The Distribution Postulate in Algorithmic Bohmian Mechanics

Cet article propose de formuler le postulat de distribution dans la mécanique de Bohm comme une loi de contrainte objective en utilisant la randomité algorithmique, garantissant ainsi les statistiques de Born standard pour les expériences quantiques canoniques et clarifiant la nature des probabilités quantiques au sein d'un cadre déterministe.

L'essentiel

Imaginez l'univers comme une danse géante, parfaitement chorégraphiée. Dans une théorie appelée la mécanique de Bohm, chaque particule possède une position spécifique et suit un chemin précis, tout comme un danseur dans une pièce de théâtre. Il n'y a pas d'aléatoire dans la danse elle-même ; si vous connaissiez exactement où chaque danseur a commencé et comment la musique (la « fonction d'onde ») se déplace, vous pourriez prédire chaque pas qu'ils feront jamais.

Mais voici le problème : nous ne savons pas où les danseurs ont commencé. Pour que cette théorie corresponde à ce que nous observons dans le monde réel (comme la fréquence à laquelle une pièce tombe sur pile ou face), les physiciens doivent supposer une règle spéciale au tout début du temps. Cette règle est appelée le Postulat de la distribution.

Traditionnellement, cette règle est un peu vague. C'est comme dire : « Dieu a lancé un dé magique pour décider où les danseurs commençaient, et le dé était chargé de sorte que les résultats correspondent à la célèbre « règle de Born » de la physique quantique. » Mais que signifie réellement « Dieu lançant un dé » ? S'agit-il d'une véritable loi physique, ou simplement d'une supposition ?

Cet article propose une nouvelle façon plus précise de comprendre cette règle de départ en utilisant une branche des mathématiques appelée aléatoire algorithmique. Voici la décomposition de leur idée :

1. Le problème de l'« aléatoire »

Dans notre vie quotidienne, nous pensons qu'une séquence aléatoire (comme une série de lancers de pièces) est une séquence où l'on ne peut pas trouver de motif. Si vous voyez Pile, Pile, Pile, Pile... un million de fois, ce n'est pas aléatoire. Si vous voyez un mélange qui semble désordonné et imprévisible, c'est aléatoire.

Mais en mathématiques, le terme « aléatoire » est complexe. Une séquence peut paraître aléatoire mais posséder un motif caché qu'un superordinateur pourrait finir par trouver. Les auteurs veulent une définition de l'aléatoire qui soit objective et incassable. Ils utilisent un concept appelé aléatoire de Martin-Löf.

Voyez l'aléatoire de Martin-Löf comme un « étalon-or » du chaos. Une séquence est aléatoire au sens de Martin-Löf si elle réussit tous les tests de motifs qu'un ordinateur pourrait jamais exécuter. Ce n'est pas seulement « avoir l'air désordonné » ; c'est être mathématiquement impossible à compresser ou à prédire. C'est la définition ultime de l'absence de motif.

2. La nouvelle règle : Le postulat de distribution algorithmique

Les auteurs suggèrent de remplacer l'idée vague de « Dieu lançant un dé » par une loi mathématique stricte :

L'état initial de l'univers est Martin-Löf aléatoire.

Au lieu de dire « les particules sont placées avec une probabilité de 50/50 », ils disent : « La position de départ de chaque particule est un point qui semble totalement aléatoire pour tout algorithme informatique, par rapport à la fonction d'onde quantique. »

L'analogie :
Imaginez une carte géante et brumeuse d'une ville (l'espace de configuration). Le brouillard est plus épais dans certaines zones et plus fin dans d'autres (cela représente la fonction d'onde quantique, $|\psi|^2$).

• Vue ancienne : Nous disons : « Choisissez un point dans le brouillard, mais assurez-vous de le choisir selon l'épaisseur du brouillard. »
• Nouvelle vue (aBM) : Nous disons : « Choisissez un point qui est algorithmiquement aléatoire par rapport au brouillard. » Cela signifie que le point que vous avez choisi ne suit aucun motif caché et calculable. C'est un point qu'un ordinateur ne pourrait jamais avoir deviné ou décrit à l'avance, même s'il correspond à la forme générale du brouillard.

3. Pourquoi cela importe : Certitude vs Probabilité

Dans la mécanique quantique standard, nous disons généralement : « Il y a une probabilité de 50 % que vous voyiez un résultat "Pile". » C'est une supposition.

Dans ce nouveau cadre (Mécanique de Bohm Algorithmique ou aBM), le résultat est beaucoup plus fort. Parce que le point de départ est garanti d'être Martin-Löf aléatoire, les auteurs prouvent que :

• Si vous menez une longue série d'expériences (comme mesurer le spin d'électrons), les résultats ne feront pas seulement probablement correspondre à la règle du 50/50.
• Ils correspondront certainement à la règle du 50/50 sur le long terme.

