A $q$-Caputo Fractional Generalization of Tsallis Entropy: Series Representation and Non-Negativity Domains

Este artículo presenta una generalización fraccional de la entropía de Tsallis mediante un operador $q$-Caputo, derivando una representación en serie cerrada y analizando numéricamente los dominios de no negatividad en función de los parámetros fraccionales y de no extensividad.

Lo esencial

¡Hola! Imagina que el universo es un gran libro de recetas, y la Termodinámica (la rama de la física que estudia el calor y la energía) es el capítulo sobre cómo mezclar los ingredientes.

Durante mucho tiempo, usamos una receta clásica llamada Entropía de Boltzmann-Gibbs. Es como una receta de pastel estándar: funciona perfecto para cosas simples, como un gas en una caja o un café caliente. Pero, ¿qué pasa si intentas cocinar algo más complejo, como un sistema con "memoria" (que recuerda lo que pasó antes) o con interacciones a larga distancia (como si los ingredientes se comunicaran entre sí a través de la cocina entera)? La receta estándar se queda corta.

Aquí es donde entra un físico llamado Tsallis, quien propuso una receta modificada (la Entropía de Tsallis) con un "ingrediente secreto" llamado $q$. Este ingrediente ajusta la receta para que funcione en sistemas complejos, como terremotos, mercados financieros o incluso el cerebro.

El Nuevo Ingrediente: La "Fracción"

En este nuevo artículo, los autores (Matias y Bayron) dicen: "¡Espera! La receta de Tsallis ya es genial, pero ¿y si la hacemos aún más flexible?".

Para entender su idea, imagina que tienes una máquina de cortar (un operador matemático).

1. La máquina normal corta el pastel en 1 pieza entera (derivada normal).
2. La máquina de Tsallis corta el pastel de una forma especial basada en el ingrediente $q$.
3. Los autores de este paper introducen una nueva máquina mágica llamada derivada fraccional de Caputo-q.

¿Qué significa "fraccional"?
Imagina que no solo puedes cortar el pastel en 1 pieza o en 2, sino que puedes cortarlo en 0.5 de pieza, o en 0.7, o en 0.9. Es como tener un control deslizante que te permite ajustar la "suavidad" o la "profundidad" de tu cálculo. No es todo o nada; es un punto intermedio.

La Gran Idea del Artículo

Los autores toman la fórmula de Tsallis y le aplican este "corte fraccional" (el operador $\alpha$, donde $\alpha$ es un número entre 0 y 1).

• Si $\alpha = 1$: Usas el corte completo y recuperas la receta original de Tsallis (la que ya conocíamos).
• Si $\alpha$ es algo como 0.5: Estás creando una nueva versión de la entropía que tiene "memoria" y "no-localidad". Es como si el sistema pudiera sentir lo que pasó en el pasado o sentir lo que ocurre en otra parte de la cocina, no solo en su vecindad inmediata.

El Problema de la "Negatividad" (El pastel que desaparece)

En la física, la entropía suele ser como una medida de "desorden" o "información". Por lo general, no puede ser negativa (no puedes tener menos que cero desorden).

Los autores hicieron un experimento numérico (como una simulación por computadora) para ver qué pasa con su nueva fórmula. Descubrieron algo fascinante y un poco peligroso:

• Hay una zona segura (marcada en azul en su gráfico) donde la entropía sigue siendo positiva, como debe ser.
• Pero hay una zona prohibida (marcada en gris) donde, dependiendo de cómo ajustes los ingredientes ($q$ y $\alpha$), la entropía se vuelve negativa.

La analogía:
Imagina que estás midiendo la "alegría" de una fiesta. Normalmente, la alegría es un número positivo (1, 2, 10...). Si usas la fórmula nueva con los parámetros incorrectos, el cálculo te dirá que la fiesta tiene "-5 de alegría". En física, esto significa que la fórmula ha salido de su zona de validez o que estamos describiendo un estado tan extraño que nuestra definición de "orden" se rompe.

¿Por qué es importante esto?

1. Flexibilidad: Nos da un nuevo "control deslizante" ($\alpha$) para modelar sistemas complejos que las fórmulas antiguas no podían explicar bien.
2. Límites: Nos advierte dónde no debemos usar la fórmula. Si quieres modelar un sistema físico real, debes asegurarte de que tus parámetros ($\alpha$ y $q$) caigan en la "zona azul" para que la entropía tenga sentido.
3. Futuro: Esto abre la puerta a nuevos modelos en mecánica estadística, teoría de la información y sistemas complejos, donde el "pasado" y la "distancia" importan mucho.

En resumen

Los autores han creado una versión "fraccional" de la entropía de Tsallis. Es como tomar una receta de cocina ya avanzada y añadir un dial que te permite ajustar la textura del pastel en infinitos pasos intermedios.

• Lo bueno: Permite describir sistemas con memoria y comportamientos extraños.
• La advertencia: Si giras el dial demasiado (ajustando mal los parámetros), la receta se vuelve "negativa" y pierde sentido físico.

Es un trabajo matemático elegante que nos dice: "Tenemos una herramienta poderosa, pero debemos saber exactamente dónde y cómo usarla para no cocinar un desastre".

Resumen técnico

Resumen Técnico: Una Generalización Fraccional q-Caputo de la Entropía de Tsallis

1. Planteamiento del Problema

La entropía de Tsallis ($S_q$) es una herramienta fundamental en la mecánica estadística no extensiva para modelar sistemas con interacciones de largo alcance, correlaciones y propiedades fractales. Sin embargo, la formulación estándar se basa en derivadas enteras (específicamente la derivada de Jackson $D_q$). El problema abordado en este trabajo es la necesidad de generalizar este formalismo utilizando el cálculo fraccional para capturar efectos de memoria y no localidad que la entropía estándar no puede describir adecuadamente. El objetivo es definir una entropía fraccional de Tsallis ($S_q^\alpha$) que mantenga las propiedades estructurales de la teoría no extensiva pero introduzca un parámetro de orden fraccional $\alpha$.

