Eine zweite, zeitversetzte Positionsmessung kann Hinweise darauf liefern, wie sich die Umgebung eines Teilchens zuvor bewegt hat – und damit Information für die Arbeitsgewinnung erschließen. Anders als bei einem gedächtnislosen Markov Modell wirken in diesem Versuch verborgene Zustände der Umgebung weiter auf die Te...
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort

Create a landscape editorial hero image for this Studio Global article: How did Clemens Bechinger’s team at the University of Konstanz and the Max Planck Institute for Dynamics and Self Organization in Göttingen. Article summary: The team demonstrated an information engine that uses environmental memory: measuring a particle twice can reveal information hidden in its surroundings and make that information available for work extraction.. Topic tags: general web, privacy, manufacturing, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake
Ein mikroskopischer Maxwell-Dämon muss seine Umgebung nicht vollständig sehen, um aus ihr Nutzen zu ziehen. Forschende der Universität Konstanz und des Max-Planck-Instituts für Dynamik und Selbstorganisation in Göttingen zeigen, wie eine zweite, zeitversetzte Messung eines Teilchens Informationen über verborgene Vorgänge in seiner Umgebung zugänglich machen kann. Diese Information lässt sich unter geeigneten Bedingungen zur Gewinnung nutzbarer Arbeit einsetzen. 7
14
15
16
Das Team untersuchte ein Teilchen in einer komplexen Flüssigkeit. Die Universität Konstanz beschreibt deren innere Struktur als „spaghettiartig“: Das Teilchen verändert seine Umgebung, die sich nur allmählich wieder entspannt. Dadurch hängt seine spätere Bewegung auch davon ab, was zuvor geschehen ist. Die Struktur und ihre Vorgeschichte sind für den Dämon nicht direkt sichtbar. 15
Eine einzelne Positionsmessung zeigt nur, wo sich das Teilchen gerade befindet. Zwei Messungen mit zeitlichem Abstand liefern dagegen ein kurzes Stück Bewegungsgeschichte. Aus den Veränderungen zwischen den Messungen kann der Dämon Rückschlüsse auf die verborgenen dynamischen Zusammenhänge in der Flüssigkeit ziehen. Laut den Forschenden ist gerade diese verzögerte zweite Messung entscheidend, um solche Korrelationen für die Arbeitsgewinnung nutzbar zu machen. 14
15
16
Der Abstand zwischen den Messungen zählt: Er muss Informationen erfassen, die noch in der Umgebung gespeichert sind. Die verfügbaren Quellen nennen allerdings weder einen allgemein optimalen Zeitabstand noch genaue Zahlen dazu, wie viel mehr Arbeit sich gegenüber einer einzelnen Messung gewinnen ließ.
Viele Informationsmotoren werden mit einer sogenannten Markov-Annahme beschrieben: Für die Vorhersage der weiteren Entwicklung genügt dann der aktuelle Zustand; die Vorgeschichte spielt keine zusätzliche Rolle. In der hier untersuchten Umgebung bleibt dagegen ein Teil der früheren Bewegung als „Gedächtnis“ erhalten und beeinflusst, was als Nächstes passiert. Wer nur den aktuellen Teilchenort betrachtet, erfasst deshalb nicht alle für die Steuerung wichtigen Informationen. 1
15
Der Versuch nutzt diese nicht-Markovsche Dynamik nicht bloß als Störfaktor. Die wiederholte Messung macht einen Teil der verborgenen Information zugänglich, ohne die inneren Zustände der Umgebung direkt messen zu müssen. So wird die Erinnerung der Flüssigkeit zu einer thermodynamischen Ressource. 1
14
16
Maxwells Dämon ist ein Gedankenexperiment aus dem 19. Jahrhundert: Ein hypothetisches Wesen sortiert Teilchen anhand ihrer Bewegung und scheint damit die Ordnung eines Systems zu verändern. Die moderne Thermodynamik behandelt Information, die durch Messung gewonnen wird, als etwas, das sich unter passenden Bedingungen in Arbeit umsetzen lässt – ein Prinzip, das auch beim Szilard-Motor eine Rolle spielt. 1
2
Die neue Studie erweitert diese Idee um eine entscheidende Frage: Was, wenn relevante Information nicht nur im beobachteten Teilchen, sondern auch in seiner Umgebung steckt? Die Antwort des Teams lautet: Ein Teil dieser Information lässt sich aus der Bewegungsgeschichte erschließen und für Rückkopplung nutzen. Das bedeutet nicht, dass Information allein Energie liefert; ausschlaggebend ist, sie zu messen und für eine gezielte Steuerung einzusetzen. 1
14
15
