자율 감각 네트워크의 정보와 열역학 엔트로피 생산 비교

초록

이 논문은 외부 환경이 무작위로 변하는 상황에서 감각 네트워크가 정보를 습득하는 속도와, 네트워크를 유지하는 데 필요한 열역학적 엔트로피 생산을 비교한다. 일반적인 이분법적 마코프 모델을 이용해 상호정보율의 상한을 분석적으로 구하고, 시뮬레이션 기반 시간‑시계열의 엔트로피를 추정하는 수치법으로 실제 정보를 계산한다. 결과는 정보 습득 속도가 열역학적 비용보다 반드시 작아야 한다는 보편적 제약이 없음을 보여준다.

상세 분석

본 연구는 ‘bipartite’ 마코프 프로세스로 표현되는 자율 감각 네트워크를 분석한다. 외부 환경 변수 X는 자체적인 전이율을 갖는 2‑state 마코프 체인으로 모델링되고, 내부 감각 변수 Y는 X의 현재 상태에 따라 전이율이 달라지는 2‑state 시스템으로 구성된다. 이러한 구조는 전체 시스템이 (X,Y)라는 4‑state 마코프 체인으로 확장되지만, X와 Y의 전이 메커니즘이 서로 독립적인 ‘bipartite’ 특성을 유지한다는 점이 핵심이다.

정보 이론적 관점에서 저자들은 Y가 시간에 따라 X에 대해 갖는 상호정보율 İ = lim_{T→∞} I(Y_{0}^{T};X_{0}^{T})/T 를 정의한다. 이 양은 Y가 외부 환경의 변동을 얼마나 빠르게 추적하는지를 정량화한다. 그러나 직접적인 계산은 복잡한 경로 의존성을 포함하므로, 저자들은 ‘정보 흐름’ 프레임워크를 이용해 İ의 상한을 다음과 같이 도출한다.

İ ≤ Σ_{x}π_x Σ_{y,y’} w_{yy’}^{(x)} ln