Trajectory of Probabilities, Probability on Trajectories, and the Stochastic-Quantum Correspondence

Dieser Artikel klärt die konzeptionelle Unterscheidung zwischen der zeitlichen Entwicklung von Wahrscheinlichkeiten und der Wahrscheinlichkeit von Trajektorien, indem er deren Beziehung systematisch analysiert, häufige Missverständnisse bezüglich der Linearität und Markov-Eigenschaft aufdeckt und die Ergebnisse mit statistischer Dynamik sowie der Quantenmechanik in Verbindung bringt.

Das Wesentliche

Der große Unterschied: Die Landkarte vs. die Reise

Stellen Sie sich vor, Sie beobachten ein physikalisches System, zum Beispiel eine Münze, die geworfen wird. Die Autoren dieses Papers stellen uns eine ganz fundamentale Frage: Wie beschreiben wir die Wahrscheinlichkeit, dass die Münze Kopf oder Zahl zeigt?

Sie sagen: Es gibt zwei völlig verschiedene Wege, das zu tun, die oft durcheinandergebracht werden.

1. Die „Reise der Wahrscheinlichkeiten" (Trajectory of Probabilities)

Stellen Sie sich vor, Sie haben eine Landkarte, auf der nur die Wahrscheinlichkeiten eingetragen sind.

• Um 12:00 Uhr sagen Sie: „Es ist 50 % Kopf, 50 % Zahl."
• Um 12:01 Uhr sagen Sie: „Jetzt ist es 70 % Kopf, 30 % Zahl."
• Um 12:02 Uhr: „Jetzt 90 % Kopf."

Das ist eine Reihe von Wahrscheinlichkeiten. Es ist wie ein Wetterbericht, der nur sagt: „Morgen regnet es zu 50 %, übermorgen zu 80 %." Aber dieser Bericht sagt uns nichts darüber, wie das Wetter zusammenhängt. Er sagt uns nicht, ob es morgen regnet, weil es heute geregnet hat. Es ist nur eine Liste von Momentaufnahmen.

2. Die „Wahrscheinlichkeit auf Reisen" (Probability on Trajectories)

Jetzt stellen Sie sich einen Film vor, der alle möglichen Geschichten zeigt.

• Szenario A: Die Münze war immer Kopf.
• Szenario B: Erst Kopf, dann Zahl, dann Kopf.
• Szenario C: Immer Zahl.

In diesem Ansatz geben wir jedem dieser ganzen Filme (Reihenfolgen) eine Wahrscheinlichkeit. Wir sagen: „Die Geschichte 'Kopf-Kopf-Kopf' passiert mit 20 %, die Geschichte 'Kopf-Zahl-Kopf' mit 10 %."
Das ist viel mehr Information! Denn wenn wir wissen, wie wahrscheinlich ganze Geschichten sind, können wir auch berechnen: „Wenn die Münze beim ersten Wurf Kopf war, wie hoch ist dann die Chance, dass sie beim zweiten Wurf auch Kopf ist?"

Das Kernproblem: Viele Physiker und Philosophen haben diese beiden Dinge verwechselt. Sie haben angenommen, dass die einfache Liste von Wahrscheinlichkeiten (Landkarte) automatisch alles über die Zusammenhänge (Film) aussagt. Das ist falsch.

---

Die 10 wichtigsten Erkenntnisse (in Alltagssprache)

Die Autoren haben zehn Punkte gefunden, die zeigen, warum diese Verwechslung zu Problemen führt, besonders wenn man versucht, die Quantenmechanik (die Welt der kleinsten Teilchen) mit klassischer Wahrscheinlichkeit zu vergleichen.

1. Ein Film passt nicht nur zu einer Landkarte.
Wenn Sie eine Liste von Wahrscheinlichkeiten haben (z. B. 50/50, dann 70/30), gibt es unendlich viele verschiedene Filme (Reihenfolgen), die zu dieser Liste passen. Es gibt keine einzigartige Geschichte dahinter. Man kann die Geschichte nicht eindeutig aus der Liste ablesen.

