una diminuzione dell'entropia, e la probabilità di una riduzione dell'entropia cresce man mano che il sistema si rimpicciolisce, " lui dice.

Nello stesso momento in cui avveniva questa rivoluzione nella fisica statistica, all'interno della comunità dell'apprendimento automatico si stavano facendo grandi progressi che coinvolgevano i cosiddetti modelli grafici.

In particolare, è stato sviluppato il formalismo delle reti bayesiane, che fornisce un metodo per specificare sistemi con molti sottosistemi che interagiscono probabilisticamente tra loro. Le reti di Bayes possono essere utilizzate per descrivere formalmente l'evoluzione sincrona degli elementi di un circuito digitale, tenendo pienamente conto del rumore all'interno di tale evoluzione.

Wolpert ha combinato questi progressi in un formalismo ibrido, che gli sta permettendo di esplorare la termodinamica di sistemi fuori equilibrio che hanno molti sottosistemi esplicitamente distinti che coevolvono secondo una rete di Bayes.

Come esempio della potenza di questo nuovo formalismo, Wolpert ha derivato risultati che mostrano la relazione tra tre quantità di interesse nello studio di sistemi su scala nanometrica come le cellule biologiche:la precisione statistica di qualsiasi corrente arbitrariamente definita all'interno del sottosistema (come le probabilità che le correnti differiscano dai loro valori medi), il calore generato facendo funzionare la rete di Bayes complessiva composta da tali sottosistemi, e la struttura grafica di quella rete di Bayes.

"Ora possiamo iniziare ad analizzare come la termodinamica dei sistemi che vanno dalle celle ai circuiti digitali dipenda dalle strutture di rete che collegano i sottosistemi di quei sistemi, "dice Wolpert.