Quase todos os sistemas verdadeiramente intrigantes são aqueles que estão longe do equilíbrio, como estrelas, atmosferas planetárias, e até mesmo circuitos digitais. Mas, até agora, sistemas longe do equilíbrio térmico não podiam ser analisados ​​com a termodinâmica convencional e a física estatística.

Quando os físicos exploraram pela primeira vez a termodinâmica e a física estatística durante os anos 1800, e durante os anos 1900, eles se concentraram na análise de sistemas físicos que estão em ou perto do equilíbrio. A termodinâmica convencional e a física estatística também se concentraram em sistemas macroscópicos, que contém poucos, caso existam, subsistemas explicitamente distintos.

Em artigo publicado na revista Cartas de revisão física , SFI Professor David Wolpert apresenta um novo formalismo híbrido para superar todas essas limitações.

Felizmente, na virada do milênio, "um formalismo agora conhecido como física estatística de não-equilíbrio foi desenvolvido, "diz Wolpert." Isso se aplica a sistemas que estão arbitrariamente longe do equilíbrio e de qualquer tamanho. "

A física estatística de não-equilíbrio é tão poderosa que resolveu um dos mistérios mais profundos sobre a natureza do tempo:como a entropia evolui dentro de um regime intermediário? Este é o espaço entre o mundo macroscópico, onde a segunda lei da termodinâmica nos diz que deve sempre aumentar, e o mundo microscópico onde nunca pode mudar.

Agora sabemos que é apenas a entropia esperada de um sistema que não pode diminuir com o tempo. "Há sempre uma probabilidade diferente de zero de que qualquer amostra específica da dinâmica de um sistema resulte em entropia decrescente - e a probabilidade de entropia encolhendo aumenta à medida que o sistema fica menor, " ele diz.

Ao mesmo tempo em que essa revolução na física estatística estava ocorrendo, avanços importantes envolvendo os chamados modelos gráficos estavam sendo feitos na comunidade de aprendizado de máquina.

Em particular, o formalismo das redes bayesianas foi desenvolvido, que fornece um método para especificar sistemas com muitos subsistemas que interagem probabilisticamente entre si. As redes Bayes podem ser usadas para descrever formalmente a evolução síncrona dos elementos de um circuito digital - levando em conta totalmente o ruído dentro dessa evolução.

Wolpert combinou esses avanços em um formalismo híbrido, o que lhe permite explorar a termodinâmica de sistemas fora de equilíbrio que têm muitos subsistemas explicitamente distintos coevoluindo de acordo com uma rede de Bayes.

Como um exemplo do poder deste novo formalismo, Wolpert derivou resultados que mostram a relação entre três quantidades de interesse no estudo de sistemas em nanoescala como células biológicas:a precisão estatística de qualquer corrente definida arbitrariamente dentro do subsistema (como as probabilidades de que as correntes difiram de seus valores médios), o calor gerado pela operação da rede geral de Bayes composta por esses subsistemas, e a estrutura gráfica dessa rede Bayesiana.

"Agora podemos começar a analisar como a termodinâmica de sistemas que variam de células a circuitos digitais dependem das estruturas de rede que conectam os subsistemas desses sistemas, "diz Wolpert.