2. Die Landkarte sagt nichts über das „Und" aus.
Die Landkarte (die Liste) kann uns nicht sagen, wie wahrscheinlich es ist, dass sowohl der erste als auch der zweite Wurf Kopf waren. Dafür brauchen wir den Film (die Wahrscheinlichkeit auf der Reise). Ohne den Film ist die Frage nach dem „Und" sinnlos.

3. „Gedächtnis" (Markovianität) gehört zum Film, nicht zur Landkarte.
Ein System hat ein „Gedächtnis", wenn der nächste Schritt davon abhängt, was vorher passiert ist. Das ist eine Eigenschaft des Films. Eine reine Liste von Wahrscheinlichkeiten hat kein Gedächtnis, weil sie keine Geschichte erzählt. Man kann dieselbe Liste mit einem System mit Gedächtnis oder ohne Gedächtnis erklären.

4. Eine ganze Sammlung von Landkarten braucht eine ganze Sammlung von Filmen.
Wenn wir nicht nur eine, sondern viele verschiedene Szenarien betrachten (z. B. Münzen mit unterschiedlichem Gewicht), brauchen wir für jedes Szenario einen eigenen Film. Man kann nicht einfach einen Film nehmen und hoffen, dass er alle Szenarien abdeckt.

5. Der Trugschluss der „Linearen Welt".
Oft wird behauptet: „Wahrscheinlichkeiten müssen sich linear entwickeln (wie eine gerade Linie)." Der Beweis dafür ist oft falsch. Man nutzt das Gesetz der totalen Wahrscheinlichkeit (eine mathematische Regel), aber man vergisst dabei, dass die Regeln des Films sich je nach Startpunkt ändern können.

• Analogie: Wenn Sie eine Kugel rollen lassen, ist ihre Geschwindigkeit vielleicht linear. Aber wenn Sie eine Münze werfen, deren Gewicht sich während des Flugs ändert, ist die Wahrscheinlichkeit, dass sie Kopf zeigt, nicht linear. Die Mathematik der „Reise" (Film) erlaubt nicht-lineare Dinge, auch wenn die Mathematik der „Landkarte" (Liste) es manchmal so aussehen lässt.

6. Schritt für Schritt: Zerlegbar vs. Teilbar.
Man fragt sich oft: „Kann ich den Weg von heute bis morgen in zwei Schritte teilen (heute-zwischendurch-morgen)?"

• Zerlegbar (Decomposable): Ja, ich kann den Weg in Schritte unterteilen. Der Zustand jetzt bestimmt den Zustand später.
• Teilbar (Divisible): Das ist strenger. Es bedeutet, dass ich für jeden Schritt eine feste Regel (eine Matrix) habe, die immer gleich funktioniert, egal woher ich komme.
  Die Autoren zeigen: Man kann den Weg zerlegen, ohne dass er „teilbar" im strengen Sinne ist. Die Regeln können sich ändern, je nachdem, wo man gerade steht.

7. Kein Zusammenhang zwischen Gedächtnis und Linearität.
Ob ein System ein Gedächtnis hat oder nicht, hat nichts damit zu tun, ob seine Wahrscheinlichkeiten sich linear oder nicht-linear entwickeln. Das sind zwei verschiedene Dinge.

8. Der Kategorienfehler.
Man kann nicht versuchen, eine ganze Sammlung von Wahrscheinlichkeits-Listen (Dynamik) aus einem einzigen Film (einem einzigen stochastischen Prozess) zu bauen. Das ist wie der Versuch, eine ganze Bibliothek aus einem einzigen Buch zu bauen. Man braucht eine ganze Bibliothek (eine Familie von Prozessen).

