La segunda ley de la termodinámica impone una dirección en el tiempo a los procesos físicos irreversibles. Sin embargo, para sistemas mesoscópicos en que las fluctuaciones térmicas son grandes, esa dirección de la flecha del tiempo puede no ser obvia para realizaciones individuales de un proceso estocástico. Recientemente se ha propuesto usar técnicas de aprendizaje automático (machine learning) para diferenciar entre procesos estocásticos que siguen la dirección natural del tiempo de otros en que la dirección se ha invertido [1]. El objetivo de este proyecto es estudiar e implementar estas propuestas aplicándolas a un sistema sencillo de una partícula browniana sometida a un potencial confinante variable en el tiempo.
[1] A. Seif, M. Hafezi and C. Jarzynski, Machine learning the thermodynamic arrow of time, Nature Physics 17, 105-113 (2021), https://doi.org/10.1038/s41567-020-1018-2
