tecktom.com

誤りのある測定と最適なフィードバック

2026年10月15日8分で読めますAI生成教科書『虎の巻』第4部 第4章 Szilard エンジンと測定・フィードバック
目次
  1. 誤りのある測定
  2. 仕切りを途中で止める
  3. 損失は事後分布との
  4. 木下の層

AI 生成・木下が未勉強

相対エントロピーから情報と物理を組み立てる 第4部 第4章 §4.4.2 ★★★ 仕切りを事後確率の位置まで動かすと平均の仕事が kBT I(X;Y)k_{\mathrm B} T\,I(X;Y) に達し、それ以外の位置では kBT∑yp(y)D(pX∣y ∥ qy)k_{\mathrm B} T\sum_yp(y)D(p_{X|y}\,\|\,q_y) だけ損をする

誤りのある測定

測定器が確率 ε\varepsilon で左右を取り違えるとする。測定器は反転確率 ε\varepsilon の2値対称通信路で、

p(y ∣ x)={1−ε(y=x)ε(y≠x)p(y\,|\,x)=\begin{cases}1-\varepsilon &(y=x)\\ \varepsilon &(y\ne x)\end{cases}

である。分子は確率 1/21/2 ずつ左右にいるので、p(y)=1/2p(y)=1/2、事後確率は p(x ∣ y)=p(y ∣ x)p(x\,|\,y)=p(y\,|\,x) で、

I(X;Y)=ln⁡2−hb(ε)(4.4.6)I(X;Y)=\ln2-h_{\mathrm b}(\varepsilon )\tag{4.4.6}

である(第1部第3章 の例題と同じ値)。ε=0\varepsilon =0 で ln⁡2\ln2、ε=1/2\varepsilon =1/2 で 00 になる。

誤りのある測定で図 4.4.1 の (c) をそのまま行うと、確率 ε\varepsilon で分子のいない側を広げてしまう。分子のいる側の体積は V/2V/2 から 00 へ押しつぶされ、1分子の気体を体積 00 まで圧縮する仕事は無限大になる。したがって、誤りがあるときは仕切りを壁まで動かしてはならない。

仕切りを途中で止める

結果が y=Ly=\mathrm L のとき、仕切りを左の壁から測って体積の割合 ff の位置まで(1/2<f<11/2<f<1)ゆっくり動かして止め、それから仕切りを取り去る。y=Ry=\mathrm R のときは左右を入れ替えて同じことをする。分子が左にいれば、分子のいる側の体積は V/2V/2 から fVfV に広がり、右にいれば V/2V/2 から (1−f)V(1-f)V に縮む。どちらも等温の準静的な操作なので、1回ごとに取り出す仕事は

−βW=ln⁡vx(y)1/2,vx(y)=結果 y のときの、分子のいる側の終わりの体積の割合(4.4.7)-\beta W=\ln\frac{v_x(y)}{1/2},\qquad v_x(y)=\text{結果 }{y}\text{ のときの、分子のいる側の終わりの体積の割合}\tag{4.4.7}

である。仕切りを取り去るときに仕事は要らない。左右を入れ替えた対称性から、平均は

−β⟨W⟩=(1−ε)ln⁡(2f)+εln⁡(2(1−f))=ln⁡2+(1−ε)ln⁡f+εln⁡(1−f)(4.4.8)-\beta\langle W \rangle =(1-\varepsilon )\ln(2f)+\varepsilon \ln\bigl(2(1-f)\bigr)=\ln2+(1-\varepsilon )\ln f+\varepsilon \ln(1-f)\tag{4.4.8}