9. Wann ist Linearität erlaubt?
Linearität ist nur dann physikalisch sinnvoll, wenn wir über Ensembles sprechen.

• Beispiel: Wenn ich 1000 Münzen habe, und 500 sind immer Kopf, 500 immer Zahl, dann ist die Statistik linear.
• Aber: Wenn ich eine einzelne Münze habe, deren Eigenschaft sich mysteriös ändert, muss die Statistik nicht linear sein.
  Die Autoren sagen: Viele Leute in der Quantenphysik tun so, als ob ihre Wahrscheinlichkeiten wie ein riesiges Ensemble wären (Statistik), aber eigentlich beschreiben sie eine einzelne, seltsame Quanten-Münze.

10. Das Quanten-Problem.
In der Quantenmechanik (z. B. bei einem Elektron) gibt es keine „versteckten" Eigenschaften wie bei einer manipulierten Münze. Die Wahrscheinlichkeiten entstehen aus der Überlagerung von Zuständen (Interferenz).

• Das Ergebnis: Die Wahrscheinlichkeiten in der Quantenmechanik entwickeln sich nicht linear (wenn man sie nur als Liste betrachtet). Sie haben „Kreuzterme" (Interferenz), die die gerade Linie brechen.
  Versuche, die Quantenmechanik als einfache klassische Wahrscheinlichkeit zu erklären (wie Barandes [2025] vorgeschlagen hat), scheitern daran, dass sie diese Nicht-Linearität und die Interferenz ignorieren oder falsch interpretieren.

---

Fazit: Was lernen wir daraus?

Die Autoren sagen uns im Grunde: Hör auf, die Landkarte mit dem Film zu verwechseln!

• Wenn du nur die Wahrscheinlichkeiten zu einem Zeitpunkt kennst (Landkarte), weißt du noch nichts über die Geschichte dazwischen.
• Die Quantenmechanik ist besonders knifflig, weil sie sich nicht wie eine klassische Wahrscheinlichkeitsliste verhält. Sie ist „nicht-linear" und voller Interferenz.
• Viele aktuelle Theorien, die versuchen, die Quantenwelt durch einfache klassische Wahrscheinlichkeiten zu erklären, bauen auf einem mathematischen Missverständnis auf. Sie nehmen an, dass die Welt linear ist, nur weil sie die falsche Art von Wahrscheinlichkeit betrachten.

Die Metapher am Ende:
Stellen Sie sich vor, Sie wollen das Wetter vorhersagen.

• Der alte (falsche) Weg: Sie schauen nur auf die Temperatur um 12 Uhr, 13 Uhr und 14 Uhr und sagen: „Es wird linear wärmer."
• Der neue (richtige) Weg: Sie schauen sich die ganzen Wetterkarten an, wie sich Wolken bewegen und wie der Wind weht. Sie merken: Manchmal wird es wärmer, manchmal kälter, und die Regeln ändern sich, je nachdem, wo die Wolken gerade sind.
  Die Quantenmechanik ist wie dieses komplexe Wettersystem. Man kann es nicht mit einer simplen geraden Linie beschreiben.

Technische Zusammenfassung

1. Problemstellung und Motivation

Das Paper adressiert ein fundamentales konzeptionelles Missverständnis in der Literatur zur Wahrscheinlichkeitstheorie und Quantenmechanik, insbesondere im Kontext der stochastisch-quantenmechanischen Korrespondenz. Die Autoren identifizieren zwei oft verwechselte, aber mathematisch und konzeptionell unterschiedliche Beschreibungsformen der zeitlichen Entwicklung eines physikalischen Systems:

1. Trajektorien von Wahrscheinlichkeiten (Trajectory of Probabilities): Eine Folge von Wahrscheinlichkeitsvektoren $\vec{p}(t)$, die beschreibt, wie sich die Wahrscheinlichkeiten für Konfigurationen zu einem bestimmten Zeitpunkt $t$ entwickeln. Dies ist eine Beschreibung der Evolution von Verteilungen (ein deterministisches Gesetz für Wahrscheinlichkeiten).
2. Wahrscheinlichkeiten auf Trajektorien (Probability on Trajectories): Eine Wahrscheinlichkeitsmaß $\mu$ auf dem Raum aller möglichen zeitlichen Trajektorien (Pfade) durch den Konfigurationsraum. Dies ist eine Beschreibung der Wahrscheinlichkeit für das Auftreten von Pfaden (ein stochastisches Gesetz für Konfigurationen).

