Approaching the Continuous from the Discrete: an Infinite Tensor Product Construction

Sintesi Tecnica: Approcciare il Continuo dal Discreto tramite Prodotti Tensoriali Infiniti

Enunciato del Problema
Recenti progressi nella probabilità categoriale hanno avuto successo nell'assiomatizzare processi probabilistici discreti (ad esempio, insiemi finiti e matrici stocastiche) e processi gaussiani utilizzando i calcoli dei diagrammi a fili (string diagrammatic calculi). Tuttavia, rimane una lacuna significativa nell'assiomatizzazione della probabilità continua generale, ovvero categorie come $\mathbf{BorelStoch}$ (spazi di Borel standard e kernel di Markov). La difficoltà principale risiede nel codificare il comportamento infinito algebricamente all'interno dell'attuale framework dei diagrammi a fili, che tipicamente si basa su generatori e equazioni finite. Sebbene il teorema di estensione di Kolmogorov suggerisca che le misure continue possano essere viste come limiti di quelle discrete, una costruzione categoriale rigorosa che colleghi gli ambiti discreti a quelli continui attraverso prodotti tensoriali infiniti è stata finora assente.

Metodologia
Gli autori propongono una costruzione universale che aggiunge prodotti tensoriali infiniti a una categoria semicartesiana $\mathcal{C}$. La metodologia procede attraverso diverse fasi:

1. Costruzione Universale: Il documento definisce una categoria $\mathcal{C}^{\otimes\infty}$ ottenuta aggiungendo prodotti tensoriali infiniti a una categoria semicartesiana $\mathcal{C}$. Ciò viene ottenuto tramite una proprietà universale: $\mathcal{C}^{\otimes\infty}$ è la categoria semicartesiana iniziale con prodotti tensoriali infiniti che riceve un funtore simmetrico monoidale da $\mathcal{C}$.
2. Rappresentazione Concreta (Famiglie di Approssimazione Finita): Per rendere trattabili i morfismi in $\mathcal{C}^{\otimes\infty}$, gli autori limitano l'attenzione alle categorie con eliminazioni cancellative (dove $f \otimes \text{del} = g \otimes \text{del} \implies f=g$). In questo contesto, i morfismi tra prodotti tensoriali infiniti sono caratterizzati non come limiti astratti, ma come famiglie di approssimazione finita. Un morfismo è una classe di equivalenza di famiglie di morfismi finiti $(f_{F,G})$ che soddisfano condizioni di naturalità, copertura e ereditarietà.
3. Sintassi Diagrammatica: Gli autori introducono la "notazione a piastre" (plate notation) per rappresentare queste famiglie di approssimazione finita come diagrammi a fili. Ciò consente l'innalzamento (lifting) delle presentazioni assiomatiche: se $\mathcal{C}$ è presentata da una teoria monoidale simmetrica $(\Sigma, E)$, allora $\mathcal{C}^{\otimes\infty}$ è presentata da una teoria $\text{Free}_\infty(\Sigma, E)$ che include i generatori e le equazioni originali, oltre a regole per gestire i prodotti tensoriali infiniti (piastre).
4. Applicazione a $\mathbf{FinStoch}$: La costruzione è applicata a $\mathbf{FinStoch}$ (insiemi finiti e matrici stocastiche) e alla sua sottocategoria $\mathbf{BinStoch}$ (potenze di $\{0,1\}$).

Risultati Chiave

• Caratterizzazione di $\mathbf{FinStoch}^{\otimes\infty}$: Gli autori dimostrano che la categoria $\mathbf{FinStoch}^{\otimes\infty}$ è equivalente a una categoria di spazi di Stone dotati di kernel di Markov localmente costanti ($\mathbf{StoneStoch}_{lc}$). In questa categoria, gli oggetti sono prodotti infiniti di insiemi finiti (che, per il teorema di Brouwer, sono o insiemi finiti o lo spazio di Cantor $2^\mathbb{N}$), e i morfismi sono kernel $f: X \to Y$ in cui la probabilità di un insieme clopen dipende solo da un numero finito di coordinate dell'input.
• Presentazione Assiomatica della Probabilità Continua: Limitandosi a $\mathbf{BinStoch}$, gli autori derivano una presentazione assiomatica per $\mathbf{CantorStoch}_{lc}$ (la sottocategoria di $\mathbf{StoneStoch}_{lc}$ che coinvolge le potenze di 2 e lo spazio di Cantor). Dimostrano che $\mathbf{CantorStoch}_{lc}$ è isomorfa a $\text{Free}_\infty(\Sigma, E)$, dove $(\Sigma, E)$ è la teoria di $\mathbf{CausCirc}$ (l'assiomatizzazione di $\mathbf{BinStoch}$).
• Espressività: Il documento dimostra che $\mathbf{CantorStoch}_{lc}$ è sufficientemente espressiva da comprendere tutte le misure di probabilità sulla retta reale $\mathbb{R}$. Questo perché $\mathbb{R}$ è isomorfo a un prodotto tensoriale infinito di 2 in $\mathbf{BorelStoch}$, e la costruzione stabilisce una corrispondenza biunivoca tra le misure su $\mathbb{R}$ e le misure sullo spazio di Cantor $2^\mathbb{N}$.
• Limitazioni: Gli autori chiariscono che $\mathbf{FinStoch}^{\otimes\infty}$ non recupera l'intera categoria $\mathbf{BorelStoch}$. Sebbene catturi tutte le misure di probabilità, non può catturare pienamente il comportamento di arbitrarie funzioni misurabili (che potrebbero non essere localmente costanti), formando così una sottocategoria specifica ed espressiva piuttosto che la categoria continua completa.

Significatività e Rivendicazioni
Il documento sostiene di fornire i primi strumenti per assiomatizzare le categorie di Markov con prodotti tensoriali infiniti utilizzando i diagrammi a fili. Il suo contributo primario è stabilire un ponte rigoroso tra il ragionamento probabilistico discreto e quello continuo. Dimostrando che la probabilità continua può essere approcciata come limite di contesti discreti tramite prodotti tensoriali infiniti, il lavoro consente l'uso di calcoli diagrammatici (specificamente la notazione a piastre) per ragionare su sistemi continui.

Gli autori sottolineano che questa costruzione non cattura la piena generalità di $\mathbf{BorelStoch}$ (specificamente riguardo ai kernel non localmente costanti), ma fornisce un quadro ricco per studiare le misure di probabilità su $\mathbb{R}$ e altri spazi continui attraverso la lente dello spazio di Cantor. Il lavoro è presentato come un passo fondamentale per connettere gli approcci semantici con i metodi dei diagrammi a fili per la probabilità continua, suggerendo lavori futuri per estendere questi risultati a generalizzati kernel di Markov e altri modelli probabilistici come le miscele gaussiane.