Quantum Partial Information Decompositions, an Operational Order on Ensembles, and Direct Quantifications of Objective Information

量子物理学という広大な風景の中で、粒子は距離を超えて結びつき、複数の状態で同時に存在することができる。そこでは、ある根本的な問いが残り続けている。すなわち、情報は実際にどのように保存され、共有されているのか、ということである。コンピュータやスマートフォンの背後にある数学である古典的な情報理論は、データを単なる部分の総和として扱う。メッセージがあれば、それをビットに分解できるが、全情報はそれらのビットの集合に過ぎない。しかし、量子系ははるかに複雑である。量子系は、コピーが多くの場所に存在する「冗長な」方法、特定の場所にのみデータが存在する「一意な」方法、あるいは、システム全体をまとめて見るときにのみ存在し、個別の部分を孤立させようとすると消えてしまう「相乗的な」方法で情報を保持することができる。これらの異なる層を理解することは、将来の量子ネットワークや量子コンピュータを構築する上で極めて重要であるが、長い間、科学者たちは、2つ以上のパーツを持つシステムにおけるこれら複雑な構造を解きほぐすための体系的な方法を持たずにいた。

ある研究者が、強力な分析ツールである「部分的情報分解（partial information decomposition）」を、多粒子系へと拡張することで、大きな前進を遂げた。このフレームワークにより、科学者は量子粒子の一群にどのように情報が分布しているかを解剖し、冗長なコピーと、一意および相乗的な寄与を分離することが可能になる。この研究者は、この分析を行うための2つの異なる手法を開発した。第一の手法は、簡便ではあるものの、共有されている冗長な情報の量をわずかに過大評価してしまう、直接的なアプローチである。第二の手法は、量子グループを比較する新しい方法に依拠した、より洗練された手法であり、ある粒子のグループが特定の物理的操作を通じて別のグループへと変換可能であるかどうかを判定するものである。研究者は、情報がどのように環境へと拡散するかを模倣するように設計された量子系のモデルにこれらのツールを適用することで、「客観的」な情報、すなわち、システムを乱すことなく複数の観測者が独立してアクセスできるデータを直接測定できることを示した。彼らの研究は、単純な手法は真に共有されている情報の量を過大評価しがちである一方で、より高度な手法は、情報は局所的に保護されることもあれば、グローバルにスクランブル（かき混ぜ）されることもあるという、微細な現実を明らかにしている。これにより、量子系が現実世界でどのように振る舞うのかについて、より鮮明な姿を描き出している。

この旅は、既存の情報解析手法が、わずか2つのパーツを持つシステムに限定されていたという認識から始まった。これは単純な相互作用の研究には有用であったが、数十、数百の粒子に情報が分散している複雑なネットワークや多体システムを理解しようとする際には、力不足であった。研究者は、「部分的情報分解」の概念を、より大きな多粒子系にも扱えるように一般化する方法を必要とした。彼らは、古典的なフレームワークの論理構造を維持したまま、その基礎となる数学的定義を新しい量子特有のルールに置き換えることで、これを達成した。核心となる課題は、量子的な文脈において「冗長である」とは何を意味するかを定義することであった。古典的な世界では、冗長性は容易に見つけられる。例えば、2人の人が同じファイルのコピーを持っている場合、情報は複製されている。しかし、量子的な世界では、情報の性質自体が、どのように測定または処理されるかによって変化しうるため、冗真性の定義ははるかに困難になる。

この課題に取り組むため、研究者は2つの異なるバージョンの「量子部分的情報分解」を構築した。研究者が「単純な」アプローチとして説明する第一のバージョンは、システムのいかなる単一の部分もアクセスできる情報の最小量に基づく単純なルールを使用している。この手法は計算が容易で、迅速なベンチマークを提供するが、研究者はこれが冗長性を過大評価する傾向があることを見出した。それは、利用可能な情報の「量」を、共有されている情報の実際の「質」や「種類」と見誤ってしまうのである。例えば、2つの異なる、互いに相容れないタイプのデータが、たとえそれらが互換性を持たなくても、両方が存在するという理由だけで、冗長であるとカウントしてしまう可能性がある。この過大評価は、より単純なモデルにおける既知の問題であるが、複雑な量子状態の精密な構造を理解しようとする際には、重大な障害となる。

第二の、より高度な手法は、研究者が「プロセッシング・インファイレオリティ（処理劣位性）」と呼ぶ概念を導入している。これは、量子グループを、それらが互いに変換される能力に基づいて順序付ける方法である。2つの粒子のグループを想像してほしい。もし、標準的な量子操作と古典的なメッセージ混合を用いて、一方のグループを他方に物理的に変換できるのであれば、二番目のグループは、情報処理の観点から見て「劣位」または能力が低いとみなされる。すべての部分が変換可能な共通の「標準」グループを見つけることで、研究者は冗長性をより正確に定義することができた。この手法は、カウントされる情報が、単に似ているだけでなく、性質として真に同一であることを保証する。しかし、これの計算には、極めて複雑な最適化問題を解く必要があり、計算コストが高い。これを実現可能にするため、研究者は反復的に解を洗練させる特殊なアルアルゴリズムを開発し、小規模ながらも現実的な量子系に対してこれらの値を計算できるようにした。

研究者は、この新しいツールを「ツイステッド・パラシュート（ねじれたパラシュート）」状態と呼ばれる特定のモデルを用いてテストした。