Die Forschenden sehen darin einen Schritt hin zu zyklischen mikroskopischen Informationsmotoren. Die Max-Planck-Gesellschaft hebt hervor, dass solche Konzepte ohne Temperaturunterschiede oder andere makroskopische Energiegefälle auskommen könnten. Die vorliegenden Quellen belegen jedoch weder einen bereits realisierten zyklischen Motor noch konkrete Anwendungen in Polymerlösungen oder biologischen Medien. 7
15
Die Arbeit The extraction of work from hidden degrees of freedom erschien am 16. Oktober 2026 online und frei zugänglich in Nature Physics. Die angegebene DOI lautet 10.1038/s41567-026-03442-w. Als Autoren sind Lokesh Muruga, Felix Ginot, Sarah A. M. Loos und Clemens Bechinger aufgeführt; Muruga steht an erster Stelle. 9
14
Die verfügbaren Quellen bestätigen die Autorenschaft, nennen aber keine individuellen Zuständigkeiten der Autorinnen und Autoren. Auch die im Auftrag erwähnte ERC-Förderung und der genaue Titel oder die Nummer eines entsprechenden Advanced Grant lassen sich anhand der bereitgestellten Quellen nicht verifizieren.
Studio Global AI
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Eine zweite, zeitversetzte Positionsmessung kann Hinweise darauf liefern, wie sich die Umgebung eines Teilchens zuvor bewegt hat – und damit Information für die Arbeitsgewinnung erschließen.
Eine zweite, zeitversetzte Positionsmessung kann Hinweise darauf liefern, wie sich die Umgebung eines Teilchens zuvor bewegt hat – und damit Information für die Arbeitsgewinnung erschließen. Anders als bei einem gedächtnislosen Markov Modell wirken in diesem Versuch verborgene Zustände der Umgebung weiter auf die Teilchenbewegung ein.
Die Ergebnisse sind ein Schritt hin zu mikroskopischen Informationsmotoren. Anwendungen in bestimmten Flüssigkeiten oder biologische Systeme sind damit noch nicht nachgewiesen.
Eine zweite, zeitversetzte Positionsmessung kann Hinweise darauf liefern, wie sich die Umgebung eines Teilchens zuvor bewegt hat – und damit Information für die Arbeitsgewinnung erschließen. Anders als bei einem gedächtnislosen Markov Modell wirken in diesem Versuch verborgene Zustände der Umgebung weiter auf die Te...
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort

Create a landscape editorial hero image for this Studio Global article: How did Clemens Bechinger’s team at the University of Konstanz and the Max Planck Institute for Dynamics and Self Organization in Göttingen. Article summary: The team demonstrated an information engine that uses environmental memory: measuring a particle twice can reveal information hidden in its surroundings and make that information available for work extraction.. Topic tags: general web, privacy, manufacturing, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake
Ein mikroskopischer Maxwell-Dämon muss seine Umgebung nicht vollständig sehen, um aus ihr Nutzen zu ziehen. Forschende der Universität Konstanz und des Max-Planck-Instituts für Dynamik und Selbstorganisation in Göttingen zeigen, wie eine zweite, zeitversetzte Messung eines Teilchens Informationen über verborgene Vorgänge in seiner Umgebung zugänglich machen kann. Diese Information lässt sich unter geeigneten Bedingungen zur Gewinnung nutzbarer Arbeit einsetzen. 7
14
15
16
Das Team untersuchte ein Teilchen in einer komplexen Flüssigkeit. Die Universität Konstanz beschreibt deren innere Struktur als „spaghettiartig“: Das Teilchen verändert seine Umgebung, die sich nur allmählich wieder entspannt. Dadurch hängt seine spätere Bewegung auch davon ab, was zuvor geschehen ist. Die Struktur und ihre Vorgeschichte sind für den Dämon nicht direkt sichtbar. 15
Eine einzelne Positionsmessung zeigt nur, wo sich das Teilchen gerade befindet. Zwei Messungen mit zeitlichem Abstand liefern dagegen ein kurzes Stück Bewegungsgeschichte. Aus den Veränderungen zwischen den Messungen kann der Dämon Rückschlüsse auf die verborgenen dynamischen Zusammenhänge in der Flüssigkeit ziehen. Laut den Forschenden ist gerade diese verzögerte zweite Messung entscheidend, um solche Korrelationen für die Arbeitsgewinnung nutzbar zu machen. 14
15
16
Der Abstand zwischen den Messungen zählt: Er muss Informationen erfassen, die noch in der Umgebung gespeichert sind. Die verfügbaren Quellen nennen allerdings weder einen allgemein optimalen Zeitabstand noch genaue Zahlen dazu, wie viel mehr Arbeit sich gegenüber einer einzelnen Messung gewinnen ließ.
