# 跨載體轉導的能量、耗散與資訊流 ## 從物理 Current、Landauer 邊界到 Bipartite Information Thermodynamics 的多流帳本 **英文題名：** Energy, Dissipation, and Information Flow in Cross-Carrier Transduction: From Physical Currents and Landauer Bounds to a Bipartite Information-Thermodynamic Ledger **系列：** 相位載體物理實現論（Phase-Carrier Physical Realization Theory, PCPRT） **Paper：** 03 **作者：** Neo.K（許筌崴） **機構：** EveMissLab／一言諾科技有限公司 **理論協作：** Aletheia（GPT-5.6 Sol） **版本：** v1.0 **日期：** 2026-08-14 **狀態：** Public Theoretical Paper / Physical Transduction Foundation --- ## 摘要 PCPRT Papers 01–02 已將 GPC-CS 重新定位為由真實物理載體粗粒化而得的有效理論，並區分 physical phase、relative phase、collective phase 與 generalized GPC phase。本文進一步處理跨載體轉導最容易被混淆的一層： > 當一個物理載體影響另一個載體時，究竟在流動的是能量、熱、物質、電荷、熵，還是資訊？ 本文的基本立場是： $$ \boxed{ \text{energy flow} \neq \text{entropy production} \neq \text{information flow}. } $$ 這些量可以在同一物理 interaction 中耦合，但不能被當成同一種「東西」。 對兩個相互作用載體： $$ A, \qquad B, $$ 本文將聯合物理狀態寫成： $$ z = (z_A,z_B), $$ 並以多流帳本： $$ \boxed{ \mathcal J_{AB} = ( J_E, J_Q, J_N, J_C, \dot I_{A:B}, \dot\Sigma ) } $$ 描述跨載體交互作用。其中： - $J_E$：能量流； - $J_Q$：熱流； - $J_N$：物質／粒子流； - $J_C$：電荷流； - $\dot I_{A:B}$：互資訊相關的信息流； - $\dot\Sigma$：總 entropy-production rate。 不同系統不一定同時具有所有分量，因此 $\mathcal J_{AB}$ 是一個物理研究模板，而非單一普遍 constitutive law。 對一個與多個熱浴交換能量的開放系統，若 $\dot Q_\nu$ 定義為熱浴 $\nu$ 向系統輸入的 heat current，本文採用標準熱力學符號約定： $$ \boxed{ \dot E = \dot W_{\mathrm{in}} + \sum_\nu \dot Q_\nu } $$ 以及： $$ \boxed{ \dot\Sigma = \dot S_{\mathrm{sys}} - \sum_\nu \frac{\dot Q_\nu}{T_\nu} \ge 0. } $$ 若還有粒子／化學交換，則第一律應進一步加入相應 chemical-work / matter-flow terms。本文不試圖用一條簡式取代具體系統的完整 thermodynamic bookkeeping。 在 bipartite stochastic system： $$ (X,Y) $$ 中，聯合分布： $$ p_{xy} $$ 具有 mutual information： $$ \boxed{ I(X;Y) = \sum_{x,y} p_{xy} \ln \frac{p_{xy}}{p_xp_y}. } $$ 當 Markov dynamics 具有 bipartite transition structure，即每個 elementary jump 只更新 $X$ 或只更新 $Y$，mutual-information rate 可以分解成： $$ \boxed{ \frac{dI}{dt} = \dot I^X + \dot I^Y. } $$ Horowitz–Esposito 的連續信息熱力學進一步表明：每個 subsystem 的 entropy balance 可以出現對應的信息流項，而整個 joint system 仍服從通常第二定律。本文以明確符號約定寫成： $$ \boxed{ \dot\Sigma_X = \dot S_X - \sum_{\nu\in X} \frac{\dot Q_\nu^X}{T_\nu} - \dot I^X \ge 0, } $$ $$ \boxed{ \dot\Sigma_Y = \dot S_Y - \sum_{\nu\in Y} \frac{\dot Q_\nu^Y}{T_\nu} - \dot I^Y \ge 0, } $$ 其中 $\dot Q_\nu^X$ 、 $\dot Q_\nu^Y$ 均採「由 reservoir 流入 subsystem 為正」的 convention。這些式子的精確適用範圍是 bipartite Markov stochastic thermodynamics；本文不把它們直接外推到所有 GPC systems。 本文第一個新形式結果是**資訊—能量不可由單一觀測普遍互定定理**。設某物理 transducer 的信息觀測量為： $$ \mathcal I: \mathcal Z_{\mathrm{tr}} \rightarrow \mathcal Y_I, $$ 其 energy cost / current observable 為： $$ \mathcal E: \mathcal Z_{\mathrm{tr}} \rightarrow \mathbb R. $$ 存在 universal information-only energetic law： $$ \mathcal E = g\circ\mathcal I $$ 當且僅當 $\mathcal E$ 在 $\mathcal I$ 的每個 fiber 上為常數： $$ \boxed{ \mathcal I(z_1)=\mathcal I(z_2) \Rightarrow \mathcal E(z_1)=\mathcal E(z_2). } $$ 若兩個實現具有相同信息行為、但不同能量／熱流，則不存在只依賴 information observable 的 universal energy assignment。這是 PCPRT Paper 01 fiber-factorization principle 在信息熱力學上的直接應用。 這一結果與 Landauer principle 的正確位置一致。對一個 unbiased one-bit memory，在標準 isothermal erasure setting 中，將兩個等機率邏輯狀態重置成單一標準狀態所對應的最小環境耗散在 reversible limit 為： $$ \boxed{ Q_{\mathrm{env}} \ge k_BT\ln2. } $$ 但本文強調： $$ \boxed{ \text{Landauer bound} \neq \text{universal cost per bit communicated}. } $$ 它也不是每次 measurement、copy、phase shift、classification、inference 或 reversible computation step 都必須支付的固定熱成本。Bennett 1973 的 logical reversibility construction 已表明，一般計算可以透過保存中間歷史避免在每一步進行 irreversible erasure。 本文第二個新核心概念是**物理轉導多效率向量**。對一個具明確輸入與輸出的 transducer，可分別定義： $$ \eta_E = \frac{ P_{\mathrm{useful,out}} }{ P_{\mathrm{physical,in}} }, $$ 以及在有明確信息任務時： $$ \eta_I = \frac{ \dot I_{\mathrm{useful}} }{ \dot I_{\mathrm{available}} }. $$ 但 $\eta_E$ 與 $\eta_I$ 一般不能被壓成單一 universal efficiency。本文因此定義： $$ \boxed{ \boldsymbol\eta_{\mathrm{tr}} = ( \eta_E, \eta_I, \eta_F, \eta_R ), } $$ 其中 $\eta_F$ 表示 fidelity-related efficiency， $\eta_R$ 表示 rate / resource efficiency。這是一個多目標有效描述，而不是新的熱力學基本定律。 本文進一步將 GPC-CS 的抽象 transduction： $$ T_{AB} $$ 重新物理化。真實 interaction 是聯合物理演化： $$ \Phi_{AB}^{\mathrm{int}} : \mathcal Z_A \times \mathcal Z_B \rightarrow \mathcal Z_A \times \mathcal Z_B. $$ 若： $$ \Pi_A, \Pi_B $$ 是兩載體的 coarse-graining，則有效 GPC interaction： $$ \Gamma_{AB} $$ 應滿足： $$ \boxed{ ( \Pi_A, \Pi_B ) \circ \Phi_{AB}^{\mathrm{int}} \approx \Gamma_{AB} \circ ( \Pi_A, \Pi_B ). } $$ 抽象 $T_{AB}$ 因而不是懸空的語義箭頭，而是由 physical currents、state transitions 與 coarse-graining 共同生成的 effective transduction relation。 2023–2026 年的 bipartite molecular-machine 與 ion-pump 工作提供了重要現實鄰近案例。ATP synthase、kinesin、bipartite heat engines 與 sodium–potassium pump 等研究均可在特定模型中同時分析 free-energy transduction 與 information flow；2026 年 sodium–potassium pump 研究甚至發現，在生理相關的濃度與跨膜電位變化範圍內，information-flow direction 可在 depolarization 過程中反轉。