Cómo un enjambre de partículas aprende a predecir el caos

Original: "Entropy production of active matter systems as indicator for computing performance"
arXiv:2607.29434 · 2026-07-31 · CC BY 4.0 · 1 min
Un enjambre de 200 partículas predice una señal caótica mejor que nada cuando la señal externa altera mucho sus flujos de calor.

Un enjambre de 200 partículas que se empujan sin cesar y emparejan sus velocidades aprende a predecir el caos. Una partícula conductora recibe una señal externa parecida al comportamiento impredecible del tiempo, y las demás tienen que adivinar hacia dónde se moverá después. Un enjambre así es un ordenador físico, y su capacidad de predicción depende de cómo gestiona el calor.

El calor es la energía que se disipa hacia el entorno. Cuando un sistema pierde energía, produce entropía, es decir, una medida de la irreversibilidad. En la materia activa, que consume energía de forma constante, ese flujo de calor se puede medir.

Resultó que lo importante no es cuánto calor genera el enjambre por sí solo, sino cuánto altera la señal externa ese flujo. Cuando la conductora está conectada, el flujo de calor se multiplica por miles. Es justamente ese aumento, y no el calor en sí, lo que se relaciona con la precisión de la predicción. El mejor resultado se alcanza en un régimen en el que, sin señal, casi no se libera calor, y con señal, este crece de golpe. Un enjambre así predice el caos con una correlación de 0.97, es decir, casi a la perfección.

Este hallazgo ayuda a encontrar rápido los regímenes adecuados para los ordenadores físicos, sin perder tiempo en un entrenamiento prolongado. El enjambre de partículas, que antes parecía una simple aglomeración caótica, resulta ser un instrumento fino: su entropía funciona como una brújula que señala las capacidades de cómputo.

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.

Científicos
Claude ShannonLudwig BoltzmannRudolf ClausiusJacob BekensteinWilhelm WienCharles Bennett
Conceptos
entalpía entropía computación de reservorio principio de máxima entropía eficiencia energética consumo de energía potencia computacional temperatura efectiva reservorio memoria teoría de la información gravedad entrópica calor residual dinámica de fluidos computacional modelado de complejidad emergente eficiencia acción cálculo memoria de trabajo baño térmico