Based on a novel generalized second law of thermodynamics, we demonstrate that feedback control enjoys more net-extractable work than the control without measurements. The generalized second law asserts that the total entropy production of a closed system is bounded below by correlation's dissipation, simply named co-dissipation. Accordingly, co-dissipation is entropy production not to be converted to work. For the control without measurement, co-dissipation is caused by the loss of internal correlations among subsystems. On the other hand, because the feedback control can vanish the co-dissipation, it can extract work in principle from the internal correlation loss, which results in its fundamental advantage. Moreover, the characteristics of co-dissipation are consistent with heat dissipation in terms of irreversible useless entropy production. Hence, the generalized second law implies that the system's entropy production is bounded by the sum of two types of dissipation: heat and correlation. The generalized second law is derived by taking the sum of the entropy productions for all subsystems. We develop the technique for this computation, where the entropy productions are summed in parallel with the sequence of the graphs representing the dependency among subsystems. Furthermore, the positivity of co-dissipation is guaranteed by a purely information-theoretic fact, the data processing inequality, which will possibly shed light on the relation between thermodynamics and information theory.


翻译:根据新颖的热力学普遍第二法,我们证明反馈控制比不测量的控制更具有净可提取性,比不测量的控制更具有净可提取性。一般第二法规定,封闭系统的总增温生产受相关消散(仅称为共消散)的影响,因此,共分解是不可转换的热生产,不能转换为工作。对于不测量的控制的共分解是分子体之间内部消散总和造成的。另一方面,由于反馈控制可以消除共分化,因此它可以从原则上从内部相关损失中提取工作,从而产生根本的优势。此外,共分解的特性与不可逆转的无作用的混合生产热消散相一致。因此,一般的第二法规定,该系统的增温生产受两种类型的消散总和:热和相关性。一般第二法则通过将所有子系的增温生产总和从内部相关损失中提取出工作,从而产生基本优势。此外,共分解的特性特征与不可逆转的无效性消散化特性相符合。我们发展了该系统的数据的同步序列。

0
下载
关闭预览

相关内容

专知会员服务
29+阅读 · 2021年5月20日
专知会员服务
61+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
人工智能 | 国际会议信息6条
Call4Papers
4+阅读 · 2019年1月4日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Arxiv
0+阅读 · 2021年9月30日
VIP会员
相关VIP内容
专知会员服务
29+阅读 · 2021年5月20日
专知会员服务
61+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
人工智能 | 国际会议信息6条
Call4Papers
4+阅读 · 2019年1月4日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Top
微信扫码咨询专知VIP会员