A decision-theoretic approach to dealing with uncertainty in quantum mechanics

Este artículo propone un marco teórico-decisional que deriva la regla de Born a partir de funciones de utilidad asociadas a mediciones cuánticas, desacoplando así la teoría de la probabilidad precisa de la mecánica cuántica para acomodar probabilidades imprecisas, al tiempo que proporciona una base para el trabajo reciente de Benavoli, Facchini y Zaffalon y ofrece una alternativa distinta a los enfoques de Deutsch y Wallace.

Lo esencial

El Panorama General: Una Nueva Forma de Ver las Suposiciones Cuánticas

Imagina que estás jugando una partida de póker de altas apuestas contra un oponente misterioso. En el mundo cuántico, este oponente es una partícula diminuta (como un electrón), y las cartas que sostiene son su "estado cuántico".

Por lo general, cuando los físicos intentan predecir qué hará esta partícula, utilizan probabilidad. Dicen: "Hay un 50% de probabilidad de que la partícula gire hacia arriba y un 50% de que gire hacia abajo". Esta es la famosa Regla de Born.

Sin embargo, este artículo plantea una pregunta fundamental: ¿Por qué tenemos que usar probabilidades precisas? ¿Por qué no podemos simplemente decir: "Estoy bastante seguro de que girará hacia arriba, pero no tengo un 100% de certeza"?

Los autores (Keano De Vos, Gert De Cooman, Alexander Erreygers y Jasper De Bock) proponen una nueva forma de pensar sobre esto. En lugar de comenzar con matemáticas que nos obligan a tener números exactos, comienzan con decisiones. Argumentan que podemos entender la incertidumbre cuántica observando lo que una persona racional elegiría hacer, sin asumir que conocemos las probabilidades exactas de antemano.

La Idea Central: Apostar a las Mediciones

Para explicar su teoría, los autores utilizan una configuración sencilla:

1. Tú (El Jugador): Estás incierto sobre el estado de un sistema cuántico.
2. El Acto: Puedes elegir realizar una medición específica (como verificar si un giro es hacia arriba o hacia abajo).
3. La Recompensa: Si mides el sistema, obtienes una "recompensa" (como dinero o puntos) basada en el resultado.

En la mecánica cuántica estándar, la recompensa se calcula utilizando una fórmula estricta (la Regla de Born). Los autores preguntan: ¿Podemos derivar esta fórmula simplemente observando cómo toma decisiones una persona racional?

Dicen que sí, pero con un giro. No asumen que debes ser capaz de clasificar perfectamente cada resultado posible. Podrías estar indeciso entre dos opciones. Es aquí donde introducen las Probabilidades Imprecisas.

La Analogía: El Mapa "Borroso" vs. El Mapa "Perfecto"

Piensa en tu conocimiento sobre el sistema cuántico como un mapa.

• La Vieja Forma (Mecánica Cuántica Estándar): El mapa está perfectamente detallado. Te dice exactamente dónde estás y exactamente qué sucederá a continuación. No deja espacio para la duda. Si tienes este mapa, siempre puedes decir: "Prefiero la Opción A sobre la Opción B".
• La Nueva Forma (Este Artículo): El mapa es un poco borroso. Sabes que estás en cierta región, pero no estás seguro de las coordenadas exactas. Debido a esta borrosidad, podrías mirar dos caminos y decir: "No puedo decidir cuál es mejor ahora mismo".

Los autores muestran que es perfectamente racional tener este mapa "borroso". No necesitas forzar una decisión si no tienes suficiente información.

Las Cuatro Reglas del Juego

Para que su teoría funcione, los autores establecen cuatro reglas simples (postulados) que cualquier jugador racional debería seguir. Estas reglas son como las leyes de la física para la toma de decisiones:

1. La Regla de la Certeza: Si sabes con certeza que una medición dará un resultado específico (digamos, +1), entonces el valor de esa medición es exactamente +1. No se necesita adivinar.
2. La Regla "Mismo Juego, Habitación Diferente": Si juegas un juego en una habitación (espacio de Hilbert) y un juego idéntico en otra habitación, el valor del juego debería ser el mismo. La ubicación física no cambia las matemáticas.
3. La Regla de Aditividad: Si combinas dos mediciones, el valor total es la suma de sus valores individuales. (Si el Juego A vale 5 puntos y el Juego B vale 3, hacer ambos vale 8).
4. La Regla de Suavidad: Si haces un cambio diminuto en el sistema, el valor de la medición no debería saltar salvajemente. Debería cambiar suavemente.

