Imaginen un enjambre de 200 partículas que se empujan sin parar, igualan sus velocidades y tienden hacia un objetivo común. Este enjambre no se limita a revolotear por el espacio: aprende a predecir el caos. Una señal externa, parecida al comportamiento impredecible del clima, entra por una partícula conductora, y las demás deben adivinar hacia dónde se moverá después. Un enjambre así es un computador físico de reservorio, y su capacidad de predicción depende de cómo gestiona la entropía.
Resultó que la magnitud absoluta de la entropía no es tan importante. Mucho más importa cuánto modifica la señal externa la respuesta termodinámica del sistema. Cuando el conductor está conectado, el flujo de calor hacia el entorno se multiplica por miles, y la entropía del sistema, por decenas. Es ese aumento relativo, y no la entropía en sí, lo que correlaciona con el rendimiento del enjambre.
Este hallazgo cambia el enfoque del diseño de computadores físicos. En lugar de entrenar a cada candidato, con lo caro que resulta, se pueden seleccionar rápidamente los regímenes adecuados midiendo cómo responde el sistema a la señal externa. Ese cribado es aplicable a enjambres de materia activa, a sistemas fotónicos y a sistemas de espín.
Un enjambre de partículas que antes parecía un simple montón caótico resulta ser un instrumento fino. Su entropía funciona como una brújula que señala las capacidades de cómputo. Y la mejor brújula no es la que marca mucho, sino la que responde con sensibilidad a la señal externa.
El rendimiento máximo del reservorio se alcanza en un régimen donde el flujo de calor hacia el entorno es mínimo en ausencia de señal, pero al aplicar la señal aumenta miles de veces.
La idea de utilizar un enjambre de partículas para computar resuena con el concepto de «materia computante» de la novela «El invencible» de Stanisław Lem, donde un colectivo de máquinas microscópicas procesa información.