信息热力学在广义概率论中的研究
广义概率论（GPTs）提供了一个统一的框架来描述概率性的物理理论，涵盖经典理论和量子理论，以及超越量子力学的假设性理论。由于大多数GPTs极不现实且与已知物理理论相去甚远，因此通过物理上合理的原则来约束它们至关重要。其中一个最重要的原则是与热力学的一致性，该原则已通过涉及实现测量的半透膜（SPMs）的玩具模型得到了广泛研究。另一方面，信息热力学在理解经典理论和量子理论中测量与热力学的关系方面起着核心作用，但在GPTs中却基本未得到发展。在这项工作中，我们构建了GPTs中的信息热力学，并提供了一个统一的框架来分析测量、反馈、信息擦除与热力学第二定律之间的关系。我们还为SPM模型制定了一个通用框架，并分析了通过SPM实现的测量的热力学成本。结果表明，只要测量过程与熵不减一致，就不会有违反第二定律的功被提取；我们为GPTs中提出的几种熵定义推导了该性质的充分条件。此外，通过考虑违反这些条件的测量过程，我们构建了明确的GPT系统，实现了等温SPM循环，从中可以提取正功。这些结果表明，第二定律的违反可能源于基本熵性质的缺失或熵定义之间的差异，并为理解GPTs中热力学与测量之间的关系提供了统一且模型无关的基础。
