中文

利用环境相关性:必需多样性的热力学

统计力学 2017-04-26 v1 信息论 机器学习 动力系统 math.IT 适应与自组织系统

摘要

必需多样性是决定生物成功的关键,它是指适应型生物体所面对的其环境中可检测、可访问和可控状态的集合。我们分析了它在信息棘轮热力学功能中的作用——信息棘轮是一种自主的麦克斯韦妖形式,能够利用外部信息库的波动从热浴中提取有用功。这建立了一个定量范式,用于理解适应型智能体如何利用结构化的热环境以获取自身的热力学利益。一般棘轮表现为有记忆的通信信道,与其环境顺序交互并将结果存储到输出。然而,迄今为止分析的大多数热棘轮假设环境是无记忆的,即生成的输入信号没有时间相关性。利用计算力学和新的信息处理第二定律 (IPSL),我们消除了这些限制,分析了一般有限状态棘轮与生成相关输入信号的结构化环境之间的相互作用。一方面,我们证明棘轮不需要记忆即可利用非相关环境。另一方面,更适用于生物适应的情况是,我们表明棘轮必须具备记忆才能最有效地利用其环境中的结构和相关性。结论是,为了最优地提取功,棘轮的记忆必须反映输入生成器的记忆。最后,我们研究了达到 IPSL 关于棘轮可从其环境中提取功的量的界限,发现有限状态的最优棘轮无法达到这些界限。相比之下,我们表明无限状态棘轮可以利用其自身无限的“负熵”远远超越这些界限。我们以信息棘轮群的集体热力学概述作为结论。

关键词

引用

@article{arxiv.1609.05353,
  title  = {Leveraging Environmental Correlations: The Thermodynamics of Requisite Variety},
  author = {Alexander B. Boyd and Dibyendu Mandal and James P. Crutchfield},
  journal= {arXiv preprint arXiv:1609.05353},
  year   = {2017}
}

备注

19 pages, 9 figures, http://csc.ucdavis.edu/~cmg/compmech/pubs/tom.htm