Hiukkasen kaksi sijaintimittausta paljastavat sen liikkeen historiaa ja auttavat päättelemään, mitä ympäröivässä nesteessä tapahtuu. Hitaasti palautuva ympäristö säilyttää muistoja hiukkasen aiemmasta liikkeestä, joten pelkkä hiukkasen tämänhetkinen sijainti ei kerro koko tarinaa.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer

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
Hiukkasen sijainnin mittaaminen kahdesti voi paljastaa enemmän kuin yksi mittaus yksinään. Konstanzin yliopiston ja Göttingenin Max Planck -instituutin tutkijat osoittivat, että peräkkäisistä mittauksista voidaan päätellä jotakin myös hiukkasta ympäröivän aineen piiloon jäävästä tilasta. Näin saatua tietoa voidaan käyttää työn tuottamiseen mikroskooppisessa informaatiokoneessa. 14
15
Tulos on esimerkki Maxwellin demonista: fysikaalisesta järjestelmästä tietoa keräävästä toimijasta, joka pyrkii muuttamaan tiedon työksi. Tässä demonin ei tarvitse nähdä ympäristöä suoraan. Se voi päätellä osan siitä hiukkasen liikkeen perusteella. Tutkimus käsittelee informaatiota termodynaamisena resurssina Maxwellin demonin ja Szilardin koneen perinteessä. 1
2
Tutkijat tarkastelivat hiukkasta monimutkaisessa, rakenteisessa väliaineessa. Yliopiston kuvauksen mukaan ympäristö on ikään kuin ”spagettimainen”: hiukkanen muokkaa sitä, ja aine palautuu vähitellen ennalleen. Ympäristön tila vaikuttaa siksi hiukkasen myöhempään liikkeeseen. Pelkästä hiukkasen sijainnista tätä rakennetta ei voi suoraan nähdä. 15
Kun hiukkasen sijainti mitataan kahdesti, mittausten väliin jää lyhyt pala sen liikehistoriaa. Sen avulla voidaan päätellä osa piilossa olevasta ympäristön tilasta. Toinen, viiveellä tehtävä mittaus on tärkeä, koska mittausten välinen liike sisältää tietoa hiukkasen ja ympäristön välisistä dynaamisista yhteyksistä. Tätä tietoa voidaan hyödyntää työn saamiseksi järjestelmästä. 14
15
16
Mittausvälin täytyy siis olla hyödyllinen: mittaukset eivät saa vain toistaa toisiaan, mutta niitä ei myöskään kannata erottaa toisistaan niin pitkäksi aikaa, että ympäristön muistista ei enää saada olennaista tietoa. Käytettävissä olevat lähteet eivät kuitenkaan kerro optimaalisen viiveen tarkkaa arvoa tai sitä, kuinka paljon työntuotto parani yhteen mittaukseen verrattuna.
Monissa informaatiokoneiden malleissa oletetaan Markovinen dynamiikka. Tällöin järjestelmän nykytila riittää tulevan kehityksen ennustamiseen: aiempi historia ei tuo ennusteeseen lisätietoa. Tässä tapauksessa ympäristö säilyttää kuitenkin tietoa menneestä liikkeestä. Kun tarkastellaan vain hiukkasta, järjestelmän näkyvä tila jää siksi puutteelliseksi. Tutkimuksen kone hyödyntää juuri tätä ei-Markovista ympäristömuistia. 1
15
Ajatus liittyy laajempaan kysymykseen siitä, miten mittaamalla hankittua tietoa voidaan muuttaa työksi. Tutkimuksen olennainen lisä on, että hyödynnettävä tieto ei ole kokonaan suoraan mitattavissa: osa siitä päätellään hiukkasen näkyvästä liikkeestä. 1
2
15
Max Planck -instituutin mukaan tulos on askel kohti mikroskooppisia informaatiokoneita, jotka voisivat toimia ilman lämpötilaeroa tai muuta makroskooppista energiaeroa. Konstanzin yliopisto kuvaa tutkimusta askeleeksi kohti syklisiä mikroskooppisia informaatiokoneita. Nämä ovat kuitenkin mahdollisia jatkosuuntia, eivät tässä työssä esiteltyjä valmiita sovelluksia. 7
15
Saatavilla olevat lähteet eivät osoita, että menetelmää olisi jo sovellettu esimerkiksi polymeeriliuoksiin tai biologisiin väliaineisiin. Ne eivät myöskään vahvista, että kyseinen tutkimus olisi toteuttanut syklisesti toimivan koneen.
