Presque tous les systèmes vraiment intrigants sont ceux qui sont loin de l'équilibre, comme les étoiles, atmosphères planétaires, et même des circuits numériques. Mais, jusqu'à maintenant, les systèmes éloignés de l'équilibre thermique ne pouvaient pas être analysés avec la thermodynamique conventionnelle et la physique statistique.

Lorsque les physiciens ont exploré la thermodynamique et la physique statistique pour la première fois dans les années 1800, et à travers les années 1900, ils se sont concentrés sur l'analyse des systèmes physiques qui sont à l'équilibre ou près de l'équilibre. La thermodynamique conventionnelle et la physique statistique se sont également concentrées sur les systèmes macroscopiques, qui en contiennent peu, si seulement, des sous-systèmes explicitement distingués.

Dans un article publié dans la revue Lettres d'examen physique , Le professeur SFI David Wolpert présente un nouveau formalisme hybride pour surmonter toutes ces limitations.

Heureusement, au tournant du millénaire, "un formalisme maintenant connu sous le nom de physique statistique hors d'équilibre a été développé, " dit Wolpert. " Cela s'applique aux systèmes qui sont arbitrairement éloignés de l'équilibre et de toute taille. "

La physique statistique hors équilibre est si puissante qu'elle a résolu l'un des plus profonds mystères de la nature du temps :comment l'entropie évolue-t-elle dans un régime intermédiaire ? C'est l'espace entre le monde macroscopique, où la deuxième loi de la thermodynamique nous dit qu'elle doit toujours augmenter, et le monde microscopique où il ne peut jamais changer.

Nous savons maintenant que c'est seulement l'entropie attendue d'un système qui ne peut pas diminuer avec le temps. "Il y a toujours une probabilité non nulle qu'un échantillon particulier de la dynamique d'un système entraîne une diminution de l'entropie - et la probabilité de diminution de l'entropie augmente à mesure que le système devient plus petit, " il dit.

En même temps que cette révolution de la physique statistique se produisait, des avancées majeures impliquant des modèles dits graphiques étaient en cours au sein de la communauté de l'apprentissage automatique.

En particulier, le formalisme des réseaux bayésiens a été développé, qui fournit une méthode pour spécifier des systèmes avec de nombreux sous-systèmes qui interagissent de manière probabiliste les uns avec les autres. Les réseaux de Bayes peuvent être utilisés pour décrire formellement l'évolution synchrone des éléments d'un circuit numérique, en tenant pleinement compte du bruit au sein de cette évolution.

Wolpert a combiné ces avancées dans un formalisme hybride, ce qui lui permet d'explorer la thermodynamique des systèmes hors équilibre qui ont de nombreux sous-systèmes explicitement distingués coévoluant selon un réseau de Bayes.

Comme exemple de la puissance de ce nouveau formalisme, Les résultats dérivés de Wolpert montrent la relation entre trois quantités d'intérêt dans l'étude des systèmes à l'échelle nanométrique comme les cellules biologiques :la précision statistique de tout courant défini arbitrairement au sein du sous-système (comme les probabilités que les courants diffèrent de leurs valeurs moyennes), la chaleur générée par le fonctionnement du réseau global de Bayes composé de ces sous-systèmes, et la structure graphique de ce réseau de Bayes.

"Nous pouvons maintenant commencer à analyser comment la thermodynamique des systèmes allant des cellules aux circuits numériques dépend des structures de réseau reliant les sous-systèmes de ces systèmes, " dit Wolpert.