N-States Continuous Maxwell Demon

मशीन में भूत और सूचना बैंक

कल्पना कीजिए कि आप एक डिब्बे के भीतर उछलते हुए एक नन्हे, अदृश्य कण को देख रहे हैं। भौतिकी की दुनिया में, यह समझने के लिए एक क्लासिक सेटअप है कि ऊष्मा, गति और ऊर्जा कैसे परस्पर क्रिया करते हैं। लंबे समय तक, वैज्ञानिकों ने दूसरे नियम (Second Law of Thermodynamics) नामक एक सख्त नियम में विश्वास किया, जो अनिवार्य रूप से कहता है कि आप बिना कुछ खोए कुछ भी प्राप्त नहीं कर सकते। आप एक गर्म कमरे से पूरी तरह से उपयोगी कार्य (जैसे किसी वजन को उठाना) में ऊष्मा को नहीं बदल सकते बिना कुछ ऊर्जा बर्बाद किए। यह एक निरंतर गति मशीन (perpetual motion machine) बनाने की कोशिश करने जैसा है; प्रकृति इसकी अनुमति नहीं देती।

लेकिन 1867 में, जेम्स क्लर्क मैक्सवेल नामक एक प्रतिभाशाली भौतिक विज्ञानी ने एक विचार प्रयोग (thought experiment) प्रस्तावित किया जो इस नियम को तोड़ने जैसा प्रतीत होता था। उन्होंने एक नन्हे, बुद्धिमान "दानव" (demon) की कल्पना की जो कण की निगरानी कर सकता था। यदि कण तेजी से चल रहा था, तो दानव उसे डिब्बे के एक तरफ जाने देने के लिए दरवाजा खोल देता; यदि वह धीमा था, तो वह उसे दूसरी तरफ रहने देता। कणों को छांटकर, दानव तापमान का अंतर पैदा कर सकता था और मुफ्त में कार्य निकाल सकता था। एक सदी से अधिक समय तक, यह "मैक्सवेल का दानव" एक विरोधाभास बना रहा। बाद में खोजा गया समाधान यह था कि दानव मुफ्त नहीं है। कणों को छांटने के लिए, उसे उन्हें मापना होगा और परिणामों को याद रखना होगा। सूचना को संग्रहीत करने की उस क्रिया की एक लागत होती है। अंततः, दानव को फिर से शुरू करने के लिए अपनी स्मृति को मिटाना पड़ता है, और इस विलोपन (erasure) में ऊर्जा खर्च होती है। स्मृति मिटाने में खर्च की गई ऊर्जा हमेशा प्राप्त किए गए कार्य के बराबर या उससे अधिक होती है, जिससे दूसरा नियम सुरक्षित रहता है।

हाल ही में, वैज्ञानिकों ने यह तरीका खोजा जिससे वे मापने के तरीके को बदलकर इस दानव को और भी अधिक कुशल बना सकें। कण की एक बार जांच करने और फिर कार्य करने के बजाय, उन्होंने महसूस किया कि दानव कण की बार-बार, कई बार जांच कर सकता है। यदि कण कुछ समय के लिए एक ही स्थान पर रहता है, तो दानव बार-बार जांच करता रहता है। जिस क्षण कण अंततः एक नई जगह पर कूदता है, दानव कार्य करता है। यह "कंटीन्यूअस मैक्सवेल डेमन" (Continuous Maxwell Demon - CMD) एक गेम-चेंजर था क्योंकि यह एकत्रित सूचना का उपयोग करके भारी मात्रा में कार्य निकाल सकता था। लेकिन एक पेंच था: यह सुपर-कुशल दानव केवल दो कक्षों वाले डिब्बे के लिए काम करता था। क्या होगा यदि डिब्बे में तीन, चार या सौ कक्ष हों? क्या दानव अभी भी कुशल हो सकता है? यही वह प्रश्न है जिसे यह नया शोध पत्र संबोधित करता है।

शोध का बड़ा कदम: दो दरवाजों से हजार दरवाजों तक

इस अध्ययन में, पॉल रॉक्स और फेलिक्स रितोर्ट "कंटीन्यूअस मैक्सवेल डेमन" की अवधारणा को एक साधारण दो-कक्षीय डिब्बे से लेकर एक जटिल प्रणाली तक विस्तारित करते हैं जिसमें N-अवस्थाएं (जहाँ N कक्षों की कोई भी संख्या हो सकती है) शामिल हैं। इसे एक सरल "हेड्स या टेल्स" सिक्के के उछाल से एक ऐसे बोर्ड गेम में अपग्रेड करने जैसा समझें जिसमें सौ अलग-अलग वर्ग हों। लेखकों ने जानना चाहा: यदि दानव को कई कमरों के बीच उछलते कण की निगरानी करनी पड़ती है, तो वह कितना कार्य निकाल सकता है, और उसे इसे करने के लिए कितनी सूचना संग्रहीत करने की आवश्यकता है?