這直接提醒 PCPRT： $$ \boxed{ \text{information-flow direction} } $$ 本身也可以是 state-dependent dynamical quantity，而不是固定箭頭。 本文最後將 physical transduction 分成四個層次： $$ \boxed{ \text{Carrier Interaction} } $$ $$ \boxed{ \text{Physical Current Transfer} } $$ $$ \boxed{ \text{Correlation / Information Flow} } $$ $$ \boxed{ \text{Effective GPC Transduction}. } $$ 四層之間可以映射與耦合，但不能偷換概念。 本文不提供任何以最低能量操控神經、繞過載體安全、設計信息熱力學攻擊、提升認知影響效率或優化高風險刺激的方法。本文只建立一套物理帳本與概念邊界，使後續神經、生物與計算載體研究能清楚區分「傳了多少資訊」「耗了多少能量」「產生多少耗散」「改變了什麼狀態」。 **關鍵詞：** 跨載體轉導、信息熱力學、Landauer principle、stochastic thermodynamics、bipartite systems、entropy production、energy flow、information flow、molecular machines、物理載體 --- # 0. 文獻定位 Landauer 1961 建立了 logical irreversibility 與 physical dissipation 之間的經典連結。其核心不是「所有資訊都有固定能量」，而是 many-to-one logical operation，尤其是 memory erasure，在標準熱力學條件下需要將被刪除的邏輯熵轉移到環境。 Bennett 1973 則展示一般目的計算可以被構造成 logically reversible process，透過保存 intermediate results 並反向 uncompute，避免每一步都執行 irreversible erasure。 Deffner–Jarzynski 2013 將 information reservoir 與 heat / work reservoirs 一起納入 inclusive Hamiltonian framework，顯示信息處理可以在完整物理系統中接受 second-law accounting。 Horowitz–Esposito 2014 建立 autonomous / nonautonomous bipartite stochastic systems 的 continuous information-flow thermodynamics，將 subsystem entropy balance 與 mutual-information rate 結合。 2023–2026 的工作則把這些框架實際推向 molecular machines、heat engines、ion pumps 與 interacting particles。 因此本文不宣稱： $$ \boxed{ \text{information thermodynamics} = \text{PCPRT}. } $$ 本文只使用它作為跨載體物理轉導的一個成熟基礎層。 --- # 1. 兩載體物理交互作用 設： $$ z_A \in \mathcal Z_A, $$ $$ z_B \in \mathcal Z_B. $$ 聯合狀態： $$ \boxed{ z = (z_A,z_B) \in \mathcal Z_A \times \mathcal Z_B. } $$ interaction dynamics： $$ \boxed{ z' = \Phi_{AB}^{\mathrm{int}}(z). } $$ 連續時間可寫成： $$ \boxed{ \dot z_A = F_A ( z_A,z_B,\xi_A ), } $$ $$ \boxed{ \dot z_B = F_B ( z_B,z_A,\xi_B ). } $$ --- # 2. Interaction 不等於 Information 如果： $$ F_A $$ 依賴： $$ z_B, $$ 只代表物理 coupling 存在。 是否有「信息流」還需要指定： - 隨機變量； - joint distribution； - information measure； - directionality definition。 因此： $$ \boxed{ \text{physical dependence} \neq \text{already-defined information flow}. } $$ --- # 3. 多流物理帳本 對跨載體 interaction，本文定義： $$ \boxed{ \mathcal J_{AB} = ( J_E, J_Q, J_N, J_C, \dot I, \dot\Sigma ). } $$ 其中不同分量單位不同。 因此： $$ \boxed{ \mathcal J_{AB} } $$ 是一個 heterogeneous physical ledger。 它不是普通向量空間中可任意相加的 homogeneous quantity。 --- # 4. Energy Current 定義： $$ J_E $$ 為某個明確 partition 下從 A 流向 B 或穿過 coupling boundary 的 energy current。 注意： 若 interaction energy： $$ E_{\mathrm{int}}(z_A,z_B) $$ 顯著， 把總能量分成： $$ E_A + E_B $$ 未必唯一。 因此 subsystem energy-current definition 本身需要明確 partition convention。 --- # 5. Heat 與 Work 熱： $$ Q $$ 與功： $$ W $$ 不是兩種「能量物質」。 它們是 energy transfer 的分類方式。 本文採用： $$ \dot Q_\nu>0 $$ 表示 reservoir $\nu$ 對 system 輸入熱。 $$ \dot W_{\mathrm{in}}>0 $$ 表示外部對 system 做功。 則： $$ \boxed{ \dot E = \dot W_{\mathrm{in}} + \sum_\nu \dot Q_\nu } $$ 在無粒子／化學功交換的最簡 setting 成立。 --- # 6. 物質、粒子與電荷流 生物載體與神經載體常有： $$ J_N, \qquad J_C. $$ 例如離子通道、ion pump、膜電位等。 此時能量帳本可以含： - chemical potential； - electrochemical potential； - electrical work。 因此： $$ \boxed{ \text{signal transduction} } $$ 可能同時是： $$ \boxed{ \text{particle transduction} + \text{charge transduction} + \text{free-energy transduction}. } $$ --- # 7. Entropy Production 若 system entropy 為： $$ S_{\mathrm{sys}}, $$ 且熱浴溫度： $$ T_\nu, $$ 依本文 sign convention： $$ \dot Q_\nu>0 $$ 為 heat 進入 system。 reservoir entropy-rate contribution： $$ -\frac{\dot Q_\nu}{T_\nu}. $$ 因此： $$ \boxed{ \dot\Sigma = \dot S_{\mathrm{sys}} - \sum_\nu \frac{\dot Q_\nu}{T_\nu} \ge 0. } $$ 這是 total entropy production 的標準 open-system bookkeeping form。 --- # 8. Dissipation 不等於 Energy Flow 可以有： $$ J_E \neq0 $$ 但近 reversible regime： $$ \dot\Sigma $$ 很小。 也可以有： $$ J_E $$ 平均很小， 但持續 nonequilibrium cycling 仍有： $$ \dot\Sigma>0. $$ 因此： $$ \boxed{ \text{energy throughput} \neq \text{irreversible dissipation}. } $$ --- # 9. Shannon Entropy 與 Thermodynamic Entropy 對離散 random variable： $$ X $$ Shannon entropy： $$ \boxed{ H(X) = - \sum_x p_x \ln p_x. } $$ 它是 dimensionless（nats）。 thermodynamic entropy： $$ S $$ 具有物理單位： $$ \mathrm{J/K}. $$ 常以： $$ k_BH $$ 建立某些 statistical-mechanical connection。 但： $$ \boxed{ H \neq S } $$ 作為無條件 identity。 映射需要明確 physical ensemble 與 state interpretation。 --- # 10. Mutual Information 兩 random variables： $$ X, Y $$ 的 mutual information： $$ \boxed{ I(X;Y) = \sum_{x,y} p_{xy} \ln \frac{p_{xy}} {p_xp_y}. } $$ 若： $$ p_{xy} = p_xp_y, $$ 則： $$ I(X;Y)=0. $$ 它量化 statistical dependence。 --- # 11. Mutual Information 不等於 Causal Influence 高： $$ I(X;Y) $$ 可以來自： - $X\rightarrow Y$ ； - $Y\rightarrow X$ ； - common cause； - feedback； -共同歷史。 