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

Cet article clarifie la distinction conceptuelle entre les trajectoires de probabilités et les probabilités sur les trajectoires en établissant un cadre systématique pour leur relation, en démêlant les notions de linéarité, de divisibilité et de markovianité, et en éclairant les correspondances stochastiques et quantiques.

L'essentiel

🎲 L'Histoire de la Pièce de Monnaie et du Destin

Imaginez que vous jouez à un jeu de pile ou face, mais avec une pièce de monnaie très spéciale. Cette pièce a un secret : son poids interne change à chaque lancer, ce qui modifie ses chances de tomber sur "Pile" ou "Face".

Les physiciens et les philosophes se battent depuis longtemps pour décrire comment évoluent ces chances dans le temps. Ce papier, écrit par Győző Egri et ses collègues, dit : "Stop ! On confond deux choses totalement différentes."

Voici les deux façons de raconter l'histoire de cette pièce, et pourquoi la confusion est dangereuse.

1. Les Deux Façons de Raconter l'Histoire

Façon A : La "Trajectoire des Probabilités" (Le Scénario)
Imaginez que vous avez un scénario écrit à l'avance.

• À 10h00, la pièce a 30% de chances d'être Pile.
• À 10h01, elle a 60% de chances d'être Pile.
• À 10h02, elle a 40% de chances d'être Pile.

C'est une liste de prévisions. C'est comme regarder la météo : "Demain, il y a 20% de pluie". Cela ne vous dit rien sur comment la pluie est arrivée, ni si la pluie de demain dépend de celle d'aujourd'hui. C'est juste une suite de chiffres.

Façon B : La "Probabilité sur les Trajectoires" (L'Histoire Complète)
Maintenant, imaginez que vous filmez tous les univers possibles où cette pièce est lancée.

• Dans l'univers 1, elle tombe Pile, Pile, Pile.
• Dans l'univers 2, elle tombe Pile, Face, Pile.
• Dans l'univers 3, elle tombe Face, Face, Face...

La "Probabilité sur les trajectoires" consiste à attribuer un poids à chaque histoire complète. C'est comme avoir un livre contenant toutes les histoires possibles de la pièce, avec une étiquette indiquant la probabilité de chaque histoire.

Le Problème :
Les auteurs disent que beaucoup de gens mélangent ces deux livres. Ils prennent la "Façon A" (la liste de prévisions) et pensent qu'elle contient automatiquement les règles de la "Façon B" (les histoires complètes). C'est une erreur !

2. Le Piège de la "Ligne Droite" (La Linéarité)

En physique classique, on a souvent cru que les probabilités évoluent toujours de manière "linéaire".

• L'idée fausse : Si je mélange deux scénarios (50% de chance d'avoir le scénario A + 50% de chance d'avoir le scénario B), le résultat futur doit être simplement la moyenne des deux résultats futurs. C'est comme mélanger deux couleurs de peinture : le résultat est une couleur intermédiaire.
• La réalité du papier : Ce n'est vrai que si vous parlez d'un groupe de pièces (un ensemble statistique). Si vous avez 100 pièces, dont 50 sont biaisées vers Pile et 50 vers Face, le mélange évolue de façon linéaire.
• Mais pour une seule pièce ? Si la pièce elle-même change de nature (comme notre pièce magique dont le poids bouge), la règle de la "mélange" ne s'applique pas. La probabilité peut faire des bonds bizarres, non linéaires.

L'analogie du Voyageur :

• Linéaire (Statistique) : C'est comme un groupe de touristes. Si la moitié va à Paris et l'autre moitié à Rome, le groupe moyen est "entre les deux".
• Non-linéaire (Individuel) : C'est comme un seul touriste qui décide soudainement de changer de destination parce qu'il a vu une affiche. Sa décision ne dépend pas d'une moyenne, mais d'un mécanisme interne complexe.

3. Le Cas Spécial : La Mécanique Quantique (Le Monde des Fantômes)

C'est ici que ça devient fascinant. La mécanique quantique (le monde des atomes et des particules) ressemble-t-elle à notre pièce classique ?

