康斯坦茨大学和哥廷根马克斯·普朗克动力学与自组织研究所的研究团队，展示了一种利用环境记忆的微观信息引擎：他们不只读取粒子的位置，还通过间隔一段时间的再次测量，推断周围介质中部分看不见的状态，并把这些信息用于提取功。1715

这让“麦克斯韦妖”这个经典思想实验有了新的实验切入点：信息不只是描述系统的记录，也可以成为热力学资源。但这不代表信息能凭空变成能量，更不意味着热力学定律失效；关键在于，测量得到的信息如何与系统的物理状态及其演化关联起来。12

看不见的环境，也会“记住”粒子

研究中的粒子处在复杂液体环境里。康斯坦茨大学的介绍将这种介质比作交织的“意大利面”：粒子运动会扰动周围结构，而结构需要时间逐渐松弛。因此，介质会保留此前运动的影响，并继续影响粒子之后的行为。15

如果只把粒子当前位置当作系统的全部状态，就会漏掉环境中这些不可直接观测的变量。换句话说，粒子的眼前状态不足以完整说明它接下来会怎样运动；系统带有“记忆”。论文与研究机构将这一类动力学称为非马尔可夫动力学。115

为什么要测两次？

一次位置测量只能告诉研究者粒子此刻在哪里。隔一段时间再测一次，就多了一段简短的运动历史。两次读数之间的变化，能够透露部分环境记忆及其与粒子运动的关联，让研究者间接获得单次测量看不到的信息。716

第二次测量的价值不只是重复确认位置。同行评审文件指出，延迟测量是利用非马尔可夫记忆产生功的关键，因为它提供了可用于做功的动力学关联。16 因此，测量间隔需要让这些关联仍然有用：并非任何间隔、任何两次读数都会带来相同效果。现有材料没有给出足以说明最优间隔或量化增益的具体数据，不宜将效果说成固定不变。

与传统信息引擎有何不同？

不少传统信息引擎模型假设环境是“无记忆”的：当前状态足以描述系统，过去的信息不会以可利用的方式留在环境中。研究团队展示的装置则把环境记忆纳入考量，通过粒子的可见运动，间接读取一部分隐藏的环境信息。1

这项工作的意义，是表明环境记忆不一定只是控制上的麻烦，也可能成为提取功时可利用的信息资源。17 马克斯·普朗克研究所称，这一结果为微观信息引擎迈出了一步，并指出此类引擎有望在没有温差或其他宏观能量梯度的情况下运行。7 不过，研究报道表达的是发展方向；现有材料并未证明这套装置已经实现循环运行，也没有证实它已在聚合物溶液或生物介质中应用。715

论文与研究团队

论文《The extraction of work from hidden degrees of freedom》于2026年10月16日在线发表于《Nature Physics》，为开放获取文章，DOI为 10.1038/s41567-026-03442-w。19 作者包括 Lokesh Muruga、Felix Ginot、Sarah A. M. Loos 和 Clemens Bechinger；Muruga 列为第一作者。14 相关预印本《Extracting work from hidden degrees of freedom》于2026年3月6日提交至 arXiv，编号为 arXiv:2603.06160。

现有来源列出了作者名单，但未提供足够信息来确认各位作者在实验、理论分析或写作中的具体分工。有关 Bechinger 的 ERC 高级资助是否支持本研究、资助项目的准确名称或编号，以及实验反馈装置的具体操作细节，现有材料也不足以核实。

康斯坦茨大学和哥廷根马克斯·普朗克动力学与自组织研究所的研究团队，展示了一种利用环境记忆的微观信息引擎：他们不只读取粒子的位置，还通过间隔一段时间的再次测量，推断周围介质中部分看不见的状态，并把这些信息用于提取功。1715

这让“麦克斯韦妖”这个经典思想实验有了新的实验切入点：信息不只是描述系统的记录，也可以成为热力学资源。但这不代表信息能凭空变成能量，更不意味着热力学定律失效；关键在于，测量得到的信息如何与系统的物理状态及其演化关联起来。12

看不见的环境，也会“记住”粒子

研究中的粒子处在复杂液体环境里。康斯坦茨大学的介绍将这种介质比作交织的“意大利面”：粒子运动会扰动周围结构，而结构需要时间逐渐松弛。因此，介质会保留此前运动的影响，并继续影响粒子之后的行为。15

如果只把粒子当前位置当作系统的全部状态，就会漏掉环境中这些不可直接观测的变量。换句话说，粒子的眼前状态不足以完整说明它接下来会怎样运动；系统带有“记忆”。论文与研究机构将这一类动力学称为非马尔可夫动力学。115

为什么要测两次？

一次位置测量只能告诉研究者粒子此刻在哪里。隔一段时间再测一次，就多了一段简短的运动历史。两次读数之间的变化，能够透露部分环境记忆及其与粒子运动的关联，让研究者间接获得单次测量看不到的信息。716

第二次测量的价值不只是重复确认位置。同行评审文件指出，延迟测量是利用非马尔可夫记忆产生功的关键，因为它提供了可用于做功的动力学关联。16 因此，测量间隔需要让这些关联仍然有用：并非任何间隔、任何两次读数都会带来相同效果。现有材料没有给出足以说明最优间隔或量化增益的具体数据，不宜将效果说成固定不变。

与传统信息引擎有何不同？

不少传统信息引擎模型假设环境是“无记忆”的：当前状态足以描述系统，过去的信息不会以可利用的方式留在环境中。研究团队展示的装置则把环境记忆纳入考量，通过粒子的可见运动，间接读取一部分隐藏的环境信息。1

这项工作的意义，是表明环境记忆不一定只是控制上的麻烦，也可能成为提取功时可利用的信息资源。17 马克斯·普朗克研究所称，这一结果为微观信息引擎迈出了一步，并指出此类引擎有望在没有温差或其他宏观能量梯度的情况下运行。7 不过，研究报道表达的是发展方向；现有材料并未证明这套装置已经实现循环运行，也没有证实它已在聚合物溶液或生物介质中应用。715

论文与研究团队

论文《The extraction of work from hidden degrees of freedom》于2026年10月16日在线发表于《Nature Physics》，为开放获取文章，DOI为 10.1038/s41567-026-03442-w。19 作者包括 Lokesh Muruga、Felix Ginot、Sarah A. M. Loos 和 Clemens Bechinger；Muruga 列为第一作者。14 相关预印本《Extracting work from hidden degrees of freedom》于2026年3月6日提交至 arXiv，编号为 arXiv:2603.06160。

现有来源列出了作者名单，但未提供足够信息来确认各位作者在实验、理论分析或写作中的具体分工。有关 Bechinger 的 ERC 高级资助是否支持本研究、资助项目的准确名称或编号，以及实验反馈装置的具体操作细节，现有材料也不足以核实。