Entropía fuera del equilibrio: cómo medir el caos que no se calma
Contexto
La termodinámica del equilibrio ofrece recetas claras para la entropía: a través del calor específico, de las fluctuaciones de energía o de la energía libre. Pero los sistemas vivos, los medios granulares y la materia activa existen lejos del equilibrio, donde esas recetas no funcionan. El trabajo está un poco apartado: cerca, en el mismo archivo, hay estudios sobre el caos sin conocer las reglas, sobre diagramas de fase y sobre cómo extraer leyes a partir del ruido. Todos ellos se enfrentan al mismo problema: cómo pescar información de un sistema complejo sin conocer sus detalles microscópicos.
Métodos
Los autores no proponen un único método universal, sino que reúnen una paleta de enfoques. La compresión de datos usa algoritmos del tipo LZ77: la longitud del archivo comprimido estima la entropía, porque un buen compresor se acerca al límite teórico de Shannon. Las cotas superiores a partir de funciones de correlación se apoyan en el principio de máxima entropía: conociendo solo las correlaciones por pares, se puede calcular la entropía máxima posible. El aprendizaje automático aplica la fórmula variacional de Donsker-Varadhan, donde una red neuronal busca el funcional óptimo. Las desigualdades cinéticas relacionan la entropía con el coeficiente de difusión y el tiempo de relajación.
Resultados
Los métodos se han probado en sistemas modelo y experimentales. En el modelo de Vicsek, la transición del desorden al movimiento en enjambre va acompañada de una caída brusca de la entropía, y el aporte principal proviene de los grados de libertad orientacionales, no de los posicionales. En bacterias que forman enjambres, el análisis entrópico reveló una transición nueva que no se veía a través del parámetro de orden. En empaquetamientos atascados de una mezcla binaria de gotas, el método de cotas superiores distinguió regímenes gobernados por correlaciones distintas. Cifras clave: la entropía cae en una magnitud del orden de 1–2 (en unidades de $k_B$ por partícula) durante la transición de fase, y para estimar la entropía de una distribución continua en un espacio de M dimensiones se necesitan del orden de $q^{-M}$ muestras, donde q es la fracción de eventos raros.
Implicaciones
El trabajo se distingue de sus vecinos en que se centra en sistemas físicos con grados de libertad continuos, donde la aplicación directa de los estimadores estadísticos es imposible. En lugar de un algoritmo universal, propone usar restricciones con motivación física, lo que hace que el enfoque sirva para datos experimentales. Es la primera sistematización de métodos que no solo estiman la entropía, sino que además permiten identificar los grados de libertad dominantes en una transición.
Desarrollo futuro
Las direcciones más prometedoras son la entropía cuántica de von Neumann y la producción de entropía. Para sistemas cuánticos se pueden deducir cotas superiores a partir de funciones de correlación, análogas a las clásicas. La producción de entropía, ligada a la irreversibilidad, es más difícil de medir, pero los nuevos métodos basados en redes neuronales y en el análisis cruzado prometen avances. Otro camino es combinar cotas de distintas fuentes para aislar el mecanismo principal.
Impacto
Los métodos son aplicables a la materia activa, a los sistemas biológicos, a los medios granulares y a los simuladores cuánticos. Ofrecen a los experimentadores una herramienta para detectar transiciones ocultas sin conocer el modelo microscópico.
Próximos pasos
Desarrollar expresiones analíticas para las cotas superiores a partir de coeficientes cinéticos, como la viscosidad o la conductividad. Generalizar los métodos a sistemas cuánticos y ponerlos a prueba con datos experimentales de átomos fríos.
Problemas abiertos clave
En física estadística sigue abierta la pregunta sobre la relación entre la entropía estática y la cinética lejos del equilibrio. Este trabajo propone desigualdades que podrían arrojar luz sobre esa relación, pero aún queda por comprobar su precisión y su universalidad. Tampoco está claro hasta qué punto las cotas superiores se acercan a la entropía verdadera en sistemas con correlaciones de largo alcance.
La entropía de una distribución continua puede ser negativa, a diferencia del caso discreto. Se ve en el ejemplo de un pico estrecho: cuanto más estrecho es el pico, menor es la entropía, y en el límite se va a menos infinito.
Cifras clave
- caída de la entropía en la transición: 1–2 k_B por partícula
- número de muestras requerido: q^{-M}, donde q es la fracción de eventos raros y M la dimensionalidad
- dimensionalidad del espacio de fases: típicamente 102–103
- entropía de una distribución continua: puede ser negativa
- número de partículas en el modelo de Vicsek: de cientos a miles