Das Kernproblem: Viele aktuelle Analysen (z. B. von Barandes, Gillespie, Vacchini) behandeln diese beiden Ebenen als äquivalent oder vernachlässigen den Unterschied. Dies führt zu Fehlschlüssen bezüglich:

• Der Linearität der Wahrscheinlichkeitsevolution.
• Der Definition von „Übergangsmatrizen" (ob sie bedingte Wahrscheinlichkeiten oder lineare Abbildungen darstellen).
• Der Begriffe „Divisibilität" (Teilbarkeit) und „Zerlegbarkeit" (Decomposability).
• Der Beziehung zwischen Markov-Eigenschaft und der Evolution von Wahrscheinlichkeitsvektoren.

Das Ziel des Papers ist es, diese Konzepte strikt zu trennen, ihre Beziehungen präzise zu definieren und die Implikationen für die Interpretation der Quantenmechanik (insbesondere Born-Regel und Interferenz) zu analysieren.

2. Methodik und Definitionsrahmen

Die Autoren entwickeln einen rigorosen mathematischen Rahmen, der auf der Unterscheidung zwischen Wahrscheinlichkeitsdynamik und stochastischen Prozessen basiert.

• Wahrscheinlichkeitsdynamik ($P$): Eine Abbildung $P: T \times S_N \to S_N$, die für jeden Anfangszustand $\vec{p}_0$ eine Trajektorie von Wahrscheinlichkeitsvektoren liefert. Sie beschreibt die Evolution von Verteilungen, nicht von einzelnen Pfaden.
• Stochastischer Prozess ($\mu$): Ein Wahrscheinlichkeitsmaß auf dem Raum der Pfade $\Omega$ (kanonischer stochastischer Prozess). Er definiert gemeinsame Wahrscheinlichkeiten für Ereignisse zu verschiedenen Zeitpunkten.
• Implementierung (Implementation): Ein stochastischer Prozess $\mu$ implementiert eine Wahrscheinlichkeitsdynamik $P$, wenn die Randverteilungen von $\mu$ zu jedem Zeitpunkt $t$ mit dem Vektor $P(t, \vec{p}_0)$ übereinstimmen.
• Familie stochastischer Prozesse ($\mathcal{M}$): Da eine einzelne Wahrscheinlichkeitsdynamik im Allgemeinen viele verschiedene stochastische Prozesse zulässt (die alle dieselben Randverteilungen haben, aber unterschiedliche Pfadkorrelationen), wird eine Familie von Prozessen $\mathcal{M}: \vec{p}_0 \mapsto \mu_{\vec{p}_0}$ eingeführt, um die Dynamik vollständig zu implementieren.

Ein zentrales methodisches Werkzeug ist die Analyse der Abhängigkeit der bedingten Wahrscheinlichkeiten vom Anfangszustand. Die Autoren zeigen, dass Übergangsmatrizen, die aus bedingten Wahrscheinlichkeiten eines einzelnen Prozesses abgeleitet werden, oft vom Anfangszustand $\vec{p}_0$ abhängen, während lineare Dynamiken oft fälschlicherweise als durch eine einzige, zustandsunabhängige Matrix erzeugt angenommen werden.