शोधकर्ताओं ने इस N-अवस्था वाले दानव का अनुकरण करने के लिए एक गणितीय मॉडल बनाया। उन्होंने औसत कार्य निकालने और स्मृति में रखी जाने वाली सूचना की मात्रा की गणना करने के लिए सामान्य सूत्र निकाले। उनका मुख्य निष्कर्ष यह है कि दूसरा नियम (Second Law of Thermodynamics) अभी भी मजबूती से कायम है, भले ही यह एक जटिल, बहु-कक्षीय परिदृश्य हो। दानव वास्तव में कार्य निकाल सकता है, लेकिन सूचना को मिटाने की लागत हमेशा उसके द्वारा उत्पादित कार्य से अधिक होती है। उन्होंने सिद्ध किया कि "सूचना-से-कार्य" (information-to-work) असमानता संतुष्ट होती है, जिसका अर्थ है कि आप सिस्टम को बायपास नहीं कर सकते, चाहे उसमें कितने भी कमरे क्यों न हों।

सबसे दिलचस्प खोजों में से एक यह है कि "डिब्बे" का आकार कितना मायने रखता है। लेखकों ने तीन-कमरों वाले सिस्टम के लिए दो विशिष्ट आकृतियों का अध्ययन किया: एक रैखिक (linear) सेटअप (जहाँ कमरे एक सीधी रेखा में होते हैं, जैसे 1-2-3) और एक त्रिकोणीय (triangular) सेटअप (जहाँ प्रत्येक कमरा दूसरे कमरे से जुड़ा होता है, जैसे एक त्रिकोण)। उन्होंने पाया कि हालांकि निकाला गया कार्य समान था, लेकिन दक्षता (efficiency) अलग थी। त्रिकोणीय सेटअप, जहाँ कण सीधे किसी भी कमरे से दूसरे कमरे में कूद सकता था, आम तौर पर रैखिक वाले की तुलना में अधिक कुशल था। रैखिक मामले में, दानव को समान परिणाम प्राप्त करने के लिए अधिक सूचना संग्रहीत करनी पड़ी, जिससे वह थोड़ा "भद्दा" (clunky) हो गया।

शोध पत्र ने भी इस बात की खोज की कि जब दानव कण की बहुत जल्दी या बहुत धीरे जांच करता है। यदि दानव लगातार (एक "निरंतर" जांच) कण की जांच करता है, तो वह भारी मात्रा में शक्ति (power) निकाल सकता है, लेकिन दक्षता गिर जाती है। यदि वह जांचों के बीच लंबा समय प्रतीक्षा करता है, तो दक्षता बढ़ जाती है, लेकिन शक्ति का उत्पादन गिर जाता है। लेखकों ने दिखाया कि सबसे कुशल दानव एक विशिष्ट "दुर्लभ घटना" (rare event) परिदृश्य में हो सकता है: जब कण लगभग हमेशा एक कमरे में रहता है और केवल शायद ही कभी दूसरे कमरे में कूदता है। इस चरम स्थिति में, दानव लगभग 100% की दक्षता तक पहुँच सकता है, लेकिन यह एक बहुत ही विशिष्ट, आदर्श सीमा है।

निर्णय: एक स्मार्ट दानव, लेकिन नियमों से बंधा हुआ

लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने अपने सूत्रों को सिद्ध करने के लिए कठोर गणित और स्पेक्ट्रल विश्लेषण (जटिल गतियों को सरल तरंगों में तोड़ने का एक उन्नत तरीका) का उपयोग किया। उन्होंने दिखाया कि N अवस्थाओं वाले सिस्टम के लिए, निकाला गया औसत कार्य प्रत्येक कमरे में कण के होने की संभावनाओं पर निर्भर करता है। उन्होंने पुष्टि की कि निरंतर दानव पुराने "एकल-मापन" (single-measurement) संस्करण (सिज़ार्ड इंजन) से हमेशा बेहतर होता है क्योंकि यह बार-बार किए गए मापन के बीच के सहसंबंधों (correlations) का लाभ उठाता है।

हालाँकि, उन्होंने इस विचार को भी खारिज कर दिया कि अधिक कमरे जोड़ने से दानव स्वतः ही अनंत रूप से अधिक शक्तिशाली हो जाता है। जबकि अत्यधिक सीमाओं में निकाला गया कार्य असीमित हो सकता है (जब कण लगभग निश्चितता के साथ एक कमरे में फंसा होता है), N-अवस्था वाले दानव की दक्षता उसी दुर्लभ-घटना सीमा में सरल 2-अवस्था वाले दानव की दक्षता को नहीं हरा पाती है। वास्तव में, शोध पत्र सुझाव देता है कि 2-अवस्था वाला संस्करण दक्षता के लिए "स्वर्ण मानक" (gold standard) है।

अध्ययन निष्कर्ष निकालता है कि भले ही हम अधिक जटिल दानव बना सकते हैं जो अधिक अवस्थाओं को संभाल सकते हैं, प्रकृति फिर भी उन पर कड़ी नियंत्रण रखती है। दानव चतुर हो सकता है, अतिरिक्त कार्य निकालने के लिए बार-बार मापन का उपयोग कर सकता है, लेकिन वह सूचना की मौलिक लागत से कभी बच नहीं सकता। शोध पत्र हमें एक स्पष्ट तस्वीर देता है: सिस्टम जितना अधिक जटिल होगा, सूचना और ऊर्जा के बीच का नृत्य उतना ही जटिल होगा, लेकिन दूसरे नियम का संगीत कभी नहीं बदलता।