关联驱动的信息引擎与自校正热力学

信息引擎可以利用结构化环境作为资源，通过随机化有序输入并利用增加的Shannon熵将能量从热库转移到做功库来产生功。我们给出了信息引擎做功的广泛适用表达式，该引擎通常被建模为有记忆信道，在与不断演化的环境交互时将输入传递至输出。该表达式表明，信息引擎必须具有多于一个的记忆状态才能利用输入环境关联。为了强调这一功能，我们设计了一个完全由时间关联而非先前引擎所使用的统计偏差驱动的信息引擎。其关键在于引擎的同步能力——当输入损坏（即未预料的环境波动）使引擎陷入不期望的耗散相时，它能自动返回到期望的动力学相。这种自校正机制在达到临界损坏水平之前是稳健的，超过该水平系统将无法作为引擎运行。我们给出了做功和临界损坏水平的显式解析表达式，并通过引擎控制参数上的热力学函数相图总结了引擎性能。结果揭示了一种基于非遍历性的新热力学机制，该机制是纠错的基础，以支持具有弹性的工程与生物系统。