Earlier studies have revealed that Maxwell's demon must obey the second law of thermodynamics. However, it is still an open question whether there is a fundamental net gain and indispensability of using information. Here, gain refers to free energy or mechanical work. In this paper, we report a novel generalization of the second law of thermodynamics that answers this question in affirmative. The entropy production can be split into two contributions: the entropy productions of the individual subsystems and the decrease in the correlations internally between subsystems. Our novel generalization of the second law implies that information is indispensable and that a positive net gain can be realized if an agent exploits the latter contribution of this split. Particularly, it is shown that the total entropy production has a lower bound corresponding to the positive quantity that emerges when the internal correlations of the target system diminish without the correlation between an agent and the target of its control. In other words, the target information is indispensable for exploiting the internal correlations to extract free energy or work. As the internal correlations can grow linearly with the number of the subsystems constituting the target system, the control with such correlations, i.e., feedback control, can provide substantial gain that exceeds the operational cost paid for performing the feedback control, which is negligible in the thermodynamic limit. Thus, the generalized second law presented in this paper can be interpreted as a physical principle that explains the mechanism through which information becomes not only substantially beneficial and but also inevitable at the macroscopic scale.


翻译:先前的研究显示, Maxwell 的恶魔必须遵从热力学的第二定律。 但是, 我们的第二定律的简单化意味着信息是不可或缺的, 如果一个代理商利用了后者的分解作用, 信息是否具有基本的净增益和不可或缺性, 还是可以实现正净增益。 在这里, 增益指的是免费能源或机械工作。 在本文中, 我们报告对热力学的第二定律作了新颖的概括化, 回答这个问题的答案是肯定的。 增温性生产可以分为两种贡献: 单个子系统的增温性生产, 以及子子系统内部关联的减少。 我们的第二定律的简单化化意味着信息是不可或缺的, 如果一个代理商利用了后者的分解作用, 信息是肯定的, 则总增益性生产量的结合了正数。 如此, 精细化的精确的精确度可以解释, 精确的精确度可以解释, 精确的精确度可以解释, 精确的精确度可以解释, 。

0
下载
关闭预览

相关内容

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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
23+阅读 · 2022年2月4日
Arxiv
14+阅读 · 2020年12月17日
Financial Time Series Representation Learning
Arxiv
10+阅读 · 2020年3月27日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
VIP会员
相关资讯
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关论文
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员