La collaboration en physique pousse un moteur d’information à ses limites


Diagramme schématique de l'installation expérimentale. AOD = Déflecteur acousto-optique, FPGA = réseau de portes programmables sur site, QPD = photodiode à quadrant, L = lentilles, M = miroirs, F1–3 = miroirs dichroïques. Les composants représentatifs ne sont pas à l’échelle. Crédit: Avancées en physique : X (2024). DOI : 10.1080/23746149.2024.2352112

Les molécules qui composent la matière qui nous entoure sont en mouvement constant. Et si nous pouvions exploiter cette énergie et l’utiliser ?

Il y a plus de 150 ans, Maxwell a émis l'hypothèse que si le mouvement des molécules pouvait être mesuré avec précision, cette information pourrait être utilisée pour alimenter un moteur. Jusqu’à récemment, il s’agissait d’une expérience de pensée, mais les avancées technologiques ont permis de construire des moteurs d’information fonctionnels en laboratoire.

Les professeurs de physique John Bechhoefer et David Sivak de la SFU se sont associés pour créer un moteur d'information et tester ses limites. Leurs travaux ont considérablement fait progresser notre compréhension du fonctionnement de ces moteurs, et un article dirigé par le chercheur postdoctoral Johan du Buisson et publié récemment dans Avancées en physique : X résume les résultats de leur collaboration.

“Nous vivons dans un monde plein d'énergie supplémentaire inutilisée qui pourrait potentiellement être utilisée”, déclare Bechhoefer. Comprendre le fonctionnement des moteurs d'information peut non seulement nous aider à utiliser cette énergie, mais également suggérer des moyens de repenser les moteurs existants pour utiliser l'énergie plus efficacement, et nous aider à comprendre comment les moteurs biologiques fonctionnent dans les organismes et le corps humain.

Le moteur d'information de l'équipe consiste en une minuscule perle placée dans un bain-marie et maintenue en place par un piège optique. Lorsque les fluctuations de l'eau font déplacer la perle dans la direction souhaitée, le piège peut être ajusté pour empêcher la perle de revenir à l'endroit où elle se trouvait auparavant. En prenant des mesures précises de l'emplacement de la perle et en utilisant ces informations pour ajuster le piège, le moteur est capable de convertir l'énergie thermique de l'eau en travail.

Pour comprendre la rapidité et l’efficacité du moteur, l’équipe a testé plusieurs variables telles que la masse de la perle et la fréquence d’échantillonnage, et a développé des algorithmes pour réduire l’incertitude de leurs mesures.

“En réduisant à sa plus simple essence, nous pouvons systématiquement comprendre comment des éléments tels que la température et la taille du système modifient les éléments dont nous pouvons tirer parti”, explique Sivak. “Quelles sont les stratégies qui fonctionnent le mieux ? Comment évoluent-elles avec toutes ces différentes propriétés ?”

L'énergie circule dans des moteurs conventionnels et d'information utilisés pour déplacer une perle. Crédit: Avancées en physique : X (2024). DOI : 10.1080/23746149.2024.2352112

L’équipe a pu atteindre la vitesse la plus rapide enregistrée à ce jour pour un moteur d’information, environ dix fois plus rapide que la vitesse d’E. coli, et comparable à la vitesse des bactéries mobiles trouvées dans les environnements marins.

Ensuite, l’équipe a voulu savoir si un moteur d’information pouvait récolter plus d’énergie qu’il n’en coûtait pour fonctionner. “En équilibre, c'est toujours un jeu perdant”, dit Bechhoefer. “Les coûts liés à la collecte des informations et à leur traitement dépasseront toujours ce que vous en retirez, mais lorsque vous disposez d'un environnement qui a plus d'énergie, (les molécules faisant) plus de trépidations, alors cela peut changer l'équilibre s'il est fort. assez.”

Ils ont découvert que dans un environnement hors équilibre, où le moteur se trouvait dans un bain thermique à une température plus élevée que celle de l'appareil de mesure, il pouvait produire beaucoup plus de puissance que ce qu'il en coûtait pour fonctionner.

Toute l’énergie sur Terre provient du soleil et finit par rayonner dans l’espace. Ce flux d’énergie directionnel se manifeste de différentes manières, par exemple par le vent ou les courants océaniques qui peuvent être exploités. Comprendre les principes qui sous-tendent les moteurs d’information peut nous aider à mieux utiliser cette énergie.

“Nous abordons (la récupération d'énergie) d'un point de vue très différent, et nous espérons que cette perspective différente pourra conduire à des idées différentes sur la manière d'être plus efficace”, a déclaré Bechhoefer.

Le duo a hâte de travailler ensemble sur d’autres projets à l’avenir. “Nous avons eu la chance d'obtenir une subvention commune. Cela a vraiment facilité la collaboration”, explique Bechhoefer.

Sivak, théoricien, et Bechhoefer, expérimentateur, apportent des approches complémentaires à leur travail et ont réussi à attirer des stagiaires souhaitant travailler avec les deux. « Nous avons des styles différents quant à la façon dont nous encadrons et dirigeons un groupe », explique Sivak. “Nos étudiants et post-doctorants peuvent bénéficier des deux approches.”

Plus d'information:
Johan du Buisson et al, Limites de performances des moteurs d'information, Avancées en physique : X (2024). DOI : 10.1080/23746149.2024.2352112

Fourni par l'Université Simon Fraser

Citation: La collaboration en physique pousse un moteur d'information à ses limites (6 juin 2024) récupéré le 6 juin 2024 sur

Ce document est soumis au droit d'auteur. En dehors de toute utilisation équitable à des fins d'étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.



Related posts

L’analyse révèle que la plupart des LLM majeurs en open source et en source fermée ont tendance à pencher à gauche lorsqu’on leur pose des questions à forte connotation politique

Une étude examine la contagion du suicide après le décès de célébrités, ouvrant des pistes de prévention

Sonder la capture du carbone, atome par atome, avec un modèle d’apprentissage automatique