Een tweede, vertraagde meting aan een deeltje kan informatie onthullen over de verborgen dynamiek van zijn omgeving — en die informatie bruikbaar maken voor werkextractie. De omgeving ontspant langzaam en houdt als het ware een spoor bij van eerdere bewegingen.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met 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
Een deeltje beweegt, de onderzoekers meten waar het zich bevindt — en doen dat nog eens, met enige vertraging. Dat tweede meetmoment levert iets op wat één momentopname niet kan: informatie over hoe de omgeving van het deeltje intussen is veranderd. Onderzoekers van de Universiteit Konstanz en het Max Planck Instituut voor Dynamica en Zelforganisatie in Göttingen laten zien dat die verborgen informatie kan helpen om bruikbaar werk te winnen. 14
15
16
Het resultaat is een microscopische informatie-engine, ook wel een Maxwell-demon genoemd. Niet omdat er een letterlijk wezentje aan het werk is, maar omdat het systeem informatie over beweging gebruikt om de uitkomst van een proces te beïnvloeden.
De onderzoekers bestudeerden een deeltje in een complexe vloeistof. De structuur van dat medium werd omschreven als ‘spaghetti-achtig’: de beweging van het deeltje kan het materiaal lokaal verstoren, waarna die verstoring niet meteen verdwijnt. De omgeving ontspant geleidelijk en beïnvloedt zo ook de beweging die erop volgt. 15
Dat betekent dat de positie van het deeltje op één bepaald moment niet het hele verhaal vertelt. Er zit relevante informatie verscholen in de toestand van de omgeving en in de voorgeschiedenis van het deeltje.
Eén meting geeft de demon een momentopname. Een tweede meting na een vertraging voegt een stukje bewegingsgeschiedenis toe. Daardoor kan het systeem meer leren over de dynamische samenhang tussen het deeltje en zijn omgeving — informatie die kan worden ingezet om werk te onttrekken. 14
16
De vertraging doet ertoe: de tweede meting moet informatie opleveren over die samenhang, niet alleen de eerste meting herhalen. In de beschikbare bronnen staan geen exacte optimale wachttijd of cijfers over de hoeveelheid extra werk. Wel beschrijft het peerreviewbestand de vertraagde vervolgmeting als een belangrijke stap om werk uit het omgevingsgeheugen te halen. 16
Veel informatie-engines worden beschreven met een Markoviaans model. In zo’n model volstaat de huidige toestand om de toekomstige ontwikkeling te voorspellen; eerdere toestanden voegen geen relevante informatie meer toe. 1
In dit experiment is dat uitgangspunt niet toereikend. De omgeving houdt informatie vast over eerdere bewegingen en beïnvloedt wat daarna gebeurt. De dynamiek is daarom niet-Markoviaans: om het systeem goed te beschrijven, moet je rekening houden met die verborgen voorgeschiedenis. De onderzoekers benutten juist een deel daarvan via herhaalde metingen aan het waarneembare deeltje. 1
15
Maxwell’s demon is een bekend gedachte-experiment over de relatie tussen informatie en thermodynamica. Het onderzoek sluit aan bij het idee dat informatie die door metingen wordt verkregen, niet alleen iets is om te weten, maar ook een hulpbron kan zijn om werk te winnen. 1
2
De opvallende stap hier is dat de demon niet rechtstreeks elke verborgen beweging in de omgeving hoeft te meten. Door het deeltje tweemaal te volgen, kan het systeem indirect informatie over die omgeving terugwinnen en benutten. Dat maakt omgevingsgeheugen niet alleen een complicatie, maar ook een mogelijke hulpbron. 14
15
De resultaten zijn volgens de onderzoekers een stap richting microscopische informatie-engines die cyclisch kunnen werken. Dat is een vooruitzicht, geen bewijs dat zulke motoren al praktisch inzetbaar zijn in bijvoorbeeld polymeren of biologische materialen. De beschikbare bronnen bevestigen ook niet dat deze specifieke opstelling al zo’n toepassing demonstreert. 7
15
Het onderzoek, The extraction of work from hidden degrees of freedom, verscheen op 16 oktober 2026 online in het open-access tijdschrift Nature Physics. De auteurs zijn Lokesh Muruga, Felix Ginot, Sarah A. M. Loos en Clemens Bechinger. 1
14
De preprint met de titel Extracting work from hidden degrees of freedom werd op 6 maart 2026 ingediend bij arXiv. De beschikbare bronnen geven geen betrouwbare details over de afzonderlijke bijdragen van de auteurs of over de specifieke financiering van dit onderzoek.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Een tweede, vertraagde meting aan een deeltje kan informatie onthullen over de verborgen dynamiek van zijn omgeving — en die informatie bruikbaar maken voor werkextractie.
Een tweede, vertraagde meting aan een deeltje kan informatie onthullen over de verborgen dynamiek van zijn omgeving — en die informatie bruikbaar maken voor werkextractie. De omgeving ontspant langzaam en houdt als het ware een spoor bij van eerdere bewegingen.
Het experiment laat zien hoe een informatie engine rekening kan houden met omgevingsgeheugen, in plaats van uit te gaan van een geheugenloze, Markoviaanse omgeving.
