Les réseaux de réactions chimiques ouverts, qui échangent de la matière avec des réservoirs, peuvent présenter aux échelles macroscopiques une dynamique irrégulière des concentrations. La description standard par des équations de vitesse déterministes peut engendrer du chaos, comme on l'a observé dans les expériences sur la réaction de Belousov-Jabotinski. Or, à l'échelle moléculaire, les réactions se produisent comme des événements aléatoires discrets : le volume fini du réseau réactionnel est donc fondamentalement décrit par l'équation maîtresse chimique, équivalente à un processus de saut markovien pour les nombres de particules. Cette description stochastique reste valable même lorsque l'équation de vitesse macroscopique est chaotique, et elle a servi à étudier les fluctuations internes dans de tels systèmes. La notion déterministe standard de chaos ne s'applique pas directement à un tel processus : le lien entre le chaos chimique macroscopique et la description stochastique est donc, par son esprit, analogue à la dérivation du comportement thermodynamique à partir de la mécanique statistique moléculaire. Ce travail fait un peu bande à part : à côté, dans l'archive, on trouve des études sur le mélange quantique, les chaînes quantiques, le désordre et le chaos dans le monde quantique, mais il n'y a presque pas de voisins directs sur le thème du chaos chimique et de la théorie de l'information.
Les auteurs considèrent un réseau de réactions chimiques à trois substances et sept canaux réactionnels, une version modifiée du modèle CS14 proposé par Plesa et Sprott. Pour un volume fini V, la dynamique est décrite par l'équation maîtresse chimique, et dans la limite V→∞ elle passe aux équations de vitesse déterministes qui, pour les paramètres choisis, présentent du chaos avec un exposant de Lyapunov maximal positif de 0.065. La grandeur clé est l'information mutuelle entre la concentration à l'instant t et la concentration initiale, l'état initial étant tiré de la distribution stationnaire. Les auteurs utilisent une décomposition de l'information mutuelle en termes d'entropies et appliquent un développement en taille de système : avant le temps de croisement, qui croît avec le volume, la distribution conditionnelle de la concentration à condition initiale fixée est bien approchée par une gaussienne dont la covariance évolue selon le flot déterministe linéarisé. Numériquement, l'information mutuelle est estimée par la méthode des k plus proches voisins avec k=10, sur des échantillons de 50 concentrations initiales et 10^6 trajectoires pour chacune.
Les auteurs montrent que la vitesse de décroissance de l'information mutuelle, définie comme −dI(X_t; X_0)/dt, converge dans la limite des grands volumes vers l'entropie de Kolmogorov-Sinaï du modèle déterministe, égale à la somme des exposants de Lyapunov positifs (ici 0.065). Le mécanisme est transparent dans le développement en taille de système : la stationnarité permet d'exprimer la perte d'information mutuelle comme la croissance de l'entropie conditionnelle de Shannon. Avant le temps de croisement t_c(V), qui diverge quand V→∞, les fluctuations conditionnelles sont localement gaussiennes, leur covariance évolue sous l'action du flot linéarisé, leur largeur croît exponentiellement le long des directions instables et reste bornée le long des directions stables. La vitesse de croissance de l'entropie conditionnelle est donc égale à la somme des exposants de Lyapunov positifs, et l'égalité de Pesin identifie cette somme à l'entropie de Kolmogorov-Sinaï. Les simulations numériques pour V=10^2,...,10^6 le confirment : aux petits volumes, l'information mutuelle chute rapidement à cause des fortes fluctuations réactionnelles, et lorsque V augmente apparaît un régime intermédiaire de décroissance approximativement linéaire, dont la pente tend vers 0.065. La perte relative d'information ΔI(t;t_ref), avec t_ref=5, suit l'approximation gaussienne de plus en plus longtemps à mesure que V augmente, et la vitesse de perte d'information gaussienne à temps fini se rapproche de h_KS.
Ce travail fournit le premier pont explicite, en théorie de l'information, entre l'équation maîtresse stochastique et le chaos déterministe. Contrairement aux études voisines, qui portent sur le mélange quantique, les chaînes quantiques ou le chaos dans le monde quantique, l'objet étudié ici est un processus de saut markovien classique dont le bruit provient de la finitude du volume. La méthode ne requiert ni réservoir auxiliaire externe ni appareil de mesure, comme dans les constructions quantiques de l'entropie de Kolmogorov-Sinaï : elle s'appuie sur la distribution à deux temps d'un processus autonome. Cela complète les approches existantes et propose un nouvel outil pour analyser le chaos dans les systèmes stochastiques à limite déterministe.
La formulation peut être étendue à des systèmes stochastiques généraux à limite déterministe, par exemple aux systèmes chaotiques avec un bruit faible. On peut aussi envisager des automates cellulaires probabilistes et des modèles de gaz sur réseau, où la discrétisation subsiste même dans la limite déterministe. Il serait intéressant de mesurer la vitesse de perte d'information mutuelle dans de tels systèmes pour caractériser le comportement chaotique. Une autre direction est le chaos quantique : le lien avec l'entropie de Kolmogorov-Sinaï quantique, définie via un bain auxiliaire faible ou des mesures faibles, reste à élucider.
Le résultat peut influencer l'analyse des modèles stochastiques en cinétique chimique et dans les domaines voisins, où il importe de distinguer le chaos déterministe du bruit. Il propose aussi une nouvelle façon de quantifier le chaos dans les systèmes à fluctuations internes.
L'étape suivante consiste à vérifier la convergence pour d'autres systèmes chimiques chaotiques et pour des systèmes stochastiques à fluctuations non gaussiennes. Il faudrait aussi étudier le comportement de la vitesse de perte d'information au voisinage des points de bifurcation et pour des systèmes à plusieurs attracteurs.
En mécanique statistique, la question de savoir comment le comportement thermodynamique émerge de la dynamique moléculaire reste ouverte. Ce travail relie une mesure informationnelle d'un processus stochastique à une dynamique chaotique déterministe, ce qui éclaire un problème analogue pour les systèmes chimiques hors d'équilibre. Reste non résolue la tâche de démontrer rigoureusement la convergence des mesures stationnaires de volume fini vers la mesure invariante du système déterministe dans le cas général.
L'entropie de Kolmogorov-Sinaï du modèle CS14 modifié vaut 0.065, ce qui correspond à un temps de doublement de l'incertitude d'environ 10.7 unités de temps. Pour un volume V=10^6, le temps de croisement au-delà duquel l'approximation gaussienne est mise en défaut est estimé à t_c ≈ (1/0.065) ln(10^6) ≈ 212 unités de temps.