Markov 网络中的 strobes 式测量：精确生成器重建与热力学推断
统计力学
2025-03-17 v2
摘要
随机热力学的一个主要目标是估计伴随特定可观测现象而发生的不可避免耗散。这些结果常常表述为总熵产生率的下界，捕获基于可用数据alone 能确定的耗散部分。在本文中，我们讨论连续时间动力学在 Markov 网络上的 strobes 式观测，即在固定时间间隔的离散时间点观测的情况。我们比较标准方法（推导稳态下熵产生率的下界）与较少使用的方法（通过取矩阵对数从观测到的传递算子重建生成器）。只要 strobes 式测量的尺度小于可从可用数据确定的临界值，后者方法能够恢复熵产生率或循环亲和力等所有热力学量，从而优于常规方法。超过临界值后，我们仍能获得这些量的紧密的上、下界，显著优于现有方法。我们通过数值示例和对两种方法要求与局限性的讨论进行了比较。
引用
@article{arxiv.2412.15642,
title = {Stroboscopic measurements in Markov networks: Exact generator reconstruction vs. thermodynamic inference},
author = {Malena T. Bauer and Udo Seifert and Jann van der Meer},
journal= {arXiv preprint arXiv:2412.15642},
year = {2025}
}