Een tweede, vertraagde meting aan een deeltje kan informatie onthullen over de verborgen dynamiek van zijn omgeving — en die informatie bruikbaar maken voor werkextractie. De omgeving ontspant langzaam en houdt als het ware een spoor bij van eerdere bewegingen.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met 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
Een deeltje beweegt, de onderzoekers meten waar het zich bevindt — en doen dat nog eens, met enige vertraging. Dat tweede meetmoment levert iets op wat één momentopname niet kan: informatie over hoe de omgeving van het deeltje intussen is veranderd. Onderzoekers van de Universiteit Konstanz en het Max Planck Instituut voor Dynamica en Zelforganisatie in Göttingen laten zien dat die verborgen informatie kan helpen om bruikbaar werk te winnen. 14
15
16
Het resultaat is een microscopische informatie-engine, ook wel een Maxwell-demon genoemd. Niet omdat er een letterlijk wezentje aan het werk is, maar omdat het systeem informatie over beweging gebruikt om de uitkomst van een proces te beïnvloeden.
De onderzoekers bestudeerden een deeltje in een complexe vloeistof. De structuur van dat medium werd omschreven als ‘spaghetti-achtig’: de beweging van het deeltje kan het materiaal lokaal verstoren, waarna die verstoring niet meteen verdwijnt. De omgeving ontspant geleidelijk en beïnvloedt zo ook de beweging die erop volgt. 15
Dat betekent dat de positie van het deeltje op één bepaald moment niet het hele verhaal vertelt. Er zit relevante informatie verscholen in de toestand van de omgeving en in de voorgeschiedenis van het deeltje.
Eén meting geeft de demon een momentopname. Een tweede meting na een vertraging voegt een stukje bewegingsgeschiedenis toe. Daardoor kan het systeem meer leren over de dynamische samenhang tussen het deeltje en zijn omgeving — informatie die kan worden ingezet om werk te onttrekken. 14
16
De vertraging doet ertoe: de tweede meting moet informatie opleveren over die samenhang, niet alleen de eerste meting herhalen. In de beschikbare bronnen staan geen exacte optimale wachttijd of cijfers over de hoeveelheid extra werk. Wel beschrijft het peerreviewbestand de vertraagde vervolgmeting als een belangrijke stap om werk uit het omgevingsgeheugen te halen. 16
Veel informatie-engines worden beschreven met een Markoviaans model. In zo’n model volstaat de huidige toestand om de toekomstige ontwikkeling te voorspellen; eerdere toestanden voegen geen relevante informatie meer toe. 1
In dit experiment is dat uitgangspunt niet toereikend. De omgeving houdt informatie vast over eerdere bewegingen en beïnvloedt wat daarna gebeurt. De dynamiek is daarom niet-Markoviaans: om het systeem goed te beschrijven, moet je rekening houden met die verborgen voorgeschiedenis. De onderzoekers benutten juist een deel daarvan via herhaalde metingen aan het waarneembare deeltje. 1
15
Maxwell’s demon is een bekend gedachte-experiment over de relatie tussen informatie en thermodynamica. Het onderzoek sluit aan bij het idee dat informatie die door metingen wordt verkregen, niet alleen iets is om te weten, maar ook een hulpbron kan zijn om werk te winnen. 1
2
De opvallende stap hier is dat de demon niet rechtstreeks elke verborgen beweging in de omgeving hoeft te meten. Door het deeltje tweemaal te volgen, kan het systeem indirect informatie over die omgeving terugwinnen en benutten. Dat maakt omgevingsgeheugen niet alleen een complicatie, maar ook een mogelijke hulpbron. 14
15
De resultaten zijn volgens de onderzoekers een stap richting microscopische informatie-engines die cyclisch kunnen werken. Dat is een vooruitzicht, geen bewijs dat zulke motoren al praktisch inzetbaar zijn in bijvoorbeeld polymeren of biologische materialen. De beschikbare bronnen bevestigen ook niet dat deze specifieke opstelling al zo’n toepassing demonstreert. 7
15
Het onderzoek, The extraction of work from hidden degrees of freedom, verscheen op 16 oktober 2026 online in het open-access tijdschrift Nature Physics. De auteurs zijn Lokesh Muruga, Felix Ginot, Sarah A. M. Loos en Clemens Bechinger. 1
14
De preprint met de titel Extracting work from hidden degrees of freedom werd op 6 maart 2026 ingediend bij arXiv. De beschikbare bronnen geven geen betrouwbare details over de afzonderlijke bijdragen van de auteurs of over de specifieke financiering van dit onderzoek.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Een tweede, vertraagde meting aan een deeltje kan informatie onthullen over de verborgen dynamiek van zijn omgeving — en die informatie bruikbaar maken voor werkextractie.
Een tweede, vertraagde meting aan een deeltje kan informatie onthullen over de verborgen dynamiek van zijn omgeving — en die informatie bruikbaar maken voor werkextractie. De omgeving ontspant langzaam en houdt als het ware een spoor bij van eerdere bewegingen.
Het experiment laat zien hoe een informatie engine rekening kan houden met omgevingsgeheugen, in plaats van uit te gaan van een geheugenloze, Markoviaanse omgeving.