广义连续麦克斯韦妖

我们引入一类广义连续麦克斯韦妖（GCMD），其作用于理想化的单比特平衡器件，结合了单测量的Szilard协议与连续麦克斯韦妖协议的重复测量。我们推导了提取功、信息量与时间的循环分布，并计算了不同模型下的功率与信息到功的效率涨落。我们表明，在由稀有事件主导的动力学 regime 中，连续型的机会主义协议在最大功率处的效率最高。我们还将分析推广至有限时间提功协议，通过将其映射至三态GCMD。我们表明，该模型中的动力学有限时间关联提升了信息到功的转换效率，凸显了时间关联在优化信息到能量转换中的作用。我们还分析了有限时间提功与妖记忆重置的影响。我们得出结论：GCMD模型在热力学上比单测量Szilard更高效，且更适用于在信息冗余世界中描述生物过程。