Casi todos los sistemas verdaderamente intrigantes son aquellos que están lejos del equilibrio, como las estrellas, atmósferas planetarias, e incluso circuitos digitales. Pero, hasta ahora, los sistemas alejados del equilibrio térmico no podían analizarse con la termodinámica convencional y la física estadística.

Cuando los físicos exploraron por primera vez la termodinámica y la física estadística durante el siglo XIX, y durante la década de 1900, se centraron en analizar sistemas físicos que están en equilibrio o cerca de ellos. La termodinámica convencional y la física estadística también se han centrado en sistemas macroscópicos, que contienen pocos, Si alguna, subsistemas explícitamente distinguidos.

En un artículo publicado en la revista Cartas de revisión física , El profesor de SFI David Wolpert presenta un nuevo formalismo híbrido para superar todas estas limitaciones.

Afortunadamente, en el cambio de milenio, "se desarrolló un formalismo ahora conocido como física estadística de no equilibrio, ", dice Wolpert." Se aplica a sistemas que están arbitrariamente lejos del equilibrio y de cualquier tamaño ".

La física estadística del desequilibrio es tan poderosa que ha resuelto uno de los misterios más profundos sobre la naturaleza del tiempo:¿cómo evoluciona la entropía dentro de un régimen intermedio? Este es el espacio entre el mundo macroscópico, donde la segunda ley de la termodinámica nos dice que siempre debe aumentar, y el mundo microscópico donde nunca puede cambiar.

Ahora sabemos que es solo la entropía esperada de un sistema que no puede disminuir con el tiempo. "Siempre existe una probabilidad distinta de cero de que cualquier muestra particular de la dinámica de un sistema resulte en una entropía decreciente, y la probabilidad de que la entropía disminuya aumenta a medida que el sistema se hace más pequeño, " él dice.

Al mismo tiempo que se estaba produciendo esta revolución en la física estadística, Dentro de la comunidad de aprendizaje automático se estaban logrando avances importantes relacionados con los llamados modelos gráficos.

En particular, se desarrolló el formalismo de las redes bayesianas, que proporciona un método para especificar sistemas con muchos subsistemas que interactúan probabilísticamente entre sí. Las redes de Bayes se pueden utilizar para describir formalmente la evolución sincrónica de los elementos de un circuito digital, teniendo en cuenta completamente el ruido dentro de esa evolución.

Wolpert combinó estos avances en un formalismo híbrido, lo que le permite explorar la termodinámica de sistemas fuera de equilibrio que tienen muchos subsistemas explícitamente distinguidos que coevolucionan de acuerdo con una red de Bayes.

Como ejemplo del poder de este nuevo formalismo, Resultados derivados de Wolpert que muestran la relación entre tres cantidades de interés en el estudio de sistemas a nanoescala como las células biológicas:la precisión estadística de cualquier corriente definida arbitrariamente dentro del subsistema (como las probabilidades de que las corrientes difieran de sus valores promedio), el calor generado al ejecutar la red general de Bayes compuesta por esos subsistemas, y la estructura gráfica de esa red de Bayes.

"Ahora podemos empezar a analizar cómo la termodinámica de los sistemas que van desde las células hasta los circuitos digitales depende de las estructuras de red que conectan los subsistemas de esos sistemas, "dice Wolpert.