• L'illusion : Beaucoup pensent que les probabilités quantiques sont comme celles d'un groupe de pièces classiques (linéaires).
• La révélation du papier : Non ! Les probabilités quantiques sont non-linéaires et bizarres.
  • Pourquoi ? À cause de l'interférence. Imaginez deux vagues dans une piscine. Si elles se croisent, elles peuvent s'annuler (devenir plates) ou s'amplifier. C'est ce qui arrive aux probabilités quantiques.
  • Dans le monde classique, les probabilités s'additionnent (50% + 50% = 100%). Dans le monde quantique, elles peuvent se soustraire à cause de cette "vague" cachée.

Le papier montre que si vous essayez de décrire la mécanique quantique comme un simple jeu de dés ou de pièces (un processus stochastique classique), vous ratez l'essentiel : l'interférence. Vous ne pouvez pas "diviser" l'évolution quantique en étapes simples comme on le ferait pour une voiture qui roule.

4. Les 10 Leçons à Retenir (Résumées simplement)

1. Ne confondez pas la carte et le territoire : La liste des probabilités (la carte) n'est pas l'histoire complète (le territoire).
2. L'histoire unique n'est pas unique : Une même liste de prévisions peut être réalisée par des histoires très différentes.
3. Pas de mémoire ? On ne peut pas dire si un système a de la "mémoire" (Markovien) juste en regardant la liste des probabilités. Il faut regarder les histoires complètes.
4. Le mélange trompeur : Le fait que les probabilités d'un groupe soient linéaires ne signifie pas que celles d'un individu le sont.
5. Les matrices de transition : Les formules mathématiques qu'on utilise pour prédire le futur ne sont pas toujours les mêmes que celles qui décrivent les chances réelles d'un événement.
6. Divisibilité vs Décomposabilité : On peut souvent couper une évolution en étapes (décomposable), mais pas toujours en étapes "propres" et indépendantes (divisible). C'est comme couper un gâteau : on peut le couper, mais les morceaux ne sont pas toujours identiques.
7. Le monde quantique est spécial : On ne peut pas simplement "mélanger" des états quantiques comme on mélange des couleurs. L'interférence brise les règles classiques.
8. Attention aux mathématiques : Juste parce qu'une équation semble linéaire ne veut pas dire qu'elle l'est physiquement.
9. L'interprétation compte : La linéarité n'est vraie que si l'on parle de fréquences dans un grand groupe (statistique). Pour un système unique, ce n'est pas garanti.
10. La leçon finale : La mécanique quantique résiste à être réduite à un simple jeu de hasard classique. Elle a sa propre logique, faite d'ondes et d'interférences, que les modèles classiques ne peuvent pas capturer sans tricher.

En résumé

Ce papier est un avertissement contre la simplicité excessive. Il nous dit : "Arrêtez de traiter les probabilités quantiques comme de simples jeux de dés classiques."

Il faut distinguer ce qui arrive à un groupe de systèmes (qui suit des règles simples et linéaires) de ce qui arrive à un système unique (qui peut suivre des règles complexes, non linéaires et interférentes). En mécanique quantique, le "fantôme" de l'interférence rend le monde beaucoup plus riche et moins prévisible que nos intuitions classiques ne le laissent penser.

Résumé technique

1. Problématique et Contexte

L'article adresse une confusion conceptuelle fondamentale dans la littérature récente sur la physique statistique et les fondements de la mécanique quantique. Cette confusion réside dans la distinction insuffisante entre deux descriptions probabilistes de l'évolution temporelle d'un système physique :

1. Une trajectoire de probabilités (Trajectory of Probabilities) : Une description déterministe de l'évolution d'un vecteur de probabilité $\vec{p}(t)$ au cours du temps.
2. Une probabilité sur les trajectoires (Probability on Trajectories) : Une mesure de probabilité $\mu$ définie sur l'espace des histoires possibles (trajectoires de configurations) du système, caractérisant un processus stochastique.

Les auteurs identifient que de nombreuses tentatives récentes (notamment celles de Barandes, Gillespie, Vacchini, Rivas, Breuer, etc.) pour établir une correspondance entre les dynamiques stochastiques classiques et la mécanique quantique échouent en raison de l'assimilation erronée de ces deux niveaux de description. Cela conduit à des arguments fallacieux concernant la linéarité de l'évolution des probabilités, la notion de divisibilité et la nature de l'interférence quantique.