である。ff で微分して 00 とおくと (1−ε)/f=ε/(1−f)(1-\varepsilon )/f=\varepsilon /(1-f)、すなわち f=1−εf=1-\varepsilon で最大になり、その値はln⁡2+(1−ε)ln⁡(1−ε)+εln⁡ε=ln⁡2−hb(ε)\ln2+(1-\varepsilon )\ln(1-\varepsilon )+\varepsilon \ln\varepsilon =\ln2-h_{\mathrm b}(\varepsilon ) である。式 (4.4.6) と比べると、仕切りを事後確率 p(L ∣ L)=1−εp(\mathrm L\,|\,\mathrm L)=1-\varepsilon の位置まで動かしたとき、取り出す仕事はちょうど kBT I(X;Y)k_{\mathrm B} T\,I(X;Y) になる。

損失は事後分布との DD

一般の場合に書く。結果 yy ごとに、終わりの体積の割合を分布 qy(x)≔vx(y)q_y(x)\coloneqq v_x(y) とみなす(∑xqy(x)=1\sum_xq_y(x)=1)。測定の前の分布が p(x)=vxp(x)=v_x(初めの体積の割合)のとき、式 (4.4.7) の 1/21/2 を p(x)p(x) に替えた −βW=ln⁡(qy(x)/p(x))-\beta W=\ln\bigl(q_y(x)/p(x)\bigr) を平均すると

−β⟨W⟩=∑x,yp(x,y)ln⁡qy(x)p(x)=∑x,yp(x,y)ln⁡p(x ∣ y)p(x)−∑yp(y)∑xp(x ∣ y)ln⁡p(x ∣ y)qy(x)=I(X;Y)−∑yp(y) D(pX∣y ∥ qy)(4.4.9)\begin{aligned} -\beta\langle W \rangle &=\sum_{x,y}p(x,y)\ln\frac{q_y(x)}{p(x)} =\sum_{x,y}p(x,y)\ln\frac{p(x\,|\,y)}{p(x)}-\sum_yp(y)\sum_xp(x\,|\,y)\ln\frac{p(x\,|\,y)}{q_y(x)}\\ &=I(X;Y)-\sum_yp(y)\,D(p_{X|y}\,\|\,q_y) \end{aligned}\tag{4.4.9}

になる。第2項は非負で、qy=pX∣yq_y=p_{X|y} のときに限って 00 になる。

定理 4.4.2(最適なフィードバック ★★★)

仕切りを準静的に動かす Szilard エンジンで、結果 yy のときの終わりの体積の割合を qyq_y とする。取り出す仕事の平均は−⟨W⟩=kBT[I(X;Y)−∑yp(y)D(pX∣y ∥ qy)]-\langle W \rangle = k_{\mathrm B} T\bigl[I(X;Y)-\sum_yp(y)D(p_{X|y}\,\|\,q_y)\bigr] で、qy=pX∣yq_y=p_{X|y}(事後分布)のときに最大値 kBT I(X;Y)k_{\mathrm B} T\,I(X;Y) に達する。

事後分布の位置まで仕切りを動かすと、操作の終わりに分子が左にいる確率 p(L ∣ y)p(\mathrm L\,|\,y) と、左の体積の割合 qy(L)q_y(\mathrm L) が等しくなる。これは、仕切りを取り去る直前の分子の分布が、箱全体の一様分布をその位置の仕切りで分けたもの(その時点の平衡分布)に一致する、という意味である。このため仕切りを取り去っても分布は変わらず、何も失われない。qy≠pX∣yq_y\ne p_{X|y} のときは、仕切りを取り去る瞬間に分布が平衡分布へ不可逆に緩和し、そのとき失われる自由エネルギーが kBT D(pX∣y ∥ qy)k_{\mathrm B} T\,D(p_{X|y}\,\|\,q_y) である(式 (4.4.4) を仕切りのある Hamiltonian に当てた形)。

図

図 4.4.2 取り出す仕事の平均(kBTk_{\mathrm B} T 単位)。点線は最適なフィードバック(仕切りを事後確率 1−ε1-\varepsilon の位置へ)で到達する上限 I(X;Y)I(X;Y)、実線は ε=0.1\varepsilon =0.1 用に作った操作(f=0.9f=0.9)を他の ε\varepsilon の測定器で使ったときの値(式 (4.4.8))。実線は ε=0.1\varepsilon =0.1 で点線に接し、それ以外では点線より D((1−ε,ε) ∥ (0.9,0.1))D\bigl((1-\varepsilon ,\varepsilon )\,\|\,(0.9,0.1)\bigr) だけ下にある。ε>0.27\varepsilon >0.27 では実線が負になり、平均で仕事を払うことになる。