3. Schlüsselbeiträge und Ergebnisse

Die Arbeit liefert zehn zentrale Beobachtungen und theoretische Ergebnisse:

A. Nicht-Eindeutigkeit der Implementierung

Jede Wahrscheinlichkeitsdynamik kann durch unendlich viele verschiedene stochastische Prozesse implementiert werden. Die Wahl des Prozesses bestimmt die Pfadkorrelationen (gemeinsame Wahrscheinlichkeiten), während die Dynamik nur die Randverteilungen festlegt. Daher ist die Frage, ob eine Dynamik „Markovsch" ist, ohne Bezug auf eine spezifische Implementierung sinnlos.

B. Linearität und das Gesetz der totalen Wahrscheinlichkeit

Ein häufiger Fehlschluss in der Literatur ist, dass das Gesetz der totalen Wahrscheinlichkeit ($\vec{p}(t) = M(t) \vec{p}(0)$) die Linearität der Dynamik beweist.

• Ergebnis: Dies gilt nur, wenn die Übergangsmatrix $M(t)$ (bestehend aus bedingten Wahrscheinlichkeiten) unabhängig vom Anfangszustand ist.
• Korrektur: In der Regel hängen die bedingten Wahrscheinlichkeiten $\mu_{\vec{p}_0}(E_i(t) | E_j(0))$ vom Anfangszustand $\vec{p}_0$ ab. Daher ist die Abbildung $\vec{p}_0 \mapsto \vec{p}(t)$ im Allgemeinen nicht linear, selbst wenn sie durch stochastische Prozesse realisiert wird.
• Transition-Constante Familien: Nur wenn eine Familie von Prozessen „transition-constant" ist (die bedingten Wahrscheinlichkeiten sind unabhängig von $\vec{p}_0$), folgt die Linearität der Dynamik.

C. Zerlegbarkeit (Decomposability) vs. Divisibilität (Divisibility)

Die Autoren trennen zwei Konzepte, die in der Literatur oft synonym verwendet werden:

1. Zerlegbarkeit (Decomposability): Eine Eigenschaft der Wahrscheinlichkeitsdynamik. Sie besagt, dass der Zustand $\vec{p}(t')$ den zukünftigen Verlauf $\vec{p}(t)$ eindeutig bestimmt (die Dynamik ist „gedächtnislos" auf der Ebene der Verteilungen). Dies ist eine rein funktionale Eigenschaft ($P_t = P_{t \leftarrow t'} \circ P_{t'}$).
2. Divisibilität (Divisibility): Eine stärkere Eigenschaft, die verlangt, dass die Zerlegungsmaps durch stochastische Matrizen (lineare Abbildungen) dargestellt werden können.

• Ergebnis: Jede divisibele Dynamik ist zerlegbar, aber die Umkehrung gilt nicht. Es gibt lineare, zerlegbare Dynamiken, die nicht divisibel sind, weil die erforderlichen Zerlegungsmaps nicht auf den gesamten Wahrscheinlichkeitsraum erweitert werden können, ohne die Stochastizität zu verletzen.

D. Statistische Dynamik (Statistical Dynamics)

Die Autoren identifizieren einen physikalisch motivierten Spezialfall, in dem Linearität gerechtfertigt ist: Statistische Dynamik.

• Hier repräsentieren Wahrscheinlichkeitsvektoren die Häufigkeitsverteilungen in einem Ensemble unabhängiger Systeme (Deterministisch oder Stochastisch).
• In diesem Kontext (z. B. deterministische Dynamik mit statistischem Mix) sind die Übergangsmatrizen zustandsunabhängig, und die Dynamik ist linear, zerlegbar und oft auch divisibel.
• Wichtig: Dies gilt nur für Ensembles. Für ein einzelnes System (z. B. eine einzelne Münze mit sich änderndem Bias) ist die Dynamik nicht notwendigerweise linear.

E. Quantenmechanische Implikationen

Das Paper wendet diese Analyse auf die Quantenmechanik an und widerlegt die Annahme, dass Quantenwahrscheinlichkeiten eine lineare Dynamik im Sinne einer klassischen stochastischen Dynamik bilden.