Tutkimus The extraction of work from hidden degrees of freedom julkaistiin avoimena artikkelina Nature Physics -lehdessä verkossa 16. lokakuuta 2026. Artikkelin DOI-tunnus on 10.1038/s41567-026-03442-w. 1
10
Kirjoittajat ovat Lokesh Muruga, Felix Ginot, Sarah A. M. Loos ja Clemens Bechinger; Muruga on listattu ensimmäiseksi kirjoittajaksi. Aihetta käsittelevä esijulkaisu Extracting work from hidden degrees of freedom lähetettiin arXiviin 6. maaliskuuta 2026 tunnuksella arXiv:2603.06160. 8
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Hiukkasen kaksi sijaintimittausta paljastavat sen liikkeen historiaa ja auttavat päättelemään, mitä ympäröivässä nesteessä tapahtuu.
Hiukkasen kaksi sijaintimittausta paljastavat sen liikkeen historiaa ja auttavat päättelemään, mitä ympäröivässä nesteessä tapahtuu. Hitaasti palautuva ympäristö säilyttää muistoja hiukkasen aiemmasta liikkeestä, joten pelkkä hiukkasen tämänhetkinen sijainti ei kerro koko tarinaa.
Tutkimus osoittaa, että ympäristön muisti voi olla mikroskooppiselle informaatiokoneelle hyödynnettävä resurssi.
Hiukkasen kaksi sijaintimittausta paljastavat sen liikkeen historiaa ja auttavat päättelemään, mitä ympäröivässä nesteessä tapahtuu. Hitaasti palautuva ympäristö säilyttää muistoja hiukkasen aiemmasta liikkeestä, joten pelkkä hiukkasen tämänhetkinen sijainti ei kerro koko tarinaa.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer

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
Hiukkasen sijainnin mittaaminen kahdesti voi paljastaa enemmän kuin yksi mittaus yksinään. Konstanzin yliopiston ja Göttingenin Max Planck -instituutin tutkijat osoittivat, että peräkkäisistä mittauksista voidaan päätellä jotakin myös hiukkasta ympäröivän aineen piiloon jäävästä tilasta. Näin saatua tietoa voidaan käyttää työn tuottamiseen mikroskooppisessa informaatiokoneessa. 14
15
Tulos on esimerkki Maxwellin demonista: fysikaalisesta järjestelmästä tietoa keräävästä toimijasta, joka pyrkii muuttamaan tiedon työksi. Tässä demonin ei tarvitse nähdä ympäristöä suoraan. Se voi päätellä osan siitä hiukkasen liikkeen perusteella. Tutkimus käsittelee informaatiota termodynaamisena resurssina Maxwellin demonin ja Szilardin koneen perinteessä. 1
2
Tutkijat tarkastelivat hiukkasta monimutkaisessa, rakenteisessa väliaineessa. Yliopiston kuvauksen mukaan ympäristö on ikään kuin ”spagettimainen”: hiukkanen muokkaa sitä, ja aine palautuu vähitellen ennalleen. Ympäristön tila vaikuttaa siksi hiukkasen myöhempään liikkeeseen. Pelkästä hiukkasen sijainnista tätä rakennetta ei voi suoraan nähdä. 15
Kun hiukkasen sijainti mitataan kahdesti, mittausten väliin jää lyhyt pala sen liikehistoriaa. Sen avulla voidaan päätellä osa piilossa olevasta ympäristön tilasta. Toinen, viiveellä tehtävä mittaus on tärkeä, koska mittausten välinen liike sisältää tietoa hiukkasen ja ympäristön välisistä dynaamisista yhteyksistä. Tätä tietoa voidaan hyödyntää työn saamiseksi järjestelmästä. 14
15
16
Mittausvälin täytyy siis olla hyödyllinen: mittaukset eivät saa vain toistaa toisiaan, mutta niitä ei myöskään kannata erottaa toisistaan niin pitkäksi aikaa, että ympäristön muistista ei enää saada olennaista tietoa. Käytettävissä olevat lähteet eivät kuitenkaan kerro optimaalisen viiveen tarkkaa arvoa tai sitä, kuinka paljon työntuotto parani yhteen mittaukseen verrattuna.
