1樓：許哲佳
需要。處理1 bit資訊需要的能量大概相當於所在溫度下的乙個氣體分子的動能。
這裡的處理可以是寫入、擦除或者一次門運算。
溫度越低，所需的能量越少。兩者相除得到的商(熵)不變。
2樓：Albert Wang
19世紀下半葉, 在熱力學第二定律成為物理學家的熱門話題時, 麥克斯韋曾虛構了乙個小盒子, 這個盒子被乙個沒有摩擦的、密封的門分隔為兩部分．最初兩邊氣體溫度、壓強分別相等，門的開關被（後人稱作麥克斯韋妖的）小妖精控制．當它看到乙個快速氣體分子從 A 邊飛來時，它就開啟門讓它飛向 B 邊，而阻止慢速分子從 A 飛向 B 邊；同樣允許慢速分子（而不允許快速分子）從 B 飛向 A ．這樣就使 B 氣體溫度越來越高， A 氣體溫度越來越低，若利用一熱機工作於 B 、 A 之間就可製成一部第二類永動機．對這與熱力學第二定律矛盾的設想，人們往往作這樣的解釋，當氣體分子接近小妖精時，它必須做功． 1929 年西拉德（ Szilard， 1898 一 1964 ）曾設想了幾種由小妖精操縱的理想機器，並強調指出，機器做功的關鍵在於妖精取得分子位置的資訊，並有記憶的功能．在引人資訊等於負熵概念後，對此更易解釋：小妖精雖未做功，但他需要有關飛來氣體分子速率的資訊．在他得知某一飛來分子的速率，然後決定開啟還是關上門以後，他已經運用有關這一分子的資訊，資訊的運用等於熵的減少．系統熵的減少表現在高速與低速分子的分離．從對麥克斯韋妖這一假想過程的解釋可知，若要不做功而使系統的熵減少，就必須獲得資訊，即吸取外界的負熵．但是在整個過程中總熵還是增加的，法國物理學家布里淵（ Brillouin , 1889 一 1969 ）於 1956 年在 《 科學和資訊理論 》 一書中指出：若要能看到分子必須另用燈光照在分子上，光會被分子散射，被散射的光子為小妖精的眼睛所吸收，這一過程中涉及熱量從高溫熱源轉移到低溫熱源的不可逆過程，致使熵增加．而前者系統減少的熵總是小於後者增加的熵．
麥克斯韋妖
夏農雖然提出了資訊熵的概念，但他並未指出資訊熵與熱力學熵之間的關係．這種同一函式、同一名稱的出現在物理學家中引起極大興趣．布里淵在解釋麥克斯韋妖時指出，如果沒有足夠的資訊來控制分子的運動方向，「妖精」的活動就不可能．因此，這種不消耗功的「妖精」是不存在的．為此，他利用玻耳茲曼關係 建立了資訊和能量之間的內在聯絡，並以定 t量計算表示出來．他認為，在有N個等概率狀態的物理系統中，若輸入能量 Q ，則所對應的資訊熵的變化為
其中 k 為玻耳茲曼常量， T 為絕對溫度，若該系統僅有兩種等概率狀態，即 N=2 ，則該系統相應的資訊熵的變化 ，根據資訊熵的單位 bit 的定義可知它等於 1 bit ，故它表示資訊熵與熱力學熵之間的換算關係．它有重要的物理意義．例如，若要使計算機裡的資訊量增加 1 bit ，則其熱力學熵應減少 ，而這種減少是以計算機向環境放熱（即環境從計算機吸熱）因而環境至少增加這麼多的熵為代價的．在溫度 T 下計算機處理每個位元，至少要消耗能量 ，這部分能量轉換為熱向環境釋放．
這一點說明了兩個重要問題：
① 即使沒有任何耗散等不可逆因素，維持計算機工作也存在乙個能耗的下限，這一理論下限為每位元消耗 ．但實際能耗的數量級要比它大很多，例如當代最先進的微電子元件，每位元的能耗在 量級以上；② 即使沒有任何耗散等不可逆因素．計算機工作時要維持溫度不變．必須向外散熱以獲得負熵．計算機處理的資訊量越大．向外釋放的熱也越多，所以在夏天，計算機應在有空調裝置的環境中工作．
參考文獻
[1]秦允豪.熱學[M].高等教育出版社:北京,2018:273-274.
「獲取更多能量的過程本身就需要能量」，那麼最初的「起始能量」跟那些「更多的能量」之間有著根本的不同嗎？
李三畏 這應該是乙個物理問題，答案可建模匯出。由於獲取能量的過程本身就需要輸入能量，因而初始能量E與n次後續能量構成乙個擺動數列 E,E,E,En 式中，Ei Ei Ei Ei 故而題主關於 更多的能量 的假設僅為在Ei Ei 時的情形。據此，若設2 k n，則可匯出初始能量E與任意後續能量Ek的區...
我還需要能天使嗎？
天體科 最好練，能天使在快單狙中是天花板，你好像也沒練好用的快速單體狙擊，練能天使就很合適了，打中低護甲單位乙個三技能清空，我就是精二九十級專三三技能能天使，粉碎攻堅手三個過載打沒 灼鳶 喜歡就換，而且阿能的強度也值得 中低甲殺手，軍械庫MVP，之前是全遊第一吃拐率現在不知道降沒降，帶個極鏡就是最強...
生物資訊學需要掌握C 嗎？
張旭東 學習就像吃雞，一開始哪怕只有平底鍋，也要想辦法拍死他。然後，邊殺人，邊撿裝備，邊練瞄準，邊總結經驗。生物資訊也是一樣，一開始，Linux 會基本操作 二十來個命令 程式設計會用 python 寫小程式就行，先開始幹活，沒活就找個文獻重複一遍。然後，你發現裡面用的統計學方法看不懂，再回頭學習統...