Hidden-State Updates and observable-record composition in retrocausal models

粒子の振る舞いの研究において、科学者たちはしばしば、実験の結果を決定づける目に見えない特性である「隠れた変数」に頼っています。コインの中に隠れた重みがあり、それが投げられる前から表か裏かを決定している様子を想像してみてください。標準的な物理学では、これらの隠れた特性は固定されており、後で行われる測定の内容によって変化することはありません。しかし、「逆因果モデル（retrocausal models）」として知られる異なるクラスの理論は、粒子の隠れた状態が、実験者が後で行う選択に依存し得ることを示唆しています。この考え方は、未来が過去に影響を与えることを暗示しているため、議論の的となっています。物理学者にとって重要な問いは、これらのモデルが単一の実験の結果を模倣できるかどうかではなく、実験者が同じ装置を再利用したり、過去の結果に基づいて一連の決定を下したりする場合でも、一貫性を保てるかどうかです。もしあるモデルが一度の測定には機能するものの、同じ装置を再び使用した際に破綻してしまうのであれば、それは現実の妥当な記述とは言えません。

モナッシュ大学の研究者は、まさにこの問題、すなわち隠れた変数モデルが「再利用」というテストに耐えうるのかどうかを調査してきました。この研究は、特定のシナリオに焦点を当てています。それは、実験者が結果を記録し、その記録を用いて次の測定の設定を決定するというものです。研究者は、これらのモデルの多くが、あらかじめ決まった一連のイベントの予測には成功するものの、実験者が実験を早期終了させたり、今見た結果に基づいて計画を変更したりすることを許容すると、しばしば失敗することを明らかにしました。論文によれば、モデルが物理的に一貫しているためには、実験者がどのように進めることを選択したとしても、あらゆる起こり得る結果の総計となる「重み」を保存するように、隠れた状態が非常に特殊な方法で更新されなければなりません。もしモデルがこのテストに失敗すれば、そのモデルが依存している隠れた情報は外部の世界から区別可能になり、理論における矛盾を露呈することになります。

これらのアイデアを検証するために、研究者は2種類の数学的モデルを構築しました。第一は、限られた数の隠れた状態を持つ単純な有限系であり、これは少数のメモリスロットを持つ基本的なコンピュータプログラムに似ています。第二は、回転する粒子を含む連続的なモデルであり、そこでは隠れた状態はあらゆる値を取り得る角度です。有限系においては、実験者が事前に計画された不変のステップに従うのであれば、モデルはあらゆるテストに合格できることが示されました。しかし、実験者が一つのステップの結果を見て、その結果に基づいて停止するか継続するかを決定した途端、モデルは崩壊しました。隠れた状態がシフトし、それが最終的な結果の確率を変化させてしまうため、実質的に「未来の選択が過去の記録を検知可能な形で変えてしまう」ことになったのです。これは単なる小さな不具合ではなく、観察者の行動が収集したデータに依存する場合に、モデルが整合性のある歴史を維持できないという根本的な能力の欠如でした。

回転する粒子をソースとする連続モデルは、さらに衝撃的な結果をもたらしました。研究者は、測定が行われることに関わらず、粒子のソースは変化しないという「受動的」なセットアップを想定しました。この厳格な条件下であっても、研究は、同一の粒子を測定する2つのプローブが、後の測定の角度に依存する微妙な相関関係を発展させ得ることを明らかにしました。具体的には、2つのプローブが互いに一致する確率は、将来の測定が特定の角度に設定されるか、あるいは異なる角度に設定されるかに基づいて変化しました。その差はわずかですが、数学的に精密でした。例えば、特定のパラメータの下では、合致する確率は、将来の設定に応じて約51.9%から51.0%へとシフトしました。これは、個々のプローブ自体は公平で偏りがないように見えても、それらの結合された履歴が、まだ行われていない選択に関する隠れた信号を運んでいることを意味します。

研究者は、厳密なコンピュータ・シミュレーションと正確な数学的計算を通じて、これらの知見を検証しました。有限状態の実験において、チームは、実験者が特定の結末を見てプロセスを停止する場合を含む、数千もの異なる決定ツリーをテストしました。その結果、固定されたシーケンスは常に一貫した結果を生む一方で、適応的なシーケンス（次のステップが前のものに依存するもの）は、モデルの隠れた欠陥を露呈させることが確認されました。連続実験において、チームはプローブ間の合致を測定するために数百万回の試行を行いました。データは理論的予測と完璧に一致し、将来の設定に対する微妙な依存性がモデルの枠組みの中で実在することを示しました。また、研究チームは「リセット」メカニズムによってこれらの問題を解決できるかどうかを調査しましたが、デバイスを非ランダムな方法で再利用する場合、単にデバイスをリセットするだけでは問題は解決しないことが分かりました。

この研究の核心的な結論は、逆因果モデルが生存するためには、2つの厳格な条件を満たさなければならないということです。第一に、実験者がどのように実験を継続するかに関わらず、すべての起こり得る結果の総確率を一定に保つように、隠れた状態が更新されなければなりません。第二に、隠れた準備は観察者にとって区別不能であり続けなければなりません。つまり、何が起きたかの記録から、将来の設定が何であったかを推測できてはならないということです。論文は、提案されているモデルの多くがこれらのテストに失敗することを示しています。モデルが失敗するということは、隠れた変数が真に隠されているわけではなく、実験者が将来の選択を推論することを可能にする、観測可能な記録の中に痕跡を残していることを意味します。これは、逆因果性が不可能であることを証明するものではありませんが、それを提唱する理論に対して非常に重い負担を課すものです。その理論は、観察者がデータを基に適応的に戦略を変えるという精査に耐えうるほど、極めて精密に構築されていなければなりません。

この研究はまた、「記録」をどのように定義するかという重要性も強調しています。これらのモデルにおいて、記録には最終的な測定結果だけでなく、タイミング、制御設定、および環境の記憶も含まれます。研究者は、これらの詳細を無視して最終的な結果のみに注目すると、その失敗を見逃す可能性があることを発見しました。事象の全プロセス、すなわちその過程で行われた決定を含めた全連鎖を見るときに初めて、不整合が明らかになるのです。このことは、逆因果モデルを構築しようとする試みは、観察者が考えを変える能力を含む、実験セットアップの全容を考慮に入れなければならないことを示唆しています。この研究は、新しい検出器を構築したり、自然がそのように機能していることを証明したりするものではありません。むしろ、提案されたモデルが整合しているかどうかをテストするための、一連の数学的ツールを提供しています。これらのツールを適用することで、研究者は、一見すると妥当に見えるモデルのクラス全体を排除できるようになります。

結局のところ、この論文は、未来の影響を受けた隠れた変数を通じて量子相関を説明しようとする理論に対する、厳格なストレス・テストとして機能しています。それは、これらのモデルが単純で静的なシナリオに対しては機能するように調整できる一方で、学習し適応する実験者のダイナミックな現実の中で生き残ることは困難であることを示しています。研究結果は、もしそのようなモデルが存在するならば、それらは以前考えられていたよりもはるかに制約されたものでなければならず、新たな説明のつかないメカニズムを導入することなく達成することが困難なレベルの一貫性を要求することを示唆しています。この研究は、将来の理論に門戸を開きつつも、より高い水準の証明を要求しており、現在において好奇心旺盛な観察者から、隠れた過去が真に隠され続けることを保証しようとしているのです。