Efficient protocol for the Markovian Mpemba effect in $N$-level systems

식탁 위에 놓인 뜨거운 커피 한 잔이 식어가는 모습을 상상해 보십시오. 상식적으로는 커피가 처음 얼마나 뜨거웠느냐에 따라 실온에 도달하는 데 더 오래 걸릴 것이라고 생각합니다. 그러나 엠페바 효과(Mpemba effect)라고 알려진 열역학의 기묘한 반전 속에서는, 평형 상태에서 더 멀리 떨어져 시작한 시스템이 오히려 평형에 더 가까운 상태에서 시작한 시스템보다 더 빠르게 최종적인 안정 상태에 도달할 수 있습니다. 탄자니아의 한 학생이 특정 조건 하에서 뜨거운 물이 차가운 물보다 더 빨리 얼 수 있다는 것을 관찰한 데서 이름을 따온 이 현상은, 갇힌 이온부터 회전하는 입자에 이르기까지 다양한 곳에서 목격되었습니다. 과학자들은 이 효과가 존재한다는 사실을 오래전부터 알고 있었지만, 이를 유발하는 구체적인 조건을 찾는 것은 마치 건더기 속에서 바늘 찾기와 같았습니다. 이러한 시스템을 설명하는 데 필요한 수학적 공간이 너무나 방대하여, 거대하고 복잡한 입자 집단의 경우 무차별 대입 방식(brute force)으로 문제를 해결하는 것이 거의 불가능하기 때문입니다. 명확한 지도 없이는 이 속도 향상 효과를 활용하는 실험을 설계하거나 응용 프로그램을 구축하는 것이 중요한 과제로 남아 있었습니다.

이스라엘 테크니온 공대의 한 연구자가 이제 이 복잡성을 헤쳐 나갈 경로를 그려냈습니다. 이 효과를 보여줄 수 있는 가장 단순한 시스템인 단 세 개의 에너지 준위만을 가진 집단을 먼저 해부함으로써, 연구자는 이 현상을 지배하는 정밀한 규칙을 밝혀냈습니다. 연구자는 그 핵심이 시스템의 내부 전이(internal transitions)가 이루어지는 매우 특정한, 섬세한 구성인 '특이점(singular point)'에 있다는 것을 발견했습니다. 이 정확한 지점에서 시스템의 거동은 여러 속도의 혼합이 아닌 단 하나의 속도에 의해 지배되며, 따라서 엠페바 효과가 발생할 수 없습니다. 그러나 연구자는 시스템의 매개변수를 이 특이점에서 아주 약간만 적절한 방향으로 밀어내면 효과가 나타난다는 것을 발견했습니다. 이러한 통찰력을 바탕으로 연구자는 훨씬 더 큰 시스템에서도 효과를 낼 수 있는 적절한 설정을 찾아내는 매우 효율적인 알고리즘을 구축했으며, 이는 복잡한 재료에서 이 열적 지름길을 설계할 수 있는 가능성을 열어주었습니다.

그들이 어떻게 이러한 결론에 도달했는지 이해하려면, 먼저 이러한 시스템이 어떻게 냉각되는지를 살펴보아야 합니다. 양자 역학 및 통계 물리학의 세계에서 시스템은 종종 다양한 에너지 상태에 존재할 확률로 설명됩니다. 시스템이 환경, 즉 열욕조(thermal bath)와 상호작용함에 따라, 이 확률들은 시스템이 안정적인 열적 상태에 도달할 때까지 변화합니다. 이 변화의 속도는 시스템이 이러한 에너지 준위 사이를 얼마나 빠르게 뛰어넘을 수 있는지에 의해 결정됩니다. 세 개의 서로 다른 에너지 준위를 가진 시스템에 대해, 연구자는 가능한 모든 점프율(jump rates)과 온도의 조합을 매핑했습니다. 연구자는 시스템의 내부 구조가 냉각 방식과 가능한 열적 상태의 형태 사이에 매우 특정한 정렬을 허용할 때만 이 효과가 나타난다는 것을 발견했습니다.

연구는 모든 세 준위 시스템이 동일하게 만들어지는 것은 아니라는 점을 밝혔습니다. 효과는 에너지 준위가 서로 얼마나 떨어져 있는지에 따라 크게 달라집니다. 만약 에너지 준위 사이의 간격이 일정하거나 에너지가 높아짐에 따라 간격이 넓어진다면, 시스템은 효과를 나타낼 수 있는 여러 가지 방법을 가집니다. 하지만 에너지가 높아질수록 간격이 좁아진다면 조건은 훨씬 엄격해지며 효과를 달성하기가 더 어려워집니다. 또한, 연구자는 주변 온도가 낮아질수록 효과가 발생할 가능성이 감소한다는 것을 발견했습니다. 매우 낮은 온도에서는 오직 하나의 특정한 물리적 메커니즘만이 생존 가능하며, 그마저도 매우 특수한 에너지 준위 배치를 요구합니다. 이것이 자연계에서 이 효과가 드문 이유를 설명해 줍니다. 대부분의 시스템은 에너지 간격과 전이 속도의 적절한 조합을 갖추고 있지 않기 때문입니다.