2. Metodología

Los autores emplean un enfoque híbrido que combina el cálculo q (q-calculus) y el cálculo fraccional (específicamente la derivada de Caputo). La metodología se desarrolla en los siguientes pasos:

• Revisión de la Derivada de Jackson: Se parte de la definición de la entropía de Tsallis como el resultado de aplicar la derivada de Jackson $D_q$ a la familia generadora $p_i^x$ evaluada en $x=1$.
• Introducción de la Derivada q-Caputo: Se define el operador principal del trabajo, la derivada q-Caputo de orden $\alpha$ ($CD_q^\alpha$), donde $0 < \alpha < 1$. Este operador combina la integral fraccional q ($I_q^{1-\alpha}$) con la derivada de Jackson ($D_q$).
• Definición de la Entropía Fraccional: Se propone la nueva entropía $S_q^\alpha$ aplicando el operador $CD_q^\alpha$ a la suma de las probabilidades elevadas a la potencia $x$, evaluada en $x=1$:
  $$S_q^\alpha = -CD_q^\alpha \sum_{i=1}^W p_i^x \bigg|_{x=1}$$
• Desarrollo de la Representación en Serie: Mediante el uso de series de Taylor y las propiedades de la función Gamma q ($\Gamma_q$), los autores derivan una representación en serie cerrada para $S_q^\alpha$.
• Análisis de Límites y Negatividad: Se analiza el comportamiento del límite $\alpha \to 1$ para verificar la consistencia con la entropía estándar. Posteriormente, se realiza un cálculo numérico para dos microestados equiprobables ($W=2, p_i=1/2$) para mapear las regiones de no negatividad en el espacio de parámetros $(\alpha, q)$.

3. Contribuciones Clave

• Definición Formal de $S_q^\alpha$: Se introduce por primera vez una generalización fraccional de la entropía de Tsallis basada en la derivada q-Caputo, proporcionando una nueva herramienta matemática para la física estadística no extensiva.
• Representación en Serie Cerrada: Se obtiene una expresión analítica explícita para la entropía fraccional en términos de la función Gamma q y potencias de los logaritmos de las probabilidades:
  $$S_q^\alpha = -\sum_{i=1}^W \sum_{m=0}^{\infty} \frac{\Gamma_q(m+1)}{m! \, \Gamma_q(m+1-\alpha)} (\ln p_i)^m$$
• Demostración de Consistencia: Se prueba analíticamente que cuando el orden fraccional tiende a la unidad ($\alpha \to 1$), la expresión se reduce exactamente a la entropía de Tsallis estándar ($S_q$), validando la generalización.
• Identificación de Dominios de Negatividad: Se revela que, a diferencia de la entropía de Tsallis estándar (que es siempre no negativa para $q>0$), la versión fraccional $S_q^\alpha$ puede tomar valores negativos dependiendo de los parámetros $\alpha$ y $q$.

4. Resultados Principales

• Recuperación del Límite Estándar: El análisis muestra que la estructura de la serie converge a la forma clásica de Tsallis cuando $\alpha = 1$, confirmando que la nueva definición es una extensión válida.
• Comportamiento de No Negatividad:
  • Para $0 < \alpha < 1$, la entropía $S_q^\alpha$ no garantiza la positividad en todo el espacio de parámetros.
  • El término $m=0$ en la serie contribuye con un valor negativo ($-1/\Gamma_q(1-\alpha)$), lo que, combinado con la alternancia de signos en los términos impares y pares de la serie (debido a $(\ln p_i)^m$), puede resultar en una entropía total negativa.
  • Mediante simulación numérica para $W=2$, se identificaron regiones específicas en el plano $(\alpha, q)$ donde $S_q^\alpha < 0$. Estas "regiones prohibidas" dependen de la interacción entre el grado de no extensividad ($q$) y el orden fraccional ($\alpha$).
• Interpretación Física: La aparición de valores negativos sugiere que la entropía fraccional introduce una complejidad adicional que podría requerir una reinterpretación física o restricciones en los parámetros para aplicaciones donde la entropía debe ser estrictamente no negativa.

5. Significado e Impacto

Este trabajo es significativo porque establece un puente consistente entre el cálculo q y el cálculo fraccional dentro del marco de la mecánica estadística no extensiva.

• Nuevos Modelos: La entropía $S_q^\alpha$ ofrece un punto de partida para modelar sistemas complejos donde los efectos de memoria (capturados por $\alpha$) y las interacciones de largo alcance (capturadas por $q$) son simultáneamente relevantes.
• Desafíos Teóricos: La existencia de regiones de negatividad plantea nuevas preguntas sobre la interpretación termodinámica de la entropía fraccional y sugiere que la pseudo-aditividad (propiedad clave de Tsallis) debe ser re-evaluada en este nuevo contexto, un tema que los autores proponen abordar en trabajos futuros.
• Aplicaciones Potenciales: El formalismo tiene potencial para aplicarse en teoría de la información, sistemas complejos y física de la materia condensada, donde la no localidad y la memoria juegan un papel crucial.

En conclusión, el artículo no solo generaliza matemáticamente una de las entropías más importantes de la física estadística, sino que también expone nuevas propiedades (como la negatividad condicional) que enriquecen el panorama teórico de los sistemas no extensivos.