[论文解读] Quantum causal models via QBism

Jacques Pienaar|arXiv (Cornell University)|Jun 3, 2018

Quantum Mechanics and Applications参考文献 47被引用 22

一句话总结

本文提出了一种 QBist 量子因果模型，将因果关系视为观察者概率赋值之间的反事实关系，使用一个参考实验和分层 DAG（LDAG）结构。该模型基于 QBism 中核心的量子贝叶斯规则，推导出一种针对‘未测量’（hypothetical non-measurements）的新规则，并表明量子因果结构必须具有分层结构，且在箭头反转下保持对称。

ABSTRACT

This paper presents a framework for Quantum causal modeling based on the interpretation of causality as a relation between an observer's probability assignments to hypothetical or counterfactual experiments. The framework is based on the principle of `causal sufficiency': that it should be possible to make inferences about interventions using only the probabilities from a single `reference experiment' plus causal structure in the form of a DAG. This leads to several interesting results: we find that quantum measurements deserve a special status distinct from interventions, and that a special rule is needed for making inferences about what would happen if they are not performed (`un-measurements'). One natural candidate for this rule is found to be an equation of importance to the QBist interpretation of quantum mechanics. We find that the causal structure of quantum systems must have a `layered' structure, and that the model can naturally be made symmetric under reversal of the causal arrows.

研究动机与目标

• 将量子理论中的因果关系重新定义为观察者概率赋值之间的反事实关系，而非仅通过操控来定义。
• 通过将因果关系建立在观察者的认识论视角和假设实验的基础上，解决量子因果建模中的基础性模糊性问题。
• 形式化区分干预与量子测量，表明测量需要针对未测量情况的特殊规则。
• 推导出 QBism 中贝叶斯更新规则的量子类比（即用于推断未测量结果的规则）。
• 证明量子因果结构必须具有分层结构，并在因果箭头反转下保持对称。

提出的方法

• 采用一种反事实框架，其中因果关系通过观察者可能执行的假设实验来定义，而不仅限于干预。
• 引入一个‘参考实验’作为所有反事实推理的基准，将概率赋值锚定在一个固定的情境中。
• 使用分层 DAG（LDAG）来表示因果结构，其中各层将隐变量、测量和干预分离开来。
• 应用量子边缘化条件（QMC）以推导出在存在量子测量时的条件独立性。
• 利用 QBist 量子贝叶斯规则推导出未测量的规则：P(¬M) ∝ P(M) × P(¬M|M)，并采用特定的更新形式。
• 证明所得到的因果模型在因果箭头反转下保持对称，并在所有反事实配置中保持一致性。

实验结果

研究问题

• RQ1 如何在不依赖操控的前提下，通过涉及未执行测量的反事实关系，定义量子理论中的因果关系？
• RQ2 当一个量子测量未被执行时（即‘未测量’），其结果的推断遵循何种规则？
• RQ3 为何在因果模型中，量子测量需要与干预区别对待？
• RQ4 量子因果模型必须满足何种结构约束，以避免微调并保持一致性？
• RQ5 量子因果模型是否能在因果箭头反转下保持对称？这又对量子过程中的时间方向意味着什么？

主要发现

• 该框架确立了量子测量与干预在本质上不同，且必须为未测量情况配备专门的规则。
• 未测量的规则被识别为 QBist 量子贝叶斯规则，该规则为在未执行测量时推断概率提供了一种数学上一致的方法。
• 量子因果模型必须具有分层结构（LDAG），其中隐变量、测量和干预被分隔在不同的层级中。
• 该模型自然满足因果箭头反转下的对称性，表明量子因果关系可能本身并不具有方向性。
• 该框架证明了在 LDAG 结构和 QMC 条件下，条件独立性关系如 (L1 M1 ⊥ L2 M2 | L3 M3) 得到保持，确保与因果公理的一致性。
• 证明表明，在未测量情况下，联合概率分布尊重所需的条件独立性，从而验证了该模型的一致性。