Entropy production of active matter systems as indicator for computing performance

コンピュータが単にシリコンチップ上で数値を計算するだけでなく、ダンスによって思考する世界を想像してみてください。これは、鳥の群れや、舞い上がる塵、あるいは小さなロボットの群れのような、現実世界のオブジェクトの自然で混沌とした動きを利用して情報を処理する、「物理コンピューティング（physical computing）」という領域です。コードを書く代わりに、物理的なシステムを構築し、そのシステムの物理法則そのものに重労働を任せるのです。しかし、そこには落とし穴があります。これらのシステムは完璧ではありません。それらは無秩序であり、エネルギーを失い、そして無秩序になろうとする宇宙の自然な傾向と常に戦っています。この無秩序さは「エントロピー」と呼ばれます。エントロピーを、宇宙の「散らかり具合のメーター」だと考えてください。何かが起こるとき、通常、システムは始まったときよりも多くの「散らかり（熱やノイズ、ランダムさ）」を生み出します。科学者たちは、システムがどれだけの「散らかり」を生み出すかと、そのシステムがいかに優れた問題解決を行うかとの間に、秘密のつながりがあるのではないかと長年疑問に思ってきました。システムが秩序立ちすぎていると、退屈で新しい入力に反応できなくなるかもしれません。逆に混沌としすぎていると、思考を保持できないノイズの塊になってしまうかもしれません。この「スイートスポット（最適解）」を見つけることが、この分野の聖杯なのです。

本論文は、特定の種類の物理コンピュータである「スウォーム・リザーバ（swarm reservoir）」に着目することで、その謎を解明しようとしています。200個の小さな自走粒子（デジタル上の魚のようなもの）がタンクの中を泳いでいる様子を想像してください。彼らは互いに押し合い、引き合い、速度を合わせようとして集団を維持しようとしますが、同時に、複雑で予測不可能なパターン（具体的には、有名なカオス的な経路であるローレンツ63軌道）で彼らを追い回す「ドライバー（仮想の捕食者）」が存在します。目的は、このスウォーム（群れ）が、ドライバーが次にどこへ向かうかを予測することを学習できるかどうかを確認することです。研究者たちは、「スウォームの『散らかり具合（エントロピー生成）』を測定することで、それがドライバーの経路を予測する能力が高いかどうかを判断できるか？」を知りたいと考えました。彼らは、答えが単に「散らかりが多いほど計算能力が高い」という単純なものではないことを発見しました。最高のパフォーマンスは、「近臨界減衰（near-critical damping）」と呼ばれる非常に特定の、繊細な状態において発生します。この状態では、スウォームは震えすぎ（アンダーダンプ）でもなければ、鈍すぎ（オーバーダンプ）でもありません。鍵となるのは、単にシステムがどれだけのエネルギーを消費するかではなく、ドライバーが現れたときにどれだけの「追加の」エネルギーを消費するかであることが分かりました。最も優れた性能を示すスウォームは、ドライバーの存在に対して最も劇的に反応するものでした。つまり、放っておけば比較的穏やかである一方で、押し込まれた瞬間に熱とエントロ وط の鋭いスパイクを生み出すスウォームです。

著者らは、200個の粒子を用いたコンピュータモデルを用いてこのスウォームをシミュレートし、システムがどのように振る舞うかを見るために50万ステップのシミュレーションを実行しました。彼らは主に2つの指標を測定しました。一つは、スウォームの内部の「位相空間（粒子のあらゆる移動の可能性を記述する洗練された方法）」がどのように収縮または拡大するかを追跡する「システム・エントロピー」であり、もう一つは、スウォームが周囲にどれだけのエネルギーを放出するかを測る「熱流」です。彼らは、これらの測定値を、ドライバーの将来の位置を予測するというスウォームの実際の性能と比較しました。

結果は非常に興味深いものでした。「アンダーダンプ（低減衰）」の領域、つまり粒子が速く、震えている状態では、システムは誰にも駆動されていないときでも多くの熱を生み出しますが、ドライバーの特定の動きに対してはあまりうまく反応しません。一方、「オーバーダンプ（高減衰）」の領域、つまり粒子がゆっくりと硬直して動く状態では、システムはほとんど反応しません。しかし、「近臨界減衰」の領域では、特別なことが起こります。ここでは、スウォームは放置されているときは静かで効率的ですが、ドライバーが追いかけ始めると、スウォームはフル稼働状態に入ります。環境に放出される熱量と内部エントロピーの変化は、駆動されていない状態と比較して急増します。研究者たちは、この「ドライバー誘発型」のエントロピーと熱流のスパイクが、システムが使用する総エネルギー量よりも、成功のより優れた予測因子であることを発見しました。実際、パフォーマンス・ランドスケープ（スウォームが最もよく機能する場所を示す地図）は、ドライバーがスウォームに対して行う追加の仕事量のマップとほぼ同一の形をしていました。

しかし、論文ではこれが魔法の杖ではないことに注意を払っています。その関係は単純な直線ではなく、システムが「単独でいるとき」と「押されたとき」の「コントラスト（対比）」に関するものです。著者らはまた、単にエネルギー（仕事）を注入するだけでは不十分であり、そのエネルギーがスウォーム全体に分散している必要があることも発見しました。もしドライバーがたった一つの粒子だけを押した場合、力が分散されている場合ほどシステムは学習しません。さらに、最も優れた性能を示すスウォームは、最も「堅牢（ロバスト）」でもありました。つまり、どのように開始されたとしても同じ良い結果を出しますが、成績の悪いスウォームは初期位置のわずかな変化に対して非常に敏感でした。

結局のところ、この研究は、アクティブ物質（active matter）で作られた物理コンピュータにとって、高いパフォーマンスの秘訣は、単にエネルギッシュであることや混沌としていることではないことを示唆しています。それは、「応答性」を持つことです。最高の計算基盤とは、「準備された潜在能力」の状態にあるものです。つまり、デフォルトでは穏やかでありながら、信号を受け取った瞬間に構造化された高エントロピーの反応へと爆発するような状態です。この「ドライバー誘発型の散逸（dissipation）」は、優れたコンピュータの指紋として機能します。この論文は、完璧な物理コンピュータの構築を解決したと主張しているわけではありませんが、強力な新しいツールを提供しています。すなわち、システムを突っついたときにエントロピーがどれだけ変化するかを測定することで、膨大なコストのかかるトレーニングテストを事前に行うことなく、最適な物理的基盤をスクリーニングできる可能性があるということです。これは、物理コンピューティングの世界において、最も有用なシステムとは、いつ、どのように「散らかる」べきかを正確に知っているシステムであるという理解への一歩なのです。