因此： $$ \boxed{ I(X;Y) \neq \text{causal direction}. } $$ 要談 directional flow，需要 dynamics 與額外分解。 --- # 12. Bipartite Markov System Horowitz–Esposito 類 framework 考慮 joint state： $$ (x,y) $$ 與 Markov jump dynamics。 bipartite condition 的核心是： > elementary transition 一次只改變一個 subsystem。 即： $$ (x,y) \rightarrow (x',y) $$ 或： $$ (x,y) \rightarrow (x,y'). $$ 而不直接 elementary jump： $$ (x,y) \rightarrow (x',y') $$ 同時改兩者。 --- # 13. Mutual-Information Rate Decomposition 在 bipartite dynamics 中： $$ \boxed{ \frac{dI}{dt} = \dot I^X + \dot I^Y. } $$ 其中： $$ \dot I^X $$ 表示由 X-transitions 造成的 mutual-information rate contribution， $$ \dot I^Y $$ 同理。 這種分解依賴 bipartite transition structure。 --- # 14. Subsystem Second Law with Information Flow 採用本文 heat-sign convention： $$ \dot Q_\nu^X>0 $$ 表示 reservoir $\nu$ 向 subsystem X 輸入 heat。 在 bipartite stochastic thermodynamics 的標準 convention 下： $$ \boxed{ \dot\Sigma_X = \dot S_X - \sum_{\nu\in X} \frac{\dot Q_\nu^X}{T_\nu} - \dot I^X \ge 0, } $$ 以及： $$ \boxed{ \dot\Sigma_Y = \dot S_Y - \sum_{\nu\in Y} \frac{\dot Q_\nu^Y}{T_\nu} - \dot I^Y \ge 0. } $$ 兩式相加後，信息項由： $$ \dot I^X+\dot I^Y = \dot I $$ 與 joint entropy accounting 結合，整個 joint system 恢復標準 second-law form。 --- # 15. Information Flow 可以補償 Subsystem Entropy Balance 上述式子允許某 subsystem 的 apparent thermodynamic balance 被： $$ \dot I^X $$ 修改。 這就是 autonomous Maxwell demon / information engine 類模型的核心。 但： $$ \boxed{ \text{joint second law} } $$ 仍不能被違反。 --- # 16. 信息不是免費能量 如果某 subsystem 透過 correlation / information flow 完成在沒有 information term 時不可能的工作， 並不表示： $$ \text{information is a fuel substance}. $$ 更準確地說： > correlation structure can modify subsystem thermodynamic constraints when full joint-system accounting is performed. --- # 17. Information Flow Direction 由： $$ \dot I^X, \dot I^Y $$ 可以討論哪一部分 dynamics： - 建立 correlation； - 消耗 correlation； - 維持 correlation。 方向與角色是 dynamical。 因此： $$ \boxed{ \text{information flow direction} } $$ 不是永遠固定的 channel arrow。 --- # 18. 2026 Ion-Pump 案例的意義 sodium–potassium pump 的 2026 bipartite thermodynamic analysis 將系統分成： - ATP-consuming subsystem； - ion-transporting subsystem。 研究發現 information flow 在不同 transmembrane-voltage / ion-concentration regime 中可改變方向，並在 depolarization 附近出現反轉。 PCPRT 的保守解讀是： $$ \boxed{ \dot I = \dot I(z,\lambda) } $$ 可以是 state- and parameter-dependent observable。 --- # 19. 這不是「離子就是資訊」 ion flow： $$ J_N, J_C $$ 與 information flow： $$ \dot I $$ 可以同時存在。 但： $$ \boxed{ J_N \neq \dot I. } $$ information flow 是 joint probability dynamics 的量， 不是每個 ion 自帶固定 bit label。 --- # 20. 物理 Transducer 本文定義 physical transducer 為： $$ \boxed{ \mathfrak T_{\mathrm{phys}} = ( \mathcal Z_A, \mathcal Z_B, \Phi_{AB}^{\mathrm{int}}, \mathcal J_{AB}, \Pi_A, \Pi_B ). } $$ 它同時包含： - 兩端物理狀態； - interaction dynamics； - physical currents； - coarse-graining。 --- # 21. GPC Transduction 的物理實現 GPC effective states： $$ x_A = \Pi_A(z_A), $$ $$ x_B = \Pi_B(z_B). $$ 有效雙載體更新： $$ \Gamma_{AB}. $$ 物理實現要求： $$ \boxed{ ( \Pi_A, \Pi_B ) \circ \Phi_{AB}^{\mathrm{int}} \approx \Gamma_{AB} \circ ( \Pi_A, \Pi_B ). } $$ --- # 22. Abstract $T_{AB}$ 不是單獨物理物件 GPC-CS Paper 02 的： $$ T_{AB} $$ 是 effective transduction operator。 physical layer 真正存在的是： - coupling field； - electric current； - molecular binding； - particle exchange； - optical interaction； - mechanical force； - synaptic current； - hardware signal propagation； - other physical dynamics。 因此： $$ \boxed{ T_{AB} = \text{effective coarse-grained transduction} } $$ 而不是額外的第五種基本力。 --- # 23. Transduction Current Vector 對某具體 physical transducer，可記： $$ \boxed{ \mathbf J_{\mathrm{phys}} = ( J_E, J_Q, J_N, J_C ). } $$ 信息部分另記： $$ \boxed{ \mathbf J_{\mathrm{info}} = ( \dot I, \dot T_{\mathrm{entropy}}, \ldots ) } $$ 若採其他 directional-information measure，必須明示定義。 --- # 24. 不同 Current 具有不同單位 例如： $$ [J_E] = \mathrm{J/s}, $$ $$ [J_N] = \mathrm{s^{-1}}, $$ $$ [J_C] = \mathrm{C/s}, $$ $$ [\dot I] = \mathrm{nat/s} $$ 或： $$ \mathrm{bit/s}. $$ 因此： $$ \boxed{ J_E+\dot I } $$ 一般沒有物理意義。 只有經由具體 conversion / inequality / model relation 才能放進同一方程。 --- # 25. Information-Energy Factorization Problem 設所有 admissible physical transduction realizations 構成： $$ \mathcal Z_{\mathrm{tr}}. $$ 定義 information observable： $$ \boxed{ \mathcal I: \mathcal Z_{\mathrm{tr}} \rightarrow \mathcal Y_I, } $$ energy-cost observable： $$ \boxed{ \mathcal E: \mathcal Z_{\mathrm{tr}} \rightarrow \mathbb R. } $$ 問題是： > 是否存在 universal > $$ > g > $$ > 使 > $$ > \mathcal E=g(\mathcal I)? > $$ --- # 26. Information-Only Energy Law Criterion ## 定理 26.1 存在： $$ g: \mathcal I(\mathcal Z_{\mathrm{tr}}) \rightarrow \mathbb R $$ 使： $$ \boxed{ \mathcal E = g \circ \mathcal I } $$ 當且僅當： $$ \boxed{ \mathcal I(z_1) = \mathcal I(z_2) \Rightarrow \mathcal E(z_1) = \mathcal E(z_2). } $$ ### 證明 與 fiber factorization criterion 相同。 