Viele Informationsmotoren werden mit einer sogenannten Markov-Annahme beschrieben: Für die Vorhersage der weiteren Entwicklung genügt dann der aktuelle Zustand; die Vorgeschichte spielt keine zusätzliche Rolle. In der hier untersuchten Umgebung bleibt dagegen ein Teil der früheren Bewegung als „Gedächtnis“ erhalten und beeinflusst, was als Nächstes passiert. Wer nur den aktuellen Teilchenort betrachtet, erfasst deshalb nicht alle für die Steuerung wichtigen Informationen. 1
15
Der Versuch nutzt diese nicht-Markovsche Dynamik nicht bloß als Störfaktor. Die wiederholte Messung macht einen Teil der verborgenen Information zugänglich, ohne die inneren Zustände der Umgebung direkt messen zu müssen. So wird die Erinnerung der Flüssigkeit zu einer thermodynamischen Ressource. 1
14
16
Maxwells Dämon ist ein Gedankenexperiment aus dem 19. Jahrhundert: Ein hypothetisches Wesen sortiert Teilchen anhand ihrer Bewegung und scheint damit die Ordnung eines Systems zu verändern. Die moderne Thermodynamik behandelt Information, die durch Messung gewonnen wird, als etwas, das sich unter passenden Bedingungen in Arbeit umsetzen lässt – ein Prinzip, das auch beim Szilard-Motor eine Rolle spielt. 1
2
Die neue Studie erweitert diese Idee um eine entscheidende Frage: Was, wenn relevante Information nicht nur im beobachteten Teilchen, sondern auch in seiner Umgebung steckt? Die Antwort des Teams lautet: Ein Teil dieser Information lässt sich aus der Bewegungsgeschichte erschließen und für Rückkopplung nutzen. Das bedeutet nicht, dass Information allein Energie liefert; ausschlaggebend ist, sie zu messen und für eine gezielte Steuerung einzusetzen. 1
14
15
Die Forschenden sehen darin einen Schritt hin zu zyklischen mikroskopischen Informationsmotoren. Die Max-Planck-Gesellschaft hebt hervor, dass solche Konzepte ohne Temperaturunterschiede oder andere makroskopische Energiegefälle auskommen könnten. Die vorliegenden Quellen belegen jedoch weder einen bereits realisierten zyklischen Motor noch konkrete Anwendungen in Polymerlösungen oder biologischen Medien. 7
15
Die Arbeit The extraction of work from hidden degrees of freedom erschien am 16. Oktober 2026 online und frei zugänglich in Nature Physics. Die angegebene DOI lautet 10.1038/s41567-026-03442-w. Als Autoren sind Lokesh Muruga, Felix Ginot, Sarah A. M. Loos und Clemens Bechinger aufgeführt; Muruga steht an erster Stelle. 9
14
Die verfügbaren Quellen bestätigen die Autorenschaft, nennen aber keine individuellen Zuständigkeiten der Autorinnen und Autoren. Auch die im Auftrag erwähnte ERC-Förderung und der genaue Titel oder die Nummer eines entsprechenden Advanced Grant lassen sich anhand der bereitgestellten Quellen nicht verifizieren.
Studio Global AI
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Eine zweite, zeitversetzte Positionsmessung kann Hinweise darauf liefern, wie sich die Umgebung eines Teilchens zuvor bewegt hat – und damit Information für die Arbeitsgewinnung erschließen.
Eine zweite, zeitversetzte Positionsmessung kann Hinweise darauf liefern, wie sich die Umgebung eines Teilchens zuvor bewegt hat – und damit Information für die Arbeitsgewinnung erschließen. Anders als bei einem gedächtnislosen Markov Modell wirken in diesem Versuch verborgene Zustände der Umgebung weiter auf die Teilchenbewegung ein.
Die Ergebnisse sind ein Schritt hin zu mikroskopischen Informationsmotoren. Anwendungen in bestimmten Flüssigkeiten oder biologische Systeme sind damit noch nicht nachgewiesen.