El Resultado Mágico: La Regla de Born Aparece Naturalmente

Aquí está el "truco de magia" del artículo.

Los autores comienzan con estas cuatro reglas de decisión simples y la idea de que podrías estar incierto (mapa borroso). No comienzan con la Regla de Born. Ni siquiera comienzan con la idea de "probabilidad".

Hacen las matemáticas y, ¡puf! La Regla de Born surge como un caso especial.

• Si estás totalmente incierto: Terminas con un "conjunto" de probabilidades posibles (un rango de posibilidades). Este es el enfoque de Probabilidad Imprecisa. Es como decir: "La probabilidad está en algún lugar entre el 40% y el 60%".
• Si por casualidad conoces el estado exacto: El rango "borroso" colapsa en un solo número preciso. De repente, obtienes la Regla de Born estándar (por ejemplo: "La probabilidad es exactamente del 50%").

La Analogía: Imagina que estás tratando de adivinar la temperatura.

• Enfoque impreciso: Miras por la ventana y dices: "Probablemente está entre 60 y 70 grados".
• Enfoque preciso: Sales afuera con un termómetro y dices: "Es exactamente 65 grados".
• El Punto del Artículo: La "lectura del termómetro" (probabilidad precisa) es simplemente un caso especial, muy específico, del enfoque de "mirar por la ventana" (probabilidad imprecisa). No necesitas asumir que el termómetro existe desde el principio; emerge naturalmente cuando tienes información perfecta.

Por Qué Esto Importa

Los autores comparan su trabajo con dos científicos famosos, Deutsch y Wallace, quienes intentaron demostrar la Regla de Born utilizando la teoría de la decisión.

• Deutsch y Wallace asumieron que debes ser capaz de clasificar perfectamente cada opción individual (un "orden total"). Asumieron que siempre sabes exactamente qué prefieres.
• Los Autores dicen: "No, eso es demasiado fuerte". En la vida real, a menudo no podemos decidir entre dos cosas si no tenemos suficiente información. Al permitir la indecisión (orden parcial), su teoría es más flexible y realista.

Demuestran que aún puedes obtener las reglas cuánticas estándar (la Regla de Born) incluso si permites la indecisión. De hecho, permitir la indecisión te da una caja de herramientas más poderosa para manejar situaciones en las que simplemente no sabemos lo suficiente.

La Conexión "Heisenberg vs. Schrödinger"

El artículo también menciona una interesante simetría matemática. En la mecánica cuántica, hay dos formas de describir cómo cambia un sistema:

1. Imagen de Heisenberg: Te centras en las mediciones (las herramientas que usas).
2. Imagen de Schrödinger: Te centras en el estado (el objeto que estás midiendo).

Los autores muestran que su enfoque de "teoría de la decisión" conecta naturalmente estas dos imágenes.

• Pensar en "Mediciones Deseables" (lo que quieres hacer) es como la imagen de Heisenberg.
• Pensar en "Conjuntos de Operadores de Densidad" (la representación matemática de tu incertidumbre) es como la imagen de Schrödinger.
• Sus matemáticas prueban que estas dos formas de pensar son en realidad dos caras de la misma moneda.

Resumen

Este artículo argumenta que la mecánica cuántica no nos obliga a usar probabilidades precisas.

En cambio, sugiere que:

1. Deberíamos comenzar con decisiones (lo que preferimos hacer).
2. Deberíamos permitir la incertidumbre y la indecisión (no siempre tenemos que elegir un ganador).
3. Si hacemos esto, la famosa Regla de Born (la fórmula estándar de probabilidad cuántica) aparece naturalmente como un caso especial cuando por casualidad tenemos información perfecta.

Es una forma de decir que la "rareza" de la mecánica cuántica no se trata de probabilidades mágicas, sino de la estructura lógica de cómo tomamos decisiones cuando no conocemos toda la historia.

