Descubren ‘atajos’ para enfriar y calentar sistemas

Muchos sistemas, cuando se alejan del equilibrio, muestran un comportamiento sorprendente para volverse a equilibrar, como ocurre en la asimetría enfriamiento-calentamiento. Se trata de un comportamiento anómalo que puede aprovecharse para acortar el tiempo necesario para enfriar o calentar un sistema.

Ahora, investigadores de las universidades Complutense de Madrid, Carlos III, Pontificia de Comillas y de Granada presentan una estrategia para diseñar estos efectos. En concreto, “atajos de sistemas de relajación libre mediante observables físicos de equilibrio”. Los detalles se publican en la revista Physical Review Letters, donde el estudio se ha seleccionado como Sugerencia de los Editores por su especial relevancia.

A veces es más rápido enfriar un sistema que calentarlo, y viceversa, como demuestra este estudio

“Los procesos de enfriamiento y de calentamiento no siguen lo que dicta la intuición o el sentido común. En particular, a veces es más rápido enfriar un sistema que calentarlo, y viceversa (no se tarda igual)”, explica uno de los autores, Antonio Lasanta Becerra, profesor de la Universidad de Granada en el campus de Ceuta.

El trabajo explica que, en ocasiones, el más caliente de dos sistemas de otro modo idénticos es capaz de ser el primero en enfriarse. E incluso que es posible hacer que un sistema se enfríe más rápido dándole un breve golpe de calor.

Aplicaciones en sistemas clásicos y cuánticos

“Esto ocurre porque sacamos a nuestro sistema de un mínimo y acortamos su camino al enfriamiento”, aclara el profesor. Estos comportamientos extraños son los que se pueden aprovechar para reducir el tiempo necesario para enfriar o calentar el sistema.

“Nuestros resultados pueden aplicarse a muchísimos aspectos”, comenta Lasanta, “por ejemplo, a equipos magnéticos, de refrigeración o de calefacción, e incluso a la computación clásica y cuántica para acelerar procesos de minimización o maximización, muy útiles ahora mismo en la era de la inteligencia artificial (IA) y el aprendizaje automático o machine learning”.

Referencia:

I. González-Adalid, E. Mompó, A. Lasanta, V. Martín-Mayor y J. Salas. “Shortcuts of Freely Relaxing Systems Using Equilibrium Physical Observables”. Phys. Rev. Lett., 2024