[论文解读] Martingales for physicists: A treatise on stochastic thermodynamics and beyond

Édgar Roldán, Izaak Neri+5 more|arXiv (Cornell University)|Oct 18, 2022

Stochastic processes and financial applications被引用 11

一句话总结

本文將鞅理论引入随机热力学，作为统一框架，使物理中非平衡过程的严格分析成为可能。通过利用鞅的性质，作者推导出涨落定理、最优控制策略以及熵产生和功的精确等式，为理解小系统中的不可逆性与信息处理提供了强大的数学工具。

ABSTRACT

We review the theory of martingales as applied to stochastic thermodynamics and stochastic processes in physics more generally.

研究动机与目标

• 将鞅理论确立为随机热力学的基础工具。
• 在统一的概率框架下整合涨落定理与非平衡等式。
• 将应用扩展至最优控制、信息热力学和生物系统。
• 对随机过程中的熵产生与功提供严格的数学处理。
• 在非平衡统计力学中建立概率论概念与物理原理之间的桥梁。

提出的方法

• 将离散时间与连续时间鞅理论应用于马尔可夫跳跃过程与扩散动力学。
• 利用指数鞅的鞅性质推导精确的积分与详细涨落定理。
• 通过Doob-Meyer分解与后向随机微分方程构造最优控制协议。
• 利用Girsanov定理重新加权路径，分析驱动系统中的熵产生。
• 引入信息论型鞅，以量化信息到能量的转换。
• 利用局部时间与随机微积分，发展熵产生与功的路径分解。

实验结果

研究问题

• RQ1 如何系统性地应用鞅理论以推导随机热力学中的涨落定理？
• RQ2 鞅在表征非平衡过程最优控制协议中扮演何种角色？
• RQ3 信息论量（如互信息与费舍尔信息）如何从鞅结构中自然涌现？
• RQ4 鞅分解能否为复杂系统中的熵产生提供精确表达式？
• RQ5 功与熵产生的路径分解如何揭示随机动力学中的隐藏对称性？

主要发现

• 本文确立了在物理测度下，熵产生的指数为鞅，从而导出精确的积分涨落定理。
• Doob-Meyer分解使得熵产生可被路径分解为鞅部分与可预测变差部分，揭示了不可逆成分。
• 最优控制协议被表示为后向随机微分方程的解，以最小化熵产生或最大化功输出。
• 该理论将已知的涨落定理（如Jarzynski、Crooks定理）作为鞅恒等式的特例重现。
• 通过基于鞅的等式，量化了信息到能量的转换，建立了热力学与信息论之间的联系。
• 该框架普遍适用于马尔可夫跳跃过程、扩散过程以及具有反馈控制的系统，展现出广泛的普适性。