Resumen técnico

1. Planteamiento del Problema

El artículo aborda la cuestión fundamental de cómo modelar la incertidumbre en la mecánica cuántica (MQ). Tradicionalmente, la MQ se basa en la teoría de la probabilidad precisa (específicamente, operadores densidad y la regla de Born) para describir tanto:

1. Incertidumbre epistémica: Incertidumbre sobre en qué estado cuántico se encuentra un sistema (estados mixtos).
2. Incertidumbre cuántica intrínseca: Incertidumbre sobre los resultados de la medición incluso cuando el estado es conocido.

Los autores argumentan que el enfoque estándar impone un "orden total" sobre las preferencias, forzando a los agentes a tener probabilidades precisas para todos los resultados. Esto no deja espacio para la indecisión, la imprecisión o la información parcial. El artículo busca:

• Desacoplar la estructura matemática de la MQ de la suposición de probabilidades precisas.
• Proporcionar una fundamentación de la teoría de la decisión que permita probabilidades imprecisas (conjuntos de probabilidades) en contextos cuánticos.
• Derivar la regla de Born no como un postulado fundamental, sino como un caso especial que surge de principios más generales de la teoría de la decisión.

2. Metodología

Los autores adoptan un marco de teoría de la decisión inspirado en de Finetti y la teoría de las probabilidades imprecisas (específicamente, conjuntos coherentes de apuestas deseables), en lugar del marco de Savage utilizado por Deutsch y Wallace.

Configuración Central

• Actos: Las mediciones ($\hat{A}$) sobre un sistema cuántico se tratan como "actos" o "apuestas".
• Estados: El estado cuántico $|\Psi\rangle$ es la variable desconocida (el "estado del mundo").
• Recompensas: El resultado de una medición se mapea a una recompensa de valor real (utilidad) expresada en "utiles".
• Preferencias: El agente (Tú) expresa un orden de preferencia parcial estricto ($\triangleright$) sobre estas recompensas inciertas. Crucialmente, este orden no se requiere que sea total; el agente puede ser incapaz de comparar dos actos (incomparabilidad) o simplemente carecer de una preferencia (indecisión).

Postulados Clave

Los autores introducen cuatro postulados respecto a la función de recompensa $w_{\hat{A}}(|\psi\rangle)$, que mapea una medición $\hat{A}$ y un estado $|\psi\rangle$ a una recompensa real:

1. RF1 (Certeza de Estado Propio): Si el sistema está en un estado propio de $\hat{A}$ con valor propio $\lambda$, la recompensa es exactamente $\lambda$.
2. RF2 (Invarianza): La recompensa depende solo de los valores propios y los pesos de superposición, no de la inmersión específica en el espacio de Hilbert o del etiquetado de la base. Esto asegura la invarianza bajo transformaciones unitarias y reetiquetado.
3. RF3 (Aditividad): Para operadores que conmutan con los mismos subespacios propios, la función de recompensa es aditiva ($w_{\hat{A}+\hat{B}} = w_{\hat{A}} + w_{\hat{B}}$).
4. RF4 (Continuidad): La función de recompensa es continua con respecto al estado.

3. Contribuciones y Resultados Clave

A. Derivación de la Función de Recompensa (El Teorema Principal)

El resultado matemático central (Teorema 13) demuestra que los postulados RF1–RF4 determinan unívocamente la función de recompensa.

• Resultado: La recompensa por realizar la medición $\hat{A}$ sobre el estado $|\psi\rangle$ es necesariamente:
  $$w_{\hat{A}}(|\psi\rangle) = \langle \psi | \hat{A} | \psi \rangle$$
• Significado: Esto recupera la fórmula estándar del valor esperado en mecánica cuántica. Crucialmente, esto se deriva sin asumir la regla de Born ni la existencia de probabilidades a priori. Surge como el único "precio justo" (prevención coherente) consistente con los axiomas de la teoría de la decisión.

B. Generalización a Probabilidades Imprecisas

El artículo extiende este marco a casos donde el estado $|\Psi\rangle$ es desconocido (incertidumbre epistémica).

