Una computadora normal calcula haciendo circular cargas eléctricas por los cables. ¿Y se puede calcular con calor? Una red de tubos por los que circula agua caliente y fría puede realizar operaciones lógicas simples si se conectan los tubos en el orden adecuado. Las diferencias de temperatura funcionan como compuertas en un procesador, solo que en lugar de voltaje se usa la diferencia de calor.
Ya se ha propuesto construir este tipo de computadoras térmicas, pero tienen un precio: cada cálculo requiere disipar un poco de calor; de lo contrario, la señal se ahoga en las fluctuaciones aleatorias de temperatura. Los autores del nuevo trabajo han deducido fórmulas rigurosas que relacionan la precisión de la respuesta, la velocidad de transmisión de información y las pérdidas de energía inevitables. No es posible eliminar por completo los errores: incluso con un gasto de calor muy grande, queda un nivel mínimo de ruido impuesto por el tamaño de los depósitos térmicos.
Cuando se conectan varios elementos térmicos en cadena para realizar una tarea compleja, el gasto de energía no crece simplemente de forma proporcional al número de elementos. Los autores demostraron que, para una red de longitud L, las pérdidas crecen como L multiplicado por el logaritmo de L, y con un fuerte aumento del ruido, hasta el cubo de L. Los circuitos térmicos grandes se vuelven impracticablemente voraces, y hay que buscar formas de enfriar o aislar cada etapa.
El trabajo conecta la física de los procesos térmicos con la teoría de la información. Ofrece a los ingenieros pautas claras: cuánta energía habrá que gastar para que una computadora térmica calcule con la precisión deseada, y dónde está el límite más allá del cual no tiene sentido avanzar.
tal como lo escribieron los autores, en inglés arXiv:2608.10027v1
Autonomous quantum thermal machines have recently been proposed as physics-based computing substrates where logical inputs and outputs are encoded in temperature gradients. While such ``thermodynamic neurons'' exhibit a clear trade-off between computational fidelity and heat dissipation, the fundamental information-theoretic limits of temperature-encoded computation remain uncharacterized. Here, we derive rigorous bounds linking average error probability, channel capacity, and entropy production for finite-capacity thermal reservoirs operating far from equilibrium. We prove that the minimal dissipation required to achieve a target average error probability $$\langle \xi \rangle$$ diverges as $$\langle \xi \rangle$$ approaches a fundamental minimum error floor $$\epsMin$$ imposed by finite-reservoir thermal fluctuations. We further establish a thermodynamic channel capacity that saturates at high dissipation, and quantify the minimal dissipation required for cascaded networks to maintain target fidelity, demonstrating a fundamental $$\mathcal{O}(L \ln L)$$ overhead with network depth, with the required dissipation growing up to $$\mathcal{O}(L^3)$$ under strong noise amplification conditions. Our framework bridges stochastic thermodynamics, finite-time information theory, and autonomous computation, providing rigorous design principles for energy-efficient analog thermodynamic hardware.
El nivel mínimo de error en una computadora térmica recuerda al ruido de un receptor de radio: incluso con una sintonización perfecta, queda un ligero silbido debido al movimiento térmico de los electrones.