C'est la différence entre dire : « Je parie que vous aurez pile la moitié du temps », et dire : « La mathématique garantit que si vous lancez la pièce suffisamment de fois, le motif de pile et de face sera parfaitement, objectivement aléatoire. »

4. Le bémol du « calculable »

L'article ajoute une condition importante : cette garantie fonctionne pour les mesures qui sont calculables.

• Analogie : Imaginez une machine qui mesure les danseurs. Si les instructions de la machine sont quelque chose qu'un ordinateur pourrait écrire (une mesure « calculable »), alors les résultats seront parfaitement aléatoires et suivront les règles standards.
• Les auteurs montrent que pour toute expérience quantique standard que nous pouvons réellement construire (qui sont toutes calculables), cette nouvelle règle fonctionne parfaitement.

5. Qu'en est-il de « Dieu » et du « Hasard » ?

L'article soutient que nous n'avons pas besoin d'imaginer une divinité lançant des dés. Au lieu de cela, le « hasard » que nous voyons est en fait une réflexion de la complexité de l'état initial.

• L'univers a commencé dans un état si complexe et sans motif (Martin-Löf aléatoire) qu'il semble avoir été déterminé par le hasard.
• Cela transforme le « Postulat de la distribution » d'une suggestion vague en une loi dure et objective de la nature : « L'univers a commencé dans un état qui réussit tous les tests de l'aléatoire. »

Résumé

Les auteurs ont pris une règle floue en physique quantique (« les particules commencent dans un endroit aléatoire ») et l'ont affinée en une définition mathématique précise (« les particules commencent dans un endroit algorithmiquement aléatoire »).

En faisant cela, ils montrent que si l'univers a commencé ainsi, les résultats de nos expériences sont garantis de suivre les règles standards de la mécanique quantique. Cela remplace la « probabilité » (une supposition sur ce qui pourrait arriver) par la « typicalité » (une garantie que ce qui arrive est le résultat mathématiquement le plus normal pour un départ aléatoire).

En bref : L'univers ne lance pas de dés ; il a commencé avec une ligne de départ si parfaitement chaotique que les résultats doivent ressembler à un jeu équitable.

Résumé technique

Résumé technique : Le postulat de distribution dans la mécanique de Bohm algorithmique

Énoncé du problème
La mécanique de Bohm (MB) est une théorie déterministe qui reproduit les prédictions empiriques de la mécanique quantique standard concernant les positions des particules. Cependant, pour générer les probabilités prospectives correctes (la règle de Born), la MB nécessite une condition de bord statistique spéciale connue sous le nom de postulat de distribution : à un instant initial $t_0$, la densité de probabilité pour la configuration $Q$ doit être $\rho(Q, t_0) = |\psi(Q, t_0)|^2$.

Le problème central abordé par Barrett, Chen et Lopez-Wild est le statut ontologique et épistémologique de ce postulat. Dans la MB standard, la distribution est souvent traitée comme une probabilité épistémique reflétant l'ignorance, ou comme une loi physique objective stipulant un « procédure véritablement probabiliste » (par exemple, un générateur de nombres aléatoires divin) pour fixer les conditions initiales. Les auteurs soutiennent que la nature de ce « hasard objectif » reste floue. Plus précisément, il est ambigu de formuler le postulat comme une loi de contrainte précise et objective qui garantit les statistiques de Born sans recourir à des notions vagues de « typicalité » ou à des processus stochastiques inexpliqués.

Méthodologie
Les auteurs proposent la mécanique de Bohm algorithmique (aBM), une reformulation de la MB qui utilise la théorie de la randomité algorithmique, plus précisément la randomité de Martin-Löf (ML), pour définir le postulat de distribution.

1. Cadre de la randomité algorithmique : L'article adopte la définition de la randomité ML, où une séquence (ou un point) est considérée comme aléatoire si elle passe tous les tests statistiques effectifs (tests de Martin-Löf) relatifs à une mesure donnée. Une séquence est ML-aléatoire si elle n'est pas contenue dans tout ensemble de mesure nulle effectivement descriptible (un ensemble défini par une séquence calculable d'ensembles ouverts).
2. Espaces de probabilité calculables : Les auteurs étendent la randomité ML des séquences binaires à l'espace de configuration des systèmes quantiques. Ils utilisent le cadre des espaces de Polish calculables et des mesures de probabilité calculables. La mesure de Born $\mu_\psi$ (induite par la fonction d'onde $|\psi|^2$) est traitée comme une mesure calculable sur l'espace de configuration $X$.
3. Calculabilité par couches (Layerwise computability) : Pour gérer la dynamique de la mesure, les auteurs introduisent des fonctions calculables par couches. Une fonction est calculable par couches si elle est calculable sur chaque « couche » de points ML-aléatoires (définis par leur « déficit de randomité »). Cela permet aux auteurs de représenter les séquences de mesures comme des applications calculables qui préservent les propriétés de randomité.
4. Le postulat de distribution algorithmique : Au lieu de postuler un processus stochastique, les auteurs définissent la condition initiale comme une contrainte objective : la configuration initiale réelle $x_0$ doit être un élément de l'ensemble des points ML-aléatoires par rapport à la mesure de Born $\mu_\psi$ (noté $MLR_{\mu_\psi}$).