2. Méthodologie

Les auteurs adoptent une approche rigoureuse basée sur la théorie des probabilités et la théorie des processus stochastiques, en introduisant des définitions formelles précises pour distinguer les concepts :

• Définitions formelles :

  • Dynamique de probabilité ($P$) : Une application $P: T \times S_N \to S_N$ qui décrit l'évolution d'un vecteur de probabilité initial $\vec{p}_0$ vers $\vec{p}(t)$.
  • Famille de processus stochastiques ($\mathcal{M}$) : Une application qui associe à chaque condition initiale $\vec{p}_0$ une mesure de probabilité $\mu_{\vec{p}_0}$ sur l'espace des trajectoires $\Omega$.
  • Implémentation : Un processus stochastique $\mu$ « implémente » une trajectoire de probabilités $\vec{p}(t)$ si les marginales unidimensionnelles de $\mu$ correspondent à $\vec{p}(t)$. Une famille $\mathcal{M}$ implémente une dynamique $P$ si chaque $\mu_{\vec{p}_0}$ implémente la solution de $P$ partant de $\vec{p}_0$.

• Analyse des propriétés :

  • Distinction entre les matrices de transition conditionnelles d'un processus stochastique ($M(t \leftarrow t')$) et les matrices représentant une dynamique linéaire ($P(t)$).
  • Introduction et distinction entre décomposabilité (pour les dynamiques de probabilité) et divisibilité (pour les matrices stochastiques).
  • Étude de la Markovianité (propriété du processus) par rapport à la linéarité (propriété de la dynamique).

• Exemples et Contre-exemples : Construction de modèles mathématiques (lancers de pièces, systèmes système-ancilla) pour démontrer la non-unicité des implémentations et la divergence entre les concepts intuitifs et leurs formalisations mathématiques.

3. Contributions Clés et Résultats Principaux

A. Distinction Conceptuelle et Non-unicité de l'Implémentation

• Observation 1 & 4 : L'implémentation d'une trajectoire de probabilités par un processus stochastique n'est pas unique. Une seule trajectoire $\vec{p}(t)$ peut être générée par une infinité de processus stochastiques différents (Markoviens ou non-Markoviens).
• Observation 2 & 3 : Une trajectoire de probabilités ne contient aucune information sur les probabilités conjointes d'événements à différents instants ni sur la propriété de Markov. Ces informations résident uniquement dans le processus stochastique sous-jacent.

B. La Linéarité et le Piège de la Loi des Probabilités Totales

• Observation 5 : L'argument courant selon lequel la loi des probabilités totales implique la linéarité de la dynamique est faux.
  • Pour un processus stochastique donné, on a $\vec{\mu}(t) = M(t) \vec{\mu}(0)$. Cependant, la matrice $M(t)$ dépend généralement de la condition initiale $\vec{p}_0$ (via les probabilités conditionnelles).
  • La linéarité de la dynamique $P$ (c'est-à-dire $P(t, \lambda \vec{p}_1 + (1-\lambda)\vec{p}_2) = \lambda P(t, \vec{p}_1) + (1-\lambda)P(t, \vec{p}_2)$) n'est pas garantie par la loi des probabilités totales appliquée à un processus individuel.
• Matrices de Transition : Les auteurs distinguent les matrices $P(t)$ (qui décrivent la dynamique linéaire) des matrices de probabilités conditionnelles $M_{\vec{p}_0}(t)$. Même si $P$ est linéaire, $M_{\vec{p}_0}(t)$ peut dépendre de $\vec{p}_0$, sauf dans le cas spécial d'une famille de processus « à transition constante » (transition-constant).

