Hidden-State Updates and observable-record composition in retrocausal models

In der Untersuchung des Verhaltens von Teilchen verlassen sich Wissenschaftler oft auf verborgene Variablen – unsichtbare Eigenschaften, die das Ergebnis eines Experiments bestimmen. Stellen Sie sich eine Münze vor, die ein verborgenes Gewicht in sich trägt, das entscheidet, ob sie Kopf oder Zahl zeigt, noch bevor man sie wirft. In der Standardphysik sind diese verborgenen Eigenschaften fest und ändern sich nicht bas laquelle man später entscheidet, was man misst. Eine andere Klasse von Theorien, bekannt als retrokausale Modelle, legt jedoch nahe, dass der verborgene Zustand eines Teilchens von den zukünftigen Entscheidungen des Experimentators abhängen kann. Diese Idee ist kontrovers, da sie impliziert, dass die Zukunft die Vergangenheit beeinflusst. Die entscheidende Frage für Physiker ist dabei nicht, ob diese Modelle die Ergebnisse eines einzelnen Experiments imitieren können, sondern ob sie konsistent bleiben, wenn ein Experimentator dieselbe Ausrüstung wiederverwendet oder eine Reihe von Entscheidungen basierend auf vorherigen Ergebnissen trifft. Wenn ein Modell für eine Messung funktioniert, aber versagt, wenn dasselbe Gerät erneut verwendet wird, kann es keine gültige Beschreibung der Realität sein.

Ein Forscher an der Monash University hat genau dieses Problem untersucht und gefragt, ob Modelle mit verborgenen Variablen die Prüfung der Wiederverwendung bestehen können. Die Studie konzentriert sich auf ein spezifisches Szenario: Ein Experimentator zeichnet ein Ergebnis auf und nutzt diese Aufzeichnung dann, um zu entscheiden, wie er die nächste Messung einrichtet. Der Forscher fand heraus, dass viele dieser Modelle zwar in der Lage sind, den Ausgang einer einzelnen, fest vorgegebenen Sequenz von Ereignissen erfolgreich vorherzusagen, aber oft versagen, wenn der Experimentator erlaubt ist, das Experiment vorzeitig zu beenden oder den Plan basierend auf dem, was er gerade gesehen hat, zu ändern. Das Paper zeigt, dass für ein Modell, das physikalisch konsistent ist, der verborgene Zustand auf eine sehr spezifische Weise aktualisiert werden muss, die das Gesamtgewicht aller möglichen Ergebnisse bewahrt, unabhängig davon, wie der Experimentator fortzufahren entscheidet. Wenn das Modell diesen Test nicht besteht, wird die verborgene Information, auf die es sich stützt, von der Außenwelt unterscheidbar, was einen Widerspruch in der Theorie offenbart.

Um diese Ideen zu testen, konstruierte der Forscher zwei Arten von mathematischen Modellen. Das erste war ein einfaches, endliches System mit einer begrenzten Anzahl von verborgenen Zuständen, ähnlich einem einfachen Computerprogramm mit einigen Speicherplätzen. Das zweite war ein kontinuierliches Modell, das die Rotation eines rotierenden Teilchens betraf, bei dem der verborgene Zustand ein Winkel ist, der jeden beliebigen Wert annehmen kann. Im endlichen System zeigte der Forscher, dass ein Modell jeden Test bestehen konnte, sofern der Experimentator einer vorab geplanten, unveränderlichen Liste von Schritten folgte. Doch in dem Moment, in dem der Experimentator in der Lage war, das Ergebnis eines Schrittes anzusehen und zu entscheiden, ob er basierend auf diesem Ergebnis stoppt oder fortfährt, brach das Modell zusammen. Der verborgene Zustand verschob sich in einer Weise, die die Wahrscheinlichkeit des Endergebnisses änderte, was effektiv dazu führte, dass die zukünftige Entscheidung die vergangene Aufzeichnung in nachweisbarer Weise veränderte. Dieses Versagen war kein geringfügiger Fehler; es war eine fundamentale Unfähigkeit des Modells, eine konsistente Geschichte aufrechtzuerhalten, wenn die Handlungen des Beobachters von den gerade gesammelten Daten abhingen.

Das kontinuierliche Modell, das eine Quelle rotierender Teilchen beinhaltete, lieferte ein noch eindrucksvolleres Ergebnis. Der Forscher nahm ein „passives“ Setup an, bei dem die Quelle der Teilchen unverändert blieb, unabhängig von den durchgeführten Messungen. Selbst unter dieser strengen Bedingung stellte die Studie fest, dass zwei separate Sonden, die dasselbe Teilchen messen, eine subtile Korrelation entwickeln konnten, die von dem Winkel einer späteren Messung abhing. Konkret änderte sich die Wahrscheinlichkeit, dass die beiden Sonden übereinstimmen, je nachdem, ob eine zukünftige Messung auf einen bestimmten Winkel oder einen anderen eingestellt war. Der Unterschied war klein, aber mathematisch präzise: Die Übereinstimmungswahrscheinlichkeit verschob sich um einen Faktor, der mit der Stärke der Wechselwirkung und der Breite der Verteilung der Quelle zusammenhängt. Beispielsweise verschob sich die Übereinstimmungswahrscheinlichkeit mit spezifischen Parametern von etwa 51,9 % auf 51,0 %, je nach der zukünftigen Einstellung. Das bedeutet, dass selbst wenn die einzelnen Sonden für sich genommen fair und unvoreingenommen erschienen, ihre kombinierte Geschichte ein verborgenes Signal über eine Entscheidung trug, die noch nicht getroffen worden war.