Contributions clés et résultats

• Formulation du postulat de distribution : L'article fournit une définition précise et objective du postulat de distribution : La configuration initiale réelle $x_0$ est Martin-Löf-aléatoire par rapport à la mesure de Born $\mu_\psi$. Cela remplace la notion vague de « typicalité » par une condition mathématique nette : $x_0$ se situe en dehors de tout ensemble de mesure $\mu_\psi$-nulle effectivement descriptible.
• Préservation de la randomité : Les auteurs prouvent que si la configuration initiale est ML-aléatoire par rapport à $\mu_\psi$, alors la séquence des résultats de mesure générée par une séquence de mesures calculable par couches est ML-aléatoire par rapport à la mesure de poussée (push-forward measure).
  • Théorème 2 : Si $x$ est $\mu_\psi$-ML-aléatoire et que $\{f_n\}$ est une séquence de mesures uniformément calculable, la séquence de résultats $(f_1(x), f_2(x), \dots)$ est ML-aléatoire par rapport à la mesure jointe induite $\mu_\omega$.
• Garantie des statistiques de Born : Contrairement à la MB standard, qui ne prédit généralement les statistiques de Born qu'avec une probabilité de 1 (permettant des trajectoires non typiques dans l'ensemble de mesure zéro), l'aBM garantit les statistiques de Born pour toutes les expériences calculables par couches.
  • Corollaire 1 & 2 : Pour des systèmes préparés de manière identique ou des mesures répétées sur un même système (par exemple, l'alternance de spins x et y), les fréquences relatives limites des résultats sont exactement les probabilités de Born (par exemple, 1/2 pour spin haut/bas) avec certitude, et non seulement avec une haute probabilité. Les séquences de résultats sont ML-aléatoires, satisfaisant la loi des grands nombres par définition.
• Résolution des problèmes de système unique : Les auteurs abordent une lacune des constructions « jouets » antérieures où des conditions initiales déterminées par une seule séquence aléatoire pouvaient échouer à produire les statistiques correctes pour différents observables sur un même système. En restreignant les mesures à des fonctions calculables par couches, l'aBM garantit que la randomité de la configuration initiale est préservée à travers différents types de mesures (par exemple, l'alternance de directions de spin), produisant des statistiques correctes pour toute sous-séquence calculable.

Signification et revendications
L'article affirme que l'aBM offre une compréhension plus claire des probabilités quantiques dans une théorie déterministe en les fondant sur des contraintes algorithmiques objectives plutôt que sur l'ignorance épistémique ou des lois stochastiques inexpliquées.

• Hasard objectif : Le postulat de distribution est réinterprété comme une loi objective de la nature qui stipule que la configuration initiale ne présente aucune régularité effectivement descriptible par rapport à la mesure quantique.
• Prédictions plus fortes : Les auteurs notent que l'aBM fait des prédictions statistiques (des garanties de ML-randomité) plutôt que de simples prédictions probabilistes. Alors que la MB standard prédit les statistiques de Born avec une probabilité de 1, l'aBM les garantit pour le monde réel (en supposant que la configuration initiale soit ML-aléatoire).
• Connexion épistémique : L'article soutient que si les croyances d'un agent sont échangeables (l'ordre des mesures n'importe pas) et qu'il accepte l'aBM, le théorème de représentation de de Finetti le contraint à attribuer les croyances de Born classiques aux résultats de mesures uniques. Ainsi, l'aBM récupère les prédictions probabilistes quantiques standards pour les agents ayant des croyances échangeables.

Les auteurs concluent que cette approche constitue un exemple concret de la manière dont la randomité algorithmique peut aider à spécifier le contenu des lois physiques, en remplaçant les appels informels à la typicalité par des contraintes objectives mathématiquement précises. Ils reconnaissent que des travaux supplémentaires sont nécessaires pour analyser la préservation de la ML-randomité par rapport aux mesures conditionnelles pour les sous-systèmes, mais affirment que pour les expériences considérées, le cadre garantit avec succès les prédictions statistiques quantiques standards.