• Conjuntos Coherentes de Mediciones Deseables: En lugar de una única distribución de probabilidad, las creencias del agente se representan mediante un conjunto coherente de mediciones deseables ($D$). Una medición $\hat{A}$ está en $D$ si el agente la prefiere estrictamente al statu quo (recompensa cero).
• Prevenciones Inferiores Coherentes: Estos conjuntos son matemáticamente equivalentes a prevenciones inferiores coherentes ($\underline{P}$), que asignan un límite inferior al valor esperado de cualquier medición.
• Conjuntos Credales de Operadores Densidad: Los autores demuestran que cualquier prevención inferior coherente corresponde a un conjunto convexo cerrado de operadores densidad ($\mathcal{R}$).
  • La prevención inferior es el valor esperado mínimo sobre este conjunto: $\underline{P}(\hat{A}) = \min_{\rho \in \mathcal{R}} \text{Tr}(\rho \hat{A})$.
  • Recuperación de la MQ Estándar: Si el conjunto $\mathcal{R}$ colapsa a un singleton (un único operador densidad), el modelo se reduce a la mecánica cuántica estándar con probabilidades precisas.

C. Comparación con Deutsch y Wallace

El artículo contrasta su enfoque con las derivaciones de la regla de Born mediante teoría de la decisión de Deutsch y Wallace:

• Deutsch/Wallace: Asumen que el sistema está en un estado conocido y requieren un orden total de preferencias. Su objetivo es justificar las probabilidades en un contexto de Muchos Mundos (Everettiano).
• De Vos et al.: Permiten estados desconocidos y ordenamientos parciales (incomparabilidad).
  • Argumentan que el requisito de "totalidad" es una restricción innecesaria que oculta la naturaleza conservadora de la inferencia.
  • Su enfoque es más general: abarca los resultados de Deutsch/Wallace como un caso especial (cuando el estado es conocido y las preferencias son totales), pero permite modelos imprecisos cuando la información es incompleta.

D. Dualidad Heisenberg vs. Schrödinger

El marco recupera naturalmente la dualidad entre las imágenes de Heisenberg y Schrödinger:

• Imagen de Heisenberg: Representar la incertidumbre mediante conjuntos de mediciones (apuestas deseables).
• Imagen de Schrödinger: Representar la incertidumbre mediante conjuntos de operadores densidad (estados).
  El artículo muestra que estas son representaciones matemáticamente equivalentes dentro de su marco de teoría de la decisión.

4. Significado e Implicaciones

1. Las probabilidades son derivadas: El artículo argumenta que las probabilidades (y los operadores densidad) no son fundamentales para la mecánica cuántica, sino herramientas derivadas que emergen de una estructura de teoría de la decisión más fundamental que involucra preferencias y recompensas.
2. Manejo de información parcial: Al permitir probabilidades imprecisas (conjuntos de operadores densidad), el marco proporciona una manera rigurosa de manejar situaciones en las que un agente tiene información limitada sobre un sistema cuántico, sin forzar probabilidades precisas arbitrarias.
3. Inferencia conservadora: El enfoque utiliza inferencia conservadora (cierre deductivo). Si un agente solo sabe que una medición es "deseable", el marco le permite inferir el conjunto mínimo de otras mediciones que también deben ser deseables, sin comprometerse en exceso con probabilidades específicas.
4. Utilidad computacional: Los autores sugieren que los modelos imprecisos pueden ser computacionalmente ventajosos. En sistemas complejos, calcular expectativas exactas podría ser intratable; calcular límites conservadores (prevenciones inferiores/superiores) mediante conjuntos de operadores densidad puede hacer viable la inferencia (por ejemplo, mediante técnicas de "agrupamiento").
5. Cambio fundamental: Ofrece un camino para justificar la mecánica cuántica sin depender del "problema de la medición" o de interpretaciones específicas (como Muchos Mundos) para derivar probabilidades. En su lugar, fundamenta la regla de Born en la racionalidad de un agente que trata con recompensas inciertas.

Conclusión

El artículo construye exitosamente una fundamentación de la teoría de la decisión para la mecánica cuántica que generaliza el formalismo estándar. Demuestra que la regla de Born es un caso especial de una teoría más amplia de probabilidades imprecisas aplicada a mediciones cuánticas. Al tratar las mediciones como actos con recompensas inciertas y permitir ordenamientos parciales de preferencias, los autores proporcionan un marco robusto para razonar sobre la incertidumbre cuántica que es tanto matemáticamente riguroso como filosóficamente distinto de las derivaciones anteriores de la teoría de la decisión.