Der Forscher überprüfte diese Ergebnisse durch rigorose Computersimulationen und exakte mathematische Berechnungen. In den Experimenten mit endlichen Zuständen testete das Team tausende verschiedene Entscheidungsbäume, einschließlich solcher, bei denen der Experimentator den Prozess nach Erhalt eines bestimmten Ergebnisses stoppte. Sie bestätigten, dass feste Sequenzen immer konsistente Ergebnisse lieferten, während adaptive Sequenzen – bei denen der nächste Schritt vom vorherigen abhängt – die verborgenen Mängel der Modelle offenlegten. In den kontinuierlichen Experimenten führte das Team Millionen von Versuchen durch, um die Übereinstimmung der Sonden zu messen. Die Daten stimmten perfekt mit den theoretischen Vorhersagen überein und zeigten, dass die subtile Abhängigkeit von zukünftigen Einstellungen innerhalb des Rahmens des Modells real war. Die Studie untersuchte auch, ob ein „Reset“-Mechanismus diese Probleme lösen könnte, stellte jedoch fest, dass das einfache Zurücksetzen des Geräts das Problem nicht löste, wenn das Gerät auf nicht-zufällige Weise wiederverwendet wurde.

Die Kernschlussfolgerung dieser Arbeit ist, dass ein retrokausales Modell zwei strengen Bedingungen genügen muss, um lebensfähig zu sein. Erstens muss der verborgene Zustand so aktualisiert werden, dass die Gesamtwahrscheinlichkeit aller möglichen Ergebnisse konstant bleibt, ungeachtet dessen, wie der Experimentator entscheidet, das Experiment fortzuführen. Zweitens müssen die verborgenen Präparationen für den Beobachter ununterscheidbar bleiben, was bedeutet, dass die Aufzeichnung dessen, was geschah, nicht offenbaren darf, welche zukünftige Einstellung gewählt wurde. Das Paper zeigt, dass viele vorgeschlagene Modelle diese Tests nicht bestehen. Wenn ein Modell versagt, bedeutet dies, dass die verborgenen Variablen nicht wirklich verborgen sind; sie hinterlassen eine Spur in den beobachtbaren Aufzeichnungen, die es dem Experimentator ermöglicht, seine zukünftigen Entscheidungen abzuleiten. Dies beweist nicht, dass Retrokausalität unmöglich ist, aber es stellt eine enorme Hürde für jede Theorie dar, die dies behauptet. Die Theorie muss mit einer solchen Präzision konstruiert sein, dass sie der Prüfung standhält, die ein Beobachter entgegenbringt, der seine Strategie aktiv an die Daten anpasst, die er sieht.

Die Studie hebt auch die Bedeutung der Definition eines „Records“ (einer Aufzeichnung) hervor. In diesen Modellen umfasst eine Aufzeichnung nicht nur das endgültige Messergebnis, sondern auch den Zeitpunkt, die Reglereinstellungen und jegliches Gedächtnis der Umgebung. Der Forscher fand heraus, dass man den Fehler übersieht, wenn man diese Details ignoriert und nur das Endergebnis betrachtet. Erst wenn man die gesamte Kette der Ereignisse betrachtet, einschließlich der entlang des Weges getroffenen Entscheidungen, wird die Inkonsistenz offensichtlich. Dies deutet darauf hin, dass jeder Versuch, ein retrokausales Modell zu bauen, die volle Komplexität des experimentellen Aufbaus berücksichtigen muss, einschließlich der Fähigkeit des Beobachters, seine Meinung zu ändern. Die Arbeit konstruiert keinen neuen Detektor und beweist nicht, dass die Natur so funktioniert; vielmehr stellt sie einen Satz mathematischer Werkzeuge bereit, um zu testen, ob ein vorgeschlagenes Modell konsistent ist. Durch die Anwendung dieser Werkzeuge können Forscher nun ganze Klassen von Modellen ausschließen, die auf den ersten Blick plausibel erschienen sein könnten.

Letztendlich dient das Paper als rigoroser Stresstest für Theorien, die versuchen, Quantenkorrelationen durch verborgene Variablen zu erklären, die von der Zukunft beeinflusst werden. Es zeigt, dass diese Modelle zwar darauf abgestimmt werden können, in einfachen, statischen Szenarien zu funktionieren, sie aber Schwierigkeiten haben, der dynamischen Realität eines Experimentators standzuhalten, der lernt und sich anpasst. Die Ergebnisse legen nahe, dass solche Modelle, falls sie existieren, weitaus stärker eingeschränkt sein müssen als bisher angenommen, was ein Maß an Konsistenz erfordert, das ohne die Einführung neuer, unerklärlicher Mechanismen schwer zu erreichen ist. Die Forschung lässt die Tür für zukünftige Theorien offen, verlangt aber einen viel höheren Standard des Beweises, um sicherzustellen, dass die verborgene Vergangenheit vor dem neugierigen Beobachter in der Gegenwart tatsächlich verborgen bleibt.