若 factorization 存在，相同 information observable 必映到相同 energy observable。 反之，如果 $\mathcal E$ 在每個 $\mathcal I$ -fiber 上為常數，可定義： $$ g(i) = \mathcal E(z) $$ 其中任取： $$ z \in \mathcal I^{-1}(i). $$ 證畢。 --- # 27. 定理 26.1 的物理意義 如果： $$ \mathcal I(z_1) = \mathcal I(z_2) $$ 但： $$ \mathcal E(z_1) \neq \mathcal E(z_2), $$ 就不存在： $$ \boxed{ \text{universal energy = function of information alone}. } $$ 因此任何「每 bit 固定具有某能量」的普遍主張都必須額外證明 fiber constancy。 --- # 28. Landauer Principle 的正確位置 Landauer 1961 考慮 logically irreversible operations。 最典型： $$ \{0,1\} \rightarrow \{0\}. $$ 兩個初始 logical states 被壓成同一 final state。 這是： $$ \boxed{ \text{many-to-one logical map}. } $$ --- # 29. 一個 Unbiased Bit 的標準 Erasure Bound 在標準： - isothermal； - equilibrium memory； - one unbiased bit； - reset-to-standard-state； - reversible-limit implementation； setting 下， 被擦除的 Shannon entropy： $$ \Delta H = -\ln2. $$ 對應最小 environment entropy increase： $$ \Delta S_{\mathrm{env}} \ge k_B\ln2. $$ 因此： $$ \boxed{ Q_{\mathrm{env}} \ge k_BT\ln2. } $$ --- # 30. Landauer Bound 不是所有 Bit 操作的成本 下列操作與 erasure 不同： - copy； - swap； - reversible gate； - communication； - measurement； - phase shift； - correlation generation； - unitary transformation； - logically reversible computation。 因此： $$ \boxed{ 1\text{ bit processed} \not\Rightarrow Q=k_BT\ln2. } $$ --- # 31. Bennett 的邏輯可逆性 Bennett 1973 的 construction 核心是： > 保存 intermediate history，使 forward computational trajectory 保持一對一；完成輸出後，再 reverse computation 清除中間 garbage，而不以 irreversible erasure 逐步丟棄。 因此： $$ \boxed{ \text{computation} \neq \text{erasure at every step}. } $$ --- # 32. Logical Reversibility 不等於 Zero Physical Cost 即使 logical map 可逆， 實際 hardware 仍可能因： - friction； - finite-time driving； - leakage； - noise suppression； - clocking； - memory maintenance； 產生耗散。 所以： $$ \boxed{ \text{logical reversibility} \not\Rightarrow \dot\Sigma=0 } $$ 作為任何有限速度實作的一般命題。 --- # 33. Thermodynamic Reversibility 是更強條件 thermodynamically reversible process 要求在理想 limit 中： $$ \boxed{ \Sigma \rightarrow 0. } $$ 這通常涉及 quasi-static / near-equilibrium control 等額外條件。 所以： $$ \boxed{ \text{logical reversibility} \neq \text{thermodynamic reversibility}. } $$ --- # 34. Measurement 不必然等於 Erasure measurement 可以建立： $$ I(X;M)>0 $$ 的 system–memory correlation。 其最低成本與： - initial memory state； - measurement protocol； - feedback； - later reset； 有關。 不能把： $$ \boxed{ \text{measurement} } $$ 直接套成： $$ \boxed{ k_BT\ln2 } $$ 每次固定成本。 --- # 35. Copy 不等於 Erasure copy： $$ (x,0) \rightarrow (x,x) $$ 若在擴展 state space 上為一對一 mapping， 邏輯上可以是 reversible operation 的一部分。 真正 Landauer cost 通常出現在： > 為了重用 memory 對 unknown previous content 執行 reset。 --- # 36. GPC Transduction 也不等於 Erasure GPC effective interaction： $$ x_A \rightarrow x_B' $$ 可能是： - reversible coupling； - dissipative transform； - partial measurement； - lossy compression； - adaptive state update。 只有在具體 physical map 中存在 logical-state merging，且滿足 Landauer setting 時，才能使用相應 erasure bound。 --- # 37. Information Reservoir Deffner–Jarzynski 2013 將 information reservoir 與： - heat reservoirs； - work reservoir； 一起放進一個 inclusive Hamiltonian description。 這個結果對 PCPRT 的啟示是： $$ \boxed{ \text{information-bearing degrees of freedom} } $$ 也應被當作物理系統的一部分，而不是「外部魔法觀察者」。 --- # 38. 記憶載體有物理狀態 任何： $$ \text{memory bit} $$ 都必須由： $$ z_{\mathrm{mem}} $$ 實現。 例如兩個 metastable states： $$ m_0, m_1. $$ 因此： $$ \boxed{ \text{information storage} \rightarrow \text{physical state distinguishability}. } $$ --- # 39. Distinguishability 需要 Stability 如果兩 logical states 熱噪聲下快速互相轉換， 它們不是可靠 memory。 所以實際 memory cost 不只有 erasure。 還有： - barrier maintenance； - error correction； - readout； - retention； - refresh。 這些 engineering costs 可遠大於 Landauer lower bound。 --- # 40. Transduction Fidelity 與 Energy 不存在單一 Universal Law GPC-CS Paper 02 有： $$ \delta_{\mathrm{func}}, \delta_{\mathrm{info}}. $$ 物理上可研究： $$ \delta \leftrightarrow P_{\mathrm{in}}, \Sigma, \tau. $$ 但不同 systems 可以有完全不同 tradeoff curves。 因此： $$ \boxed{ \text{fidelity-energy relation} } $$ 通常是 constitutive / model-specific， 不是單一宇宙公式。 --- # 41. Energy-Speed-Accuracy 類 Tradeoff 生物 sensing 與 stochastic thermodynamic machines 中已有大量研究顯示： - speed； - accuracy / precision； - energetic dissipation； 之間常有 tradeoffs。 PCPRT 對此採用： $$ \boxed{ \text{tradeoff family} } $$ 而不是： $$ \boxed{ \text{one universal scalar law}. } $$ --- # 42. Physical Transduction Efficiency 若有明確 input power： $$ P_{\mathrm{in}}>0 $$ 與 useful output power： $$ P_{\mathrm{out}}\ge0, $$ 可定義： $$ \boxed{ \eta_E = \frac{ P_{\mathrm{out}} }{ P_{\mathrm{in}} }. } $$ 這是 energetic efficiency。 --- # 43. Informational Efficiency 若有明確 information source budget： $$ \dot I_{\mathrm{avail}}>0 $$ 與 task-useful information rate： $$ \dot I_{\mathrm{useful}}, $$ 可以定義： $$ \boxed{ \eta_I = \frac{ \dot I_{\mathrm{useful}} }{ \dot I_{\mathrm{avail}} }. } $$ 但： $$ \dot I_{\mathrm{useful}} $$ 必須相對 task 定義。 因此 $\eta_I$ 不是 universal property of matter。 --- # 44. Fidelity Efficiency 若 raw transduction error： $$ \varepsilon $$ 與使用資源： $$ R $$ 有 tradeoff， 可定義 task-relative： $$ \eta_F $$ 例如： $$ \eta_F = \frac{ \text{fidelity score} }{ \text{resource expenditure} }. $$ 本文不指定唯一公式。 --- # 45. 多效率向量 因此： $$ \boxed{ \boldsymbol\eta_{\mathrm{tr}} = ( \eta_E, \eta_I, \eta_F, \eta_R ). } $$ 其中： - $\eta_E$：energetic； - $\eta_I$：informational； - $\eta_F$：fidelity-related； - $\eta_R$：rate/resource。 不同設計可能 Pareto-incomparable。 --- # 46. 單一 Efficiency Score 的危險 如果強行： $$ \eta_{\mathrm{total}} = \sum_k w_k \eta_k, $$ 權重： $$ w_k $$ 就是額外價值／設計選擇。 它不是物理定律。 所以： $$ \boxed{ \text{multi-flow transduction} } $$ 自然是 multiobjective system。 --- # 47. Molecular Machines 是重要實例 ATP synthase、kinesin、synthetic molecular motors 等系統可以被自然拆成相互耦合 subsystem。 2022–2024 的研究直接分析： - internal energy flow； - information flow； - input/output power； - subsystem efficiency。 因此 physical carrier transduction 並不是純科幻問題。 --- # 48. Subsystem Efficiency 不是整機 Efficiency 對 bipartite machine： $$ X, Y, $$ 可以分別定義 subsystem efficiencies。 兩個 subsystem 的 energy / information coupling 會影響整體 output。 因此： $$ \boxed{ \eta_{\mathrm{whole}} \neq \eta_X + \eta_Y } $$ 一般不成立。 --- # 49. 信息流可以介入 Free-Energy Transduction 2022–2024 bipartite molecular-machine work 表明，在明確模型中 internal energy and information flows 可以共同介入 input power 到 output power 的 transduction。 因此 PCPRT 可保守地說： $$ \boxed{ \text{information flow can be thermodynamically functional}. } $$ 但不能說： $$ \boxed{ \text{all energy transduction requires information flow} } $$ 作為宇宙普遍定律。 --- # 50. 2024 Bipartite Heat Engine 的位置 Information Arbitrage in Bipartite Heat Engines 研究一類 bipartite heat engines，建立與 entropy / information flow 相關的 performance bound。 PCPRT 吸收： > 在某些 bipartite energy-transduction systems 中，信息流不是附帶統計量，而進入 thermodynamic performance constraints。 但適用 scope 必須保留在其模型類。 --- # 51. 2026 Physical Information-Flow Bound Miller-Dickson 與 Rose 2026 對 classically interacting particles 提出一個以： - average power flux； - initial average energy； 構成的 information-flow lower bound / channel analogy。 這是一個非常有趣的 physical bridge。 但 PCPRT 明確限制： $$ \boxed{ \text{specific derived bound} \neq \text{universal bit-energy conversion constant}. } $$ --- # 52. 同一 Information Rate 可以有不同 Physical Cost 只要 physical implementation 不唯一， 就可能： $$ \dot I_1 = \dot I_2, $$ 但： $$ P_1 \neq P_2, $$ 或： $$ \Sigma_1 \neq \Sigma_2. $$ 這正是定理 26.1 的 physical interpretation。 --- # 53. 同一 Energy Flow 也可以有不同 Information Role 可以有： $$ J_E^{(1)} = J_E^{(2)}, $$ 但 joint probability structures 不同， 使： $$ \dot I^{(1)} \neq \dot I^{(2)}. $$ 所以： $$ \boxed{ \text{energy current} } $$ 不能單獨決定： $$ \boxed{ \text{information flow}. } $$ --- # 54. Housekeeping 與 Excess Information Flow 2026 的 information-flow geometric decomposition 將 autonomous bipartite Markov jump systems 的信息流分為： - housekeeping component； - excess component。 前者與維持 nonequilibrium cyclic correlation structure 有關； 後者更直接與 mutual information 改變相關。 PCPRT 的啟示： $$ \boxed{ \text{information flow has internal dynamical roles}. } $$ 因此只報告總： $$ \dot I $$ 可能不夠。 --- # 55. Carrier Maintenance Information 對 adaptive carrier，部分 resource usage 可能只是維持已有 correlation / dynamical state。 另一部分則真正改變： $$ x_A, x_B $$ 之間的 relation。 未來可考慮： $$ \boxed{ \dot I = \dot I_{\mathrm{maint}} + \dot I_{\mathrm{change}} } $$ 作為 PCPRT 高層有效分解。 但本文不宣稱它與 Maekawa 等人的 precise housekeeping/excess decomposition 完全相同。 --- # 56. Entropy Production 的 coarse-graining 問題 PCPRT Paper 01 已指出 coarse-graining 可能隱藏動力學。 同樣： $$ \dot\Sigma_{\mathrm{observed}} $$ 可能低於 full microscopic entropy production， 如果 hidden currents 未被觀察。 因此： $$ \boxed{ \text{measured dissipation} \neq \text{necessarily total dissipation}. } $$ 這是 hidden entropy production 問題的一般結構。 --- # 57. GPC Energy Ledger 需要 Physical Preimage 若 GPC transduction： $$ T_{AB} $$ 只在 effective level 定義， 其 energy cost： $$ E[T_{AB}] $$ 本身沒有唯一物理意義， 除非指定： $$ \boxed{ \mathfrak T_{\mathrm{phys}} } $$ 或至少一族 physical realizations。 因此： $$ \boxed{ \text{effective operator} \not\Rightarrow \text{unique physical cost}. } $$ --- # 58. 同一 GPC Operator 可以有多種 Hardware Realization 例如同一 logical： $$ O $$ 可以由： - CMOS； - optical； - mechanical； - biochemical； - neuromorphic； 載體實現。 即使 effective input–output mapping 相同， 其： $$ J_E, \dot\Sigma,\tau $$ 可以完全不同。 這是 PCPRT 不能跳過 hardware / biophysics layer 的理由。 --- # 59. Physical Realization Class 對某 GPC operator： $$ O, $$ 定義其 physical realization class： $$ \boxed{ \mathfrak R(O) = \left\{ \mathfrak T_{\mathrm{phys}}: \Pi \circ \Phi_{\mathrm{phys}} \approx O \circ \Pi \right\}. } $$ energy cost 應該被視為： $$ \boxed{ \mathcal E: \mathfrak R(O) \rightarrow \mathbb R, } $$ 而不是： $$ \mathcal E(O) $$ 天然唯一。 --- # 60. Minimum Physical Cost 是另一個最佳化問題 若要問： > 實現 operator $O$ 的最低 energy / entropy cost 是多少？ 真正問題是： $$ \boxed{ \inf_{ R\in\mathfrak R(O) } \mathcal E(R). } $$ 這與： > 某一個現有實作實際耗多少 完全不同。 本文不求解這個 optimization。 --- # 61. 時間約束會改變 Minimum Cost 即使 quasistatic limit 可以讓某種 excess dissipation 降低， 若要求： $$ \tau \le \tau_{\max}, $$ 最低成本可能上升。 因此： $$ \boxed{ E_{\min} = E_{\min} ( O,\varepsilon,\tau,\text{environment} ). } $$ 不是單一 operator constant。 --- # 62. Reliability 也會改變 Cost 要求 error probability： $$ p_{\mathrm{err}} \le \delta $$ 通常需要： - energy barrier； - redundancy； - error correction； - repeated sampling。 因此： $$ \boxed{ \text{physical cost} = \text{function of fidelity / reliability target}. } $$ 這把 Paper 03 與 GPC-CS Paper 02 的 fidelity layer 接上。 --- # 63. Energy Budget 與 Capacity GPC-CS Paper 03 的： $$ \mathfrak C(x) $$ 現在可以加入 energy / power constraints： $$ \boxed{ \mathfrak C_{\mathrm{phys}}(x) = \mathfrak C ( x; P_{\max}, E_{\max}, T, \Sigma_{\max}, \ldots ). } $$ 因此容量不是純 information-theoretic bandwidth。 它還可以是 physical resource feasibility region。 --- # 64. Transduction Failure 可以是 Energetic 若： $$ P_{\mathrm{in}} $$ 低於維持某 dynamical regime 所需， 可能發生： - oscillator collapse； - pump reversal； - loss of gradient； - slower update； - higher noise； - state-transition failure。 這不是 semantic error 本身。 它是 physical carrier feasibility failure。 --- # 65. Ion Pumps 對 Phase Carrier 的重要性 Na/K pump 直接連接： - ATP free energy； - ionic gradients； - membrane voltage； - neuronal excitability。 因此它是 PCPRT 從 information thermodynamics 走向 neural carrier physics 的重要橋。 但： $$ \boxed{ \text{pump information flow} \neq \text{cognitive semantic information}. } $$ 前者是明確 stochastic subsystem correlation dynamics。 --- # 66. 下一步往神經系統時要保留三層 至少分： ### Physical Current Layer $$ J_C, J_N, J_E. $$ ### Neural Dynamical Layer $$ V_m, \theta, \text{spike}, \text{synaptic state}. $$ ### Cognitive Effective Layer $$ x_{\mathrm{GPC}}, \varphi, \text{task observables}. $$ 三層之間需要實現映射。 --- # 67. Energy Flow 也不是「意義的載體」 一個 action potential 有： - ion currents； - membrane potential dynamics； - metabolic restoration cost。 但這些物理量本身不等於 semantic content。 語義取決於更高層： - code； - context； - network state； - receiver dynamics。 因此： $$ \boxed{ \text{physical carrier current} \neq \text{meaning}. } $$ --- # 68. Information Flow 也不是「意義的載體」 mutual information： $$ I(X;Y) $$ 只量 statistical dependence。 兩個 completely meaningless random codes 也可以有高 mutual information。 所以： $$ \boxed{ \text{information thermodynamics} \neq \text{semantic thermodynamics}. } $$ 至少目前沒有此普遍等號。 --- # 69. GPC 的 Semantic Layer 必須晚於 Physical Layer 因此 PCPRT 的順序必須是： $$ \boxed{ \text{physical interaction} \rightarrow \text{information/statistical structure} \rightarrow \text{functional interpretation} \rightarrow \text{semantic effective state}. } $$ 不能從「有信息流」直接跳到「有認知意義傳輸」。 --- # 70. 多流轉導的可觀測性 不同 current 需要不同 measurement channel。 例如： - calorimetry； - electrical current； - particle count； - voltage； - state trajectories； - distribution estimation。 因此： $$ \boxed{ H_E, H_Q, H_N, H_C, H_I } $$ 一般是不同 observation maps。 這與 GPC-CS Paper 10 的 property observability 完全一致。 --- # 71. Information Flow 估計也有模型假設 估計： $$ \dot I $$ 需要： - joint state definition； - sampling； - Markov / non-Markov assumptions； - subsystem partition； - temporal resolution。 因此： $$ \boxed{ \dot I_{\mathrm{estimated}} } $$ 不是 observation-free truth。 --- # 72. Subsystem Partition 會影響 Information Flow 把同一完整 system 分成： $$ X/Y $$ 或： $$ X'/Y' $$ 可能得到不同： $$ I, \dot I. $$ 所以： $$ \boxed{ \text{information flow is partition-relative}. } $$ 這不是任意性，而是因為「哪兩個 subsystem 間的信息」本來就依賴分割。 --- # 73. Energy Conservation 相對更底層 總 closed system 的 energy conservation 不依賴我們如何把它概念分成： $$ X/Y. $$ 但 subsystem energy currents 的分割會受 interaction-energy accounting 影響。 因此： $$ \boxed{ \text{global conservation} } $$ 與： $$ \boxed{ \text{subsystem flow decomposition} } $$ 也應分開。 --- # 74. Transduction Ledger Consistency 對任何具體模型，本文要求： 1. 定義 system boundary； 2. 定義 subsystem partition； 3. 定義 sign convention； 4. 定義 physical currents； 5. 定義 information measure； 6. 驗證 total thermodynamic balance； 7. 再討論 subsystem information flow。 少一步都容易產生概念偷換。 --- # 75. PCPRT 多流安全問題 未來 physical safety 不只需要： $$ x\in\mathcal S. $$ 還可以加入： $$ \boxed{ P\le P_{\max}, } $$ $$ \boxed{ T\le T_{\max}, } $$ $$ \boxed{ \dot\Sigma\le\Sigma_{\max} } $$ 等 operation constraints。 但是否需要 entropy-production upper bound 完全依具體系統。 本文只建立接口。 --- # 76. 