C. Décomposabilité vs Divisibilité

• Décomposabilité (Définition 8) : Une dynamique $P$ est décomposable si l'évolution de $t'$ à $t$ ne dépend que de l'état à $t'$ (pas d'histoire antérieure). C'est une propriété de la dynamique elle-même.
• Divisibilité (Définition 10) : Une dynamique linéaire est divisible si elle peut être écrite comme le produit de matrices stochastiques $P(t) = P(t \leftarrow t') P(t')$.
• Résultat Majeur : La divisibilité est une condition plus forte que la décomposabilité. Il existe des dynamiques linéaires qui sont décomposables mais non divisibles (Exemple 2). La divisibilité exige que les applications de décomposition puissent être étendues à l'ensemble du simplexe de probabilités, ce qui n'est pas toujours possible.
• Indépendance de la Markovianité : La propriété d'être décomposable (ou divisible) pour une dynamique n'implique pas que les processus stochastiques l'implémentant soient Markoviens, et vice-versa (Proposition 9).

D. Dynamiques Statistiques et Linéarité Physique

• Les auteurs montrent que la linéarité de la dynamique de probabilité n'est pas une vérité mathématique universelle, mais découle d'hypothèses physiques spécifiques : l'interprétation des probabilités comme fréquences d'ensembles de systèmes indépendants (mélange statistique).
• Trois types de dynamiques statistiques sont identifiés (déterministe, système-ancilla, stochastique) qui garantissent la linéarité. Cependant, la mécanique quantique ne satisfait pas ces conditions d'interprétation statistique (théorèmes de Bell, Kochen-Specker).

E. Correspondance Stochastique-Quantique

• Non-linéarité Quantique : L'évolution des probabilités de Born (issues de l'équation de Schrödinger) est généralement non-linéaire par rapport aux vecteurs de probabilité initiaux, en raison des termes d'interférence (Exemple 4 et Section 7.1).
• Critique de Barandes [2025] : L'article réfute l'argument de Barandes selon lequel l'interférence quantique est simplement le signe d'une dynamique stochastique « indivisible ».
  • Les auteurs montrent que l'évolution quantique est décomposable (l'état à $t'$ détermine l'évolution future), mais non-linéaire.
  • La notion de « divisibilité » (au sens des matrices stochastiques) est inapplicable à la mécanique quantique car elle présuppose la linéarité.
  • L'interférence est la cause de la non-linéarité, et non une conséquence de l'indivisibilité d'un processus stochastique sous-jacent.
• Complétion Tomographique : Si l'on considère un vecteur contenant les statistiques d'un ensemble d'observables tomographiquement complets (et non pas une seule observable), l'évolution devient linéaire (préservation des combinaisons convexes). Cependant, ce vecteur n'est pas une distribution de probabilité sur un espace de configurations unique, ce qui invalide l'interprétation comme une dynamique de probabilité classique standard.

4. Signification et Implications

1. Clarification Fondamentale : L'article établit une séparation rigoureuse entre la dynamique des probabilités (niveau macroscopique/ensemble) et les processus stochastiques (niveau microscopique/trajectoires). Cette séparation est essentielle pour éviter des erreurs catégorielles dans la modélisation physique.
2. Réfutation de la Linéarité A Priori : Il démontre qu'il n'existe aucune raison purement mathématique d'assumer la linéarité de l'évolution des probabilités. La linéarité est une propriété physique spécifique aux ensembles statistiques, pas une loi générale des probabilités.
3. Limites des Correspondances Stochastiques-Quantiques : L'article met en lumière les limites des tentatives de reconstruire la mécanique quantique à partir de principes stochastiques classiques. La non-linéarité intrinsèque de l'évolution des probabilités de Born et la nature de l'interférence quantique résistent à une modélisation par des processus stochastiques classiques divisibles ou non-divisibles.
4. Nouvelles Définitions : L'introduction de la décomposabilité comme notion correcte pour l'évolution par étapes (par opposition à la divisibilité) offre un cadre plus robuste pour analyser les dynamiques non-linéaires et les systèmes ouverts.

En conclusion, ce papier fournit un cadre mathématique rigoureux pour dissiper les ambiguïtés conceptuelles entourant la correspondance stochastique-quantique, soulignant que la mécanique quantique opère selon des règles probabilistes qui ne peuvent être réduites à une simple généralisation des processus stochastiques classiques sans perdre ses caractéristiques essentielles (superposition, interférence, non-linéarité des probabilités de Born).