面向有限记忆推断的生化Szilard引擎
统计力学
2019-09-04 v2 软凝聚态物质
生物物理
分子网络
摘要
通过发展并利用一种测量与反馈驱动Szilard引擎的显式分子实现，我们研究了具有有限记忆与决策能力的极小机器从复杂环境中提取功的问题。生命系统通过推断来利用环境中的复杂结构或相关性，但其中涉及的物理极限与潜在的收益/成本权衡仍不清楚。为探究这些问题，我们考虑一个结构化环境的极小模型——相关分子序列，并探索基于扩展Szilard引擎提取这些非平衡相关性中所存储功的机制。我们考虑限于单比特记忆、在每步做二元“选择”的系统。我们证明，愈发复杂的环境允许愈发精巧的推断策略提取比简单替代方案更多的能量，并主张此类机器的最优设计还应考虑为确保对错误所致涨落的鲁棒性所需的能量储备。
引用
@article{arxiv.1812.08401,
title = {Biochemical Szilard engines for memory-limited inference},
author = {Rory A. Brittain and Nick S. Jones and Thomas E. Ouldridge},
journal= {arXiv preprint arXiv:1812.08401},
year = {2019}
}