Contextual advantage implies limited distinguishability in any physical theory

Resumen Técnico: La ventaja contextual implica una distinguibilidad limitada en cualquier teoría física

Planteamiento del problema
Una cuestión central en la teoría de la información cuántica es determinar si un conjunto específico de estados puede proporcionar una ventaja en tareas de procesamiento de información. Dos de estas cuestiones fundamentales son: (1) ¿Qué tan bien se pueden discriminar un conjunto de estados (Discriminación de Estados, SD, por sus siglas en inglés)? y (2) ¿Puede un conjunto de estados potenciar tareas donde la ventaja proviene de la contextualidad generalizada? Si bien se sabe que la discriminación perfecta requiere independencia lineal, la relación entre el grado de distinguibilidad y la capacidad de ventaja no clásica (contextual) en teorías físicas generales ha sido menos explorada. Específicamente, no está claro si la distinguibilidad imperfecta es simplemente una condición necesaria para la contextualidad o si existen umbrales cuantitativos estrictos por debajo de los cuales la contextualidad es imposible.

Metodología
Los autores trabajan dentro del marco de las Teorías Probabilísticas Generalizadas (GPT, por sus siglas en inglés), un formalismo que abarca las teorías cuánticas y clásicas como casos especiales, permitiendo al mismo tiempo clases más amplias de modelos físicos hipotéticos. El estudio se centra en escenarios de preparación y medición, donde los sistemas son preparados mediante procedimientos $P$ y medidos mediante procedimientos $M$, produciendo estadísticas $p(k|M, P)$.

La metodología procede en dos etapas principales:

1. Análisis geométrico de la discriminación de estados: Los autores analizan el rendimiento de un conjunto finito de estados $\{s_k\}$ en tareas de discriminación de estados de error mínimo con probabilidades a priori $\{p_k\}$. Utilizan la geometría convexa del espacio de estados $\bar{\Omega}$, centrándose específicamente en la propiedad de dependencia lineal. Establecen que, si un conjunto de estados es linealmente dependiente, el estado promedio $\bar{s} = \sum p_k s_k$ admite múltiples descomposiciones linealmente independientes.
2. Conexión con la contextualidad generalizada: Los autores vinculan las propiedades geométricas del conjunto de estados con la no contextualidad generalizada. Utilizan la definición de que un sistema es no contextual si los procedimientos operativamente equivalentes admiten representaciones idénticas en un modelo ontológico. Demuestran que los conjuntos de estados linealmente independientes siempre admiten una explicación no contextual, mientras que la contextualidad requiere dependencia lineal.

Contribuciones clave y resultados

1. Límites superiores universales en la discriminación de estados (Teorema 1 y Corolario 1)
El artículo establece que la dependencia lineal impone límites superiores estrictos y no triviales en la probabilidad de éxito ($P_{guess}$) de cualquier tarea de discriminación de estados utilizando el conjunto completo de estados.

• Teorema 1: Para un conjunto de estados linealmente dependientes $\{s_k\}$ y cualquier tarea de SD con prioris $\{p_k\}$, la probabilidad de acierto óptima está acotada por:
  $$P_{guess} \leq 1 - P_{\{q_k\}}$$
  donde $P_{\{q_k\}}$ depende de la probabilidad mínima $p_{min}$ y la distancia de variación total entre la distribución a priori $\{p_k\}$ y cualquier descomposición linealmente independiente $\{q_k\}$ del estado promedio $\bar{s}$.
• Corolario 1: Esto produce una restricción universal: $P_{guess} \leq 1 - \frac{1}{2}p_{min}$.
• Invariancia (Corolario 2): Estos límites son invariantes bajo mapas lineales inyectivos. Esto significa que los límites se aplican a clases de equivalencia de conjuntos de estados a través de diferentes GPT, siempre que se preserven las relaciones geométricas (dependencia/independencia lineal). Los límites dependen solo de la distribución a priori y la geometría convexa de los estados, no de la teoría específica (cuántica, clásica o hipotética).

2. El compromiso entre contextualidad y distinguibilidad (Teorema 2)
El segundo resultado principal del artículo conecta los límites de la SD con la capacidad de ventaja contextual.

• Teorema 2: Si un conjunto de estados $\{s_k\}$ proporciona una ventaja no clásica en una tarea impulsada por la contextualidad, debe ser linealmente dependiente. En consecuencia, para cualquier tarea de SD utilizando el conjunto completo $\{s_k\}$, la probabilidad de éxito debe obedecer los límites derivados en el Teorema 1.
• Contrapositiva: Si un conjunto de estados permite una probabilidad de éxito de discriminación que viola estos límites (es decir, es "demasiado alta"), ese conjunto no puede proporcionar una ventaja en ninguna tarea impulsada por la contextualidad. Cualquier experimento de preparación y medición que utilice tal conjunto admite un modelo ontológico no contextual.

3. Aplicación a la multiplexación generalizada de paridad-oblicua (Ejemplo 1 y Corolario 3)
Los autores aplican estos resultados a tareas de multiplexación de paridad-oblicua generalizada (gOM).

• Muestran que cualquier codificación que satisfaga las restricciones de oblicuidad es necesariamente linealmente dependiente.
• Corolario 3: Si la probabilidad de éxito global en una tarea de gOM es "demasiado alta" (específicamente, si excede $1 - \frac{1}{2d}$), esto implica que, aunque el conjunto completo pueda ser no clásico, al menos un subconjunto de la base de códigos (correspondiente a una consulta específica) es lo suficientemente distinguible como para ser explicable clásicamente. Esto revela un compromiso donde una alta eficacia global fuerza la classicalidad local en los subconjuntos.

Significado y afirmaciones
El artículo afirma establecer una limitación universal sobre qué conjuntos de estados pueden potenciar la ventaja contextual. El significado reside en los siguientes puntos:

• Más allá de los límites idealizados: Los resultados van más allá del hecho conocido de que la discriminación perfecta implica independencia lineal. Los autores muestran que incluso la distinguibilidad imperfecta, si excede ciertos umbrales geométricos, excluye la contextualidad.
• Independencia de la teoría: Los límites se mantienen para cualquier GPT, no solo para la mecánica cuántica. Esto clarifica los principios operacionales que restringen las teorías físicas y distingue la teoría cuántica de clases más amplias de modelos.
• Compromiso operacional: El trabajo expone un compromiso fundamental entre dos recursos operacionales: distinguibilidad y contextualidad. Un conjunto de estados no puede ser simultáneamente "demasiado distinguible" (violando los límites derivados) y "contextualmente poderoso".
• Utilidad práctica: Los límites proporcionan una prueba de viabilidad para conjuntos de estados en tareas de discriminación sin requerir la resolución de problemas de optimización complejos (como la programación semidefinida). Permiten a los investigadores descartar candidatos a conjuntos de estados que son demasiado distinguibles para soportar la contextualidad o demasiado dependientes para soportar una discriminación de alta fidelidad.

Los autores enfatizan que estos resultados se derivan de propiedades geométricas simples (dependencia lineal) y no dependen de características cuánticas específicas, ofreciendo así una perspectiva robusta e independiente de la teoría sobre la relación entre la no classicalidad y el procesamiento de información.