Inferring entropy production in many-body systems using nonequilibrium MaxEnt

要約

長いメモリを持つ多くの体系や非マルコビア系を含む高次元の確率的システムにおけるエントロピー生産（EP）を推測する方法を提案します。
EPを推定するための標準的な手法は、計算的および統計的な制限により、このようなシステムで扱いにくいものになります。
凸型の二重性とともに、最大エントロピー原理の非平衡アナログを活用することにより、平均して平均的なEPの軌跡レベルのEPおよび下限EPを推測します。
私たちのアプローチでは、軌道観測可能性のサンプルのみを使用しています（時空間相関関数など）。
高次元確率分布またはレートマトリックスの再構築も、離散状態やマルチパルタイトダイナミクスなどの特別な仮定も必要ありません。
さまざまな種類の相互作用からの貢献を反映して、EPの階層的分解を計算するために使用される場合があり、熱力学的不確実性の関係として直感的な物理的解釈があります。
1000のスピンと大規模な神経スパイクトレインデータセットを備えた無排除非平衡スピンモデルの数値性能を示します。

要約(オリジナル)

We propose a method for inferring entropy production (EP) in high-dimensional stochastic systems, including many-body systems and non-Markovian systems with long memory. Standard techniques for estimating EP become intractable in such systems due to computational and statistical limitations. We infer trajectory-level EP and lower bounds on average EP by exploiting a nonequilibrium analogue of the Maximum Entropy principle, along with convex duality. Our approach uses only samples of trajectory observables (such as spatiotemporal correlation functions). It does not require reconstruction of high-dimensional probability distributions or rate matrices, nor any special assumptions such as discrete states or multipartite dynamics. It may be used to compute a hierarchical decomposition of EP, reflecting contributions from different kinds of interactions, and it has an intuitive physical interpretation as a thermodynamic uncertainty relation. We demonstrate its numerical performance on a disordered nonequilibrium spin model with 1000 spins and a large neural spike-train dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google