高 Dissipation 不必然 Unsafe 有些生物系統正常工作就是強耗散 nonequilibrium state。 因此： $$ \boxed{ \dot\Sigma>0 \not\Rightarrow \text{unsafe}. } $$ 更甚至： $$ \dot\Sigma=0 $$ 也可能代表系統失去驅動、停止功能。 所以 safety 必須 relative to dynamical regime。 --- # 77. Low Energy 不必然 Good 追求： $$ P\rightarrow0 $$ 可能造成： - slow response； - poor fidelity； - loss of stability； - failure to maintain gradients。 因此： $$ \boxed{ \text{minimum energy} \neq \text{maximum function}. } $$ --- # 78. 生物載體通常是 Free-Energy Consumer 細胞不是被動通信線。 它持續消耗： - ATP； - ion gradients； - redox potential； - chemical free energy。 因此 biological transduction 更適合： $$ \boxed{ \text{free-energy transducer} } $$ 而不是： $$ \boxed{ \text{passive channel}. } $$ --- # 79. 計算載體也是 Driven Dissipative System 計算機 logical state transition 依賴： - clock； - power supply； - heat removal； - transistor dynamics； - memory refresh； - error management。 所以同一 high-level computation 也有完整 physical current layer。 這讓 PCPRT 同時能接 biology 與 computing。 --- # 80. Physical Cost Spectrum 對某 effective operation： $$ O, $$ 不同 realizations 可以形成： $$ \boxed{ \mathcal C_O = \{ (P,\Sigma,\tau,\varepsilon): R\in\mathfrak R(O) \}. } $$ 它是一個可行成本域。 後續可以研究 Pareto frontier。 --- # 81. 「效率最高」必須指定維度 可能有設計 A： - 低能量； - 高延遲。 設計 B： - 高能量； - 低延遲。 若沒有 task objective， 不能說： $$ A \text{ 一定比 } B \text{ 更有效率}. $$ 這與 GPC-CS multi-resource capacity 原則一致。 --- # 82. Information Thermodynamics 的邊界 Horowitz–Esposito framework 要求特定： - stochastic state space； - Markov dynamics； - bipartite transition structure； - thermodynamic consistency。 因此： $$ \boxed{ \text{not every neural / AI system is automatically a bipartite stochastic thermodynamic machine}. } $$ 必須先做 model identification。 --- # 83. Quantum Systems 的額外問題 2026 的 quantum information-thermodynamic uncertainty work 顯示，在 interacting quantum systems 中： - coherence； - simultaneous subsystem state changes； 會改變 classical bipartite picture。 因此 PCPRT 不應把 classical Markov-jump decomposition 當成 quantum universal law。 未來若進量子載體，需要獨立 paper。 --- # 84. 信息流與 Precision 2023–2026 information-thermodynamic bounds 顯示，在特定 bipartite systems 中： $$ \boxed{ \text{precision} } $$ 可能同時受： - local dissipation； - information flow； 約束。 這再次說明： $$ \dot I $$ 可以是 performance-relevant physical quantity。 但 bound 的具體形式取決於 model class。 --- # 85. Transduction 不應只有單向箭頭 實際物理 coupling： $$ A \leftrightarrow B $$ 通常意味： - backaction； - reaction force； - reciprocal current； - shared interaction energy； - feedback。 因此 GPC-CS Paper 05 的 bidirectional coupling 在物理層是自然預設候選，而不是例外。 --- # 86. 單向 Effective Channel 可以來自雙向物理系統 即使 physical dynamics： $$ A \leftrightarrow B, $$ 在 coarse scale 或 time-scale separation 下， 可能得到近似： $$ A \rightarrow B. $$ 因此： $$ \boxed{ \text{effective directionality} \neq \text{microscopic one-way force}. } $$ --- # 87. Backaction 的能量與資訊面向 B 對 A 的 backaction 可以同時改： $$ J_E, $$ $$ \dot I, $$ $$ x_A. $$ 三者不能只用一個： $$ \gamma_{BA} $$ 完全描述。 GPC cross-gain 是 state-dynamical effective quantity； PCPRT ledger 是更底層 physical decomposition。 --- # 88. 多尺度帳本 最終可寫： $$ \boxed{ \mathcal J_{\mathrm{micro}} \rightarrow \mathcal J_{\mathrm{meso}} \rightarrow \Gamma_{\mathrm{GPC}}. } $$ micro layer 可能是： - particle transitions； - molecular states。 meso layer 可能是： - ion current； - membrane potential； - oscillator state。 GPC layer 才是： - carrier update； - semantic / functional state。 --- # 89. 信息流反轉的高層意義 如果： $$ \dot I_{A\to B} $$ 可變號， 高層有效模型就不應把 information-flow direction 寫死。 更合理： $$ \boxed{ \dot I = \dot I ( z_A,z_B,\lambda,t ). } $$ 這將在 biological carrier paper 中非常重要。 --- # 90. 本文的八個主命題 ## 命題 A：跨載體物理轉導需要多流帳本 $$ \boxed{ \mathcal J_{AB} = ( J_E,J_Q,J_N,J_C,\dot I,\dot\Sigma ). } $$ ## 命題 B：能量流、耗散與資訊流是不同物理／統計量 不能無條件互換。 ## 命題 C：Information-only energy law 的存在需要 energy observable 在 information fibers 上常數 由定理 26.1。 ## 命題 D：Landauer bound 是 logically irreversible erasure 的條件式熱力學邊界 不是 universal communication cost。 ## 命題 E：Physical transduction 是 joint interaction dynamics 的 coarse-grained realization $$ (\Pi_A,\Pi_B)\circ\Phi_{AB}^{\mathrm{int}} \approx \Gamma_{AB}\circ(\Pi_A,\Pi_B). $$ ## 命題 F：Transduction efficiency 自然是多目標量 $$ \boldsymbol\eta_{\mathrm{tr}} = ( \eta_E,\eta_I,\eta_F,\eta_R ). $$ ## 命題 G：Information flow 可以進入 subsystem thermodynamic constraints，但 joint system 仍服從總第二定律 其精確式依 stochastic model。 ## 命題 H：跨載體 energy / information bookkeeping 必須明示 subsystem partition、observation map 與 time scale 否則無法把 effective GPC variable 與 physical current 合法接起來。 --- # 91. 可證偽性 ## 91.1 找到 universal fiber law 若未來對某明確 class of transducers 證明： $$ \mathcal E = g(\mathcal I) $$ 且 fiber constancy 普遍成立， 本文「不可普遍互定」的限制在該 class 中可收縮。 ## 91.2 Information flow 對 performance 無關 若某 carrier class 中： $$ \dot I $$ 不影響任何 thermodynamic / functional bound， 信息熱力學層可以退為描述性統計。 ## 91.3 Physical currents 完全決定 effective state 若存在 deterministic map： $$ \mathbf J_{\mathrm{phys}} \rightarrow x_{\mathrm{GPC}} $$ 跨所有 relevant contexts 精確成立， coarse-graining chain 可大幅簡化。 ## 91.4 Bipartite assumption 失效 若 elementary dynamics 經常同步改變多個 subsystems， Horowitz–Esposito bipartite formulas 必須換成 multipartite / nonbipartite framework。 --- # 92. 下一篇 PCPRT Paper 04 將進入： $$ \boxed{ \text{可塑性載體：交流如何改寫耦合參數}. } $$ 這將正式把本文的： $$ \text{physical current} $$ 與 Paper 02 的： $$ \lambda \rightarrow \lambda' $$ 接起來。 核心候選包括： - synaptic plasticity； - STDP； - adaptive coupling； - biochemical feedback； - slowly evolving carrier parameters； - memory formation； - plasticity cost。 但下一篇開始前將重新搜尋最新一手文獻。 --- # 93. 結論 跨載體轉導不能只畫： $$ A \rightarrow B. $$ 物理上至少應問： $$ \boxed{ \text{what flows?} } $$ 可能有： $$ J_E, \quad J_Q, \quad J_N, \quad J_C, \quad \dot I, \quad \dot\Sigma. $$ 它們彼此相關， 但不是同一量。 Landauer principle 給我們一個重要但窄的邊界： $$ \boxed{ Q_{\mathrm{env}} \ge k_BT\ln2 } $$ 適用於標準 one-bit logically irreversible erasure setting。 Bennett 則提醒： $$ \boxed{ \text{computation} \neq \text{erasure}. } $$ Horowitz–Esposito 再進一步顯示： $$ \boxed{ \text{information flow} } $$ 可以合法進入 subsystem entropy balance， 但整個 joint physical system 仍不能逃離 second law。 因此真正保守的物理結論不是： $$ \text{information = energy}, $$ 而是： $$ \boxed{ \text{information-bearing correlations are physical because they are instantiated in physical states and can enter thermodynamic constraints}. } $$ 同樣， 同一 information observable 不必對應唯一 energy cost。 本文以 fiber criterion 精確表達： $$ \boxed{ \mathcal E = g\circ\mathcal I } $$ 只有在 energy observable 對 information fibers 常數時才成立。 因此： $$ \boxed{ \text{no implementation model} \Rightarrow \text{no unique energetic cost}. } $$ 這把 GPC 的： $$ T_{AB} $$ 重新放回它應有的位置： $$ \boxed{ \text{physical coupling} \rightarrow \text{currents} \rightarrow \text{correlations} \rightarrow \text{coarse-grained transduction}. } $$ 而這也為下一篇可塑性載體建立真正的物理起點： > interaction 不只傳遞 current；current 也可以改寫之後的 coupling law。 --- # 參考文獻 1. Landauer, R. (1961). Irreversibility and Heat Generation in the Computing Process. *IBM Journal of Research and Development*, 5(3), 183–191. DOI: 10.1147/rd.53.0183. 2. Bennett, C. H. (1973). Logical Reversibility of Computation. *IBM Journal of Research and Development*, 17(6), 525–532. DOI: 10.1147/rd.176.0525. 3. Deffner, S., & Jarzynski, C. (2013). Information Processing and the Second Law of Thermodynamics: An Inclusive, Hamiltonian Approach. *Physical Review X*, 3, 041003. DOI: 10.1103/PhysRevX.3.041003. 4. Horowitz, J. M., & Esposito, M. (2014). Thermodynamics with Continuous Information Flow. *Physical Review X*, 4, 031015. DOI: 10.1103/PhysRevX.4.031015. 5. Lathouwers, E., & Sivak, D. A. (2022). Internal energy and information flows mediate input and output power in bipartite molecular machines. *Physical Review E*, 105, 024136. 6. Leighton, M. P., & Sivak, D. A. (2023). Inferring Subsystem Efficiencies in Bipartite Molecular Machines. *Physical Review Letters*, 130, 178401. 7. Tanogami, T., Vu, T. V., & Saito, K. (2023). Universal bounds on the performance of information-thermodynamic engine. *Physical Review Research*, 5, 043280. DOI: 10.1103/PhysRevResearch.5.043280. 8. Leighton, M. P., Ehrich, J., & Sivak, D. A. (2024). Information Arbitrage in Bipartite Heat Engines. *Physical Review X*, 14, 041038. DOI: 10.1103/PhysRevX.14.041038. 9. Grelier, M., Sivak, D. A., & Ehrich, J. (2024). Unlocking the potential of information flow: Maximizing free-energy transduction in a model of an autonomous rotary molecular motor. *Physical Review E*, 109, 034115. 10. Miller-Dickson, M., & Rose, C. (2026). Limits of information flow between classically interacting particles. *Physical Review E*, 113, 034126. DOI: 10.1103/xb2l-78n3. 11. Jiménez-Paz, J. D., Leighton, M. P., & Sivak, D. A. (2026). Information thermodynamics of cellular ion pumps. *Physical Review Research*, 8, 013155. DOI: 10.1103/n121-br2w. 12. Maekawa, Y., Nagayama, R., Yoshimura, K., & Ito, S. (2026). Geometric decomposition of information flow: New insights into information thermodynamics. *Physical Review Research*, 8, 023292. DOI: 10.1103/trrq-tkw5. 13. Honma, R., & Vu, T. V. (2026). Information-thermodynamic bounds on precision in interacting quantum systems. *Physical Review A*, 113, 032207. DOI: 10.1103/f77p-kw54. --- # 系列狀態 **Series:** Phase-Carrier Physical Realization Theory **Paper:** 03 **Version:** v1.0 **Canonical source encoding:** UTF-8 **Canonical mathematics delimiters:** ` $...$ ` and `$$...$$` only **Operational high-risk optimization details:** Excluded **Depends on:** PCPRT Papers 01–02; GPC-CS Papers 02–05, 10 **Next:** Paper 04 — 可塑性載體：交流如何改寫耦合參數