• Nicht-Linearität: Die Evolution von Born-Wahrscheinlichkeiten (über die Born-Regel $p = |\psi|^2$) ist im Allgemeinen nicht linear in Bezug auf die Anfangswahrscheinlichkeiten. Dies liegt an der Interferenz (Kreuzterme in $|\psi_1 + \psi_2|^2$).
• Keine Wahrscheinlichkeitsdynamik: Da der Anfangszustand $\vec{p}(0)$ die Quantenzustandstrajektorie nicht eindeutig bestimmt (Phaseninformation geht verloren), gibt es keine wohldefinierte Wahrscheinlichkeitsdynamik $P$, die nur auf $\vec{p}$ operiert.
• Interferenz und Divisibilität: Die Autoren kritisieren Barandes [2025], der Interferenz als Folge von „Nicht-Divisibilität" einer stochastischen Dynamik interpretiert.
  • Kritik: Quantenmechanik ist nicht durch eine klassische stochastische Dynamik (selbst nicht-divisible) beschreibbar. Die Nicht-Linearität der Born-Wahrscheinlichkeiten ist fundamental.
  • Zerlegbarkeit: Quanten-Evolution ist im Sinne der Zustandsentwicklung (Unitär) zerlegbar, aber die Abbildung auf die Wahrscheinlichkeitsvektoren ist nicht linear und lässt sich nicht durch stochastische Matrizen darstellen.
• Tomographische Vervollständigung: Wenn man den Zustand durch einen Vektor aller Erwartungswerte einer tomographisch vollständigen Menge von Observablen beschreibt, ist die Evolution zwar linear (auf dem Raum der Dichtematrizen), aber dieser Vektor ist kein Wahrscheinlichkeitsvektor (Summe der Einträge $\neq 1$). Daher ist dies keine lineare Wahrscheinlichkeitsdynamik im Sinne des Papers.

4. Signifikanz und Fazit

Die Arbeit hat weitreichende Konsequenzen für die Grundlagen der Quantenmechanik und die Theorie offener Quantensysteme:

1. Klarstellung von Begriffen: Sie etabliert eine klare terminologische und mathematische Trennung zwischen der Evolution von Verteilungen (Dynamik) und der Wahrscheinlichkeit von Pfaden (Prozess).
2. Widerlegung von „No-Go"-Argumenten: Viele Argumente, die versuchen, die Linearität der Quantenmechanik aus rein probabilistischen Axiomen (wie dem Gesetz der totalen Wahrscheinlichkeit oder statistischem Mixing) abzuleiten, basieren auf der falschen Annahme, dass Wahrscheinlichkeiten immer als statistische Mischungen von Ensembles interpretiert werden können. Das Paper zeigt, dass dies für Quantensysteme (insbesondere bei Superposition) nicht zutrifft.
3. Stochastisch-Quanten-Korrespondenz: Die Autoren zeigen, dass Versuche, Quantenmechanik als eine spezielle Form klassischer stochastischer Dynamik (z. B. durch nicht-divisible Prozesse) zu rekonstruieren, scheitern, weil sie die Nicht-Linearität der Born-Regel und die Natur der Quanteninterferenz missverstehen.
4. Physikalische Interpretation: Linearität ist keine universelle Eigenschaft von Wahrscheinlichkeitstheorien, sondern eine spezifische Eigenschaft von statistischen Dynamiken (Ensembles unabhängiger Systeme). Da die Quantenmechanik keine solche Interpretation zulässt (gemäß No-Go-Theoremen wie Bell und Kochen-Specker), ist die Annahme einer linearen Wahrscheinlichkeitsdynamik für Quantensysteme unbegründet.

Zusammenfassend liefert das Paper eine rigorose mathematische Basis, um zu zeigen, dass die Struktur der Quantenmechanik fundamental anders ist als die von klassischen stochastischen Prozessen, und warnt vor der vorschnellen Anwendung klassischer probabilistischer Intuitionen auf Quantenphänomene.