Monissa informaatiokoneiden malleissa oletetaan Markovinen dynamiikka. Tällöin järjestelmän nykytila riittää tulevan kehityksen ennustamiseen: aiempi historia ei tuo ennusteeseen lisätietoa. Tässä tapauksessa ympäristö säilyttää kuitenkin tietoa menneestä liikkeestä. Kun tarkastellaan vain hiukkasta, järjestelmän näkyvä tila jää siksi puutteelliseksi. Tutkimuksen kone hyödyntää juuri tätä ei-Markovista ympäristömuistia. 1
15
Ajatus liittyy laajempaan kysymykseen siitä, miten mittaamalla hankittua tietoa voidaan muuttaa työksi. Tutkimuksen olennainen lisä on, että hyödynnettävä tieto ei ole kokonaan suoraan mitattavissa: osa siitä päätellään hiukkasen näkyvästä liikkeestä. 1
2
15
Max Planck -instituutin mukaan tulos on askel kohti mikroskooppisia informaatiokoneita, jotka voisivat toimia ilman lämpötilaeroa tai muuta makroskooppista energiaeroa. Konstanzin yliopisto kuvaa tutkimusta askeleeksi kohti syklisiä mikroskooppisia informaatiokoneita. Nämä ovat kuitenkin mahdollisia jatkosuuntia, eivät tässä työssä esiteltyjä valmiita sovelluksia. 7
15
Saatavilla olevat lähteet eivät osoita, että menetelmää olisi jo sovellettu esimerkiksi polymeeriliuoksiin tai biologisiin väliaineisiin. Ne eivät myöskään vahvista, että kyseinen tutkimus olisi toteuttanut syklisesti toimivan koneen.
Tutkimus The extraction of work from hidden degrees of freedom julkaistiin avoimena artikkelina Nature Physics -lehdessä verkossa 16. lokakuuta 2026. Artikkelin DOI-tunnus on 10.1038/s41567-026-03442-w. 1
10
Kirjoittajat ovat Lokesh Muruga, Felix Ginot, Sarah A. M. Loos ja Clemens Bechinger; Muruga on listattu ensimmäiseksi kirjoittajaksi. Aihetta käsittelevä esijulkaisu Extracting work from hidden degrees of freedom lähetettiin arXiviin 6. maaliskuuta 2026 tunnuksella arXiv:2603.06160. 8
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Hiukkasen kaksi sijaintimittausta paljastavat sen liikkeen historiaa ja auttavat päättelemään, mitä ympäröivässä nesteessä tapahtuu.
Hiukkasen kaksi sijaintimittausta paljastavat sen liikkeen historiaa ja auttavat päättelemään, mitä ympäröivässä nesteessä tapahtuu. Hitaasti palautuva ympäristö säilyttää muistoja hiukkasen aiemmasta liikkeestä, joten pelkkä hiukkasen tämänhetkinen sijainti ei kerro koko tarinaa.
Tutkimus osoittaa, että ympäristön muisti voi olla mikroskooppiselle informaatiokoneelle hyödynnettävä resurssi.