세 준위 사례를 마스터한 연구자는 더 많은 에너지 준위를 가진 더 큰 시스템으로 관심을 돌렸습니다. 연구자는 큰 시스템에서 모든 매개변수의 조합을 확인하는 것이 계산적으로 불가능하다는 것을 깨달았지만, 세 준위 사례에서 확인한 '특이점'은 모든 시스템에 존재한다는 점에 주목했습니다. 이 지점에서 상태 간 전이율은 시스템이 엠페바 효과를 나타내는 능력을 상실하는 단순하고 예측 가능한 패턴을 따릅니다. 돌파구는 거대한 시스템의 방대한 매개변수 공간을 탐색하기 위해, 이 특이점에서 시작하여 단 하나의 상태 쌍에 대해서만 미세하고 통제된 변화를 주는 전략을 제안하면서 마련되었습니다.

연구자들은 '단일 상태 쌍 편차(single pair of states deviation)' 프로토콜이라 부르는 이 전략을 20개의 에너지 준위를 가진 시뮬레이션 시스템에 테스트했습니다. 모든 가능성의 우주를 뒤지는 대신, 연구자들은 무작위로 한 쌍의 상태를 선택하고 그들 사이를 뛰어넘는 비율을 미세하게 조정했습니다. 결과는 놀라웠습니다. 상당한 비율의 경우, 이 작은 조정만으로도 엠페바 효과를 유발하기에 충분했습니다. 실제로 영도(bath inverse temperature가 0인 지점)에서 이 방법으로 효과를 찾아내는 성공률은 거의 90%에 달했습니다. 연구자는 선택된 상태 쌍이 중요하다는 점도 발견했는데, 낮은 에너지 준위를 포함하는 쌍이 효과를 생성하는 데 특히 효과적이었던 반면, 가장 높은 준위를 포함하는 쌍은 신뢰도가 낮았습니다.

이 연구는 무엇이 작동하지 않는지도 명확히 했습니다. 이전 연구들은 만약 큰 시스템 내에 특정 조건을 충족하지 못하는 세 준위 하위 그룹이 하나라도 있다면, 전체 시스템이 효과를 보일 수 없다고 제안했습니다. 새로운 연구는 이것이 엄격하게는 사실이 아님을 보여줍니다. 어떤 하위 그룹이 엄격한 기준을 충족하지 못하더라도, 충분한 수의 하위 그룹이 기준을 충족한다면 큰 시스템은 여전히 엠페바 효과를 보일 수 있습니다. 그러나 그 역도 성립합니다. 만약 시스템의 하위 그룹들이 기본 조건을 충족하지 못한다면, 그 시스템이 효과를 보일 가능성은 매우 낮습니다. 연구자는 특이점에 집중함으로써 큰 시스템 내에서 효과를 담당하는 몇 안 되는 삼중항(triplets)을 효율적으로 식별할 수 있음을 확인하였고, 이를 통해 복잡한 전체 시스템을 한꺼번에 분석할 필요를 효과적으로 우회했습니다.

이 연구는 실험 연구자들에게 실질적인 로드맵을 제공합니다. 연구자들은 어떤 재료나 조건이 엠페바 효과를 만들어낼지 추측하는 대신, 이제 이 알고리즘을 사용하여 필요한 정확한 전이율을 계산할 수 있습니다. 시스템을 특이점 근에 맞추고 특정 상태 쌍에 대해 작고 계산된 조정을 가함으로써, 연구자들은 효과를 안정적으로 유도할 수 있습니다. 이는 양자 컴퓨터를 위한 더 빠른 냉각 프로토콜을 설계하거나 센서의 효율성을 개선하는 것과 같은 잠재적 응용 분야로 가는 문을 열어줍니다. 이 이례적인 열적화를 예측하고 제어할 수 있는 능력은, 한때 단순한 통계적 우연이었던 현상을 공학적 도구로 탈바꿈시켰습니다. 연구자는 열역학의 미스터리를 풀 수 있는 퍼즐로 바꾸어 놓았으며, 입자들의 복잡한 춤 속에서도 단 하나의 잘 배치된 발걸음이 시스템 전체의 리듬을 바꿀 수 있음을 보여주었습니다.