例題 4.4.2 誤り 10% の測定器での1回ごとの仕事 ★★★

オリジナル反転確率 ε=0.1\varepsilon =0.1 の測定器を使い、仕切りを最適な位置 f=0.9f=0.9 まで動かす Szilard エンジンを考える。

  1. 測定が当たったときと外れたときの、1回ごとの取り出す仕事 −W-W を kBTk_{\mathrm B} T 単位で求めよ。
  2. 平均が kBT I(X;Y)k_{\mathrm B} T\,I(X;Y) に等しいことを確かめよ。仕事を払うことになる回は全体の何割か。
  3. 仕切りを f=0.7f=0.7 で止めると、平均はいくら減るか。式 (4.4.9) の第2項で確かめよ。
解答

(1) 当たりのとき(確率 0.90.9)、分子のいる側は V/2V/2 から 0.9V0.9V に広がるので −βW=ln⁡1.8=0.5878-\beta W=\ln1.8=0.5878 である。外れのとき(確率 0.10.1)、分子のいる側は V/2V/2 から 0.1V0.1V に縮むので −βW=ln⁡0.2=−1.6094-\beta W=\ln0.2=-1.6094 で、1.6094 kBT1.6094\, k_{\mathrm B} T の仕事を払う。

(2) 平均は 0.9×0.5878+0.1×(−1.6094)=0.5290−0.1609=0.36810.9\times0.5878+0.1\times(-1.6094)=0.5290-0.1609=0.3681 で、式 (4.4.6) の I(X;Y)=ln⁡2−hb(0.1)=0.3681I(X;Y)=\ln2-h_{\mathrm b}(0.1)=0.3681 に一致する。仕事を払う回は外れの回で、全体の1割である。1回ごとの値は大きく揺らぎ、正にも負にもなるが、平均は情報量で決まる。

(3) f=0.7f=0.7 のとき式 (4.4.8) は ln⁡2+0.9ln⁡0.7+0.1ln⁡0.3=0.6931−0.3210−0.1204=0.2517\ln2+0.9\ln0.7+0.1\ln0.3=0.6931-0.3210-0.1204=0.2517 である。減った分は 0.3681−0.2517=0.11640.3681-0.2517=0.1164 で、

D((0.9,0.1) ∥ (0.7,0.3))=0.9ln⁡0.90.7+0.1ln⁡0.10.3=0.2262−0.1099=0.1164D\bigl((0.9,0.1)\,\|\,(0.7,0.3)\bigr)=0.9\ln\frac{0.9}{0.7}+0.1\ln\frac{0.1}{0.3}=0.2262-0.1099=0.1164

に一致する。結果が L\mathrm L でも R\mathrm R でも事後分布と qyq_y の DD は同じなので、p(y)p(y) で平均しても同じ値になる。

近似の裏付け

型 B(極限) | 小さいもの 仕切りを動かす時間に対する分子の緩和時間の比 →0\to0(準静的) | 証明 条件付き(熱浴との結合を Markov 過程で書け、各時刻の平衡分布がただ1つ。各段で完全に緩和させる離散の模型では 4.4.5 節で損失が段数に反比例して 00 に近づくことを計算する) | 行き先 近似の数理 第1章

木下の勉強ステータス

木下はまだこの記事を勉強していません。

AI(Claude)が書いた教材を、木下が勉強しながら公開しています。式と数値は検算していますが、誤りが残っているかもしれません。誤りのご指摘・削除のご依頼をいただければ直します。 連絡先:support@tecktom.com

← AI生成教科書『虎の巻』の記事一覧へ