[论文解读] Probability Bracket Notation, Probability Vectors, Markov Chains and Stochastic Processes

Xing Wang|arXiv (Cornell University)|Feb 4, 2007

Quantum Mechanics and Applications参考文献 9被引用 5

一句话总结

本文提出了概率方括符记号（PBN），一种类似狄拉克符号的形式体系，用于概率论，实现了对离散与连续随机变量、马尔可夫链及随机过程的统一符号框架。研究表明，PBN 将系统状态的态 ket 与马尔可夫链中的概率向量等同，并将薛定谔图像下的主方程转化为类似于量子力学的形式，从而为连续时间马尔可夫链建立了薛定谔图像与海森堡图像之间的转换。

ABSTRACT

page1 Abstract Dirac notation has been widely used for vectors in Hilbert spaces of Quantum Theories. In this paper, we propose to use the Probability Bracket Notation (PBN), a new set of symbols defined similarly (but not identically) as in Dirac notation. By applying PBN to fundamental definitions and theorems for discrete and continuous random variables, we show that PBN could play a similar role in probability sample space as Dirac notation in Hilbert vector space. Applying PBN to homogeneous Markov chains (MC) with discrete time, we show that our system state P-kets are identified with the probability vectors in Markov chains (MC). Then we apply PBN to general stochastic processes (SP). The master equation of time-continuous homogeneous MC in the Schrodinger pictures is discussed. Our system state P-bra is identified with Doi's state function and Peliti's standard bra. In the end, we investigated the transition of probability density from the Schrodinger picture to the Heisenberg picture for time-continuous homogeneous MC. We

研究动机与目标

• 开发一种类似于量子力学狄拉克符号的符号形式体系，但针对概率论与随机过程进行适配。
• 通过一种新的方括符记号，即概率方括符记号（PBN），统一表示离散与连续随机变量。
• 将 PBN 应用于离散时间的齐次马尔可夫链，将 P-态 ket 与此类系统中的标准概率向量相联系。
• 将 PBN 扩展至一般随机过程，特别是连续时间的齐次马尔可夫链，并在薛定谔图像下推导其主方程。
• 通过 PBN 建立连续时间马尔可夫链中薛定谔图像与海森堡图像之间的对应关系。

提出的方法

• 提出概率方括符记号（PBN）作为受狄拉克符号启发的符号系统，但专为概率空间与随机变量设计。
• 定义 P-态 ket 与 P-态 bra 状态，以在离散时间马尔可夫链中表示概率向量，实现类似于量子态的态表示。
• 使用 PBN 在薛定谔图像下表述连续时间齐次马尔可夫链的主方程，将其与 Doi 的态函数及 Peliti 的标准 bra 相关联。
• 利用 PBN 推导概率密度在薛定谔图像与海森堡图像之间的变换，建立动力学演化框架。
• 通过将系统演化映射为算符动力学，将 PBN 应用于一般随机过程，类似于量子力学中的时间演化。
• 使用 PBN 以紧凑的符号形式表达概率论中的基本定理与定义，提升清晰性与一致性。

实验结果

研究问题

• RQ1 如何将类似狄拉克符号的形式体系适配于表示概率向量与随机变量，使其在形式上与量子力学中的使用方式相仿？
• RQ2 在所提出的概率方括符记号中，P-态 ket 与离散时间马尔可夫链中的标准概率向量之间有何对应关系？
• RQ3 在薛定谔图像下，使用 PBN 如何表达并解释连续时间齐次马尔可夫链的主方程？
• RQ4 在连续时间马尔可夫链的背景下，PBN 下薛定谔图像与海森堡图像之间的正式关系为何？
• RQ5 PBN 是否能为离散与连续随机变量，以及一般随机过程提供统一的符号框架？

主要发现

• PBN 成功地将离散时间马尔可夫链中的系统状态表示为 P-态 ket，其数学形式与标准概率向量等价。
• 通过 PBN 在薛定谔图像下推导出连续时间齐次马尔可夫链的主方程，显示出与量子力学演化方程的形式相似性。
• PBN 中的系统状态 P-态 bra 被识别为 Doi 的态函数与 Peliti 的标准 bra，建立了与现有随机形式体系的桥梁。
• 正式推导出概率密度从薛定谔图像到海森堡图像的转换，证明了 PBN 在不同图像间具有动力学一致性。
• PBN 的符号框架能够以紧凑且系统化的方式表示概率论与随机过程中的基本概念，提升了清晰性与统一性。
• 通过统一的方括符形式体系，PBN 为离散与连续随机变量以及一般随机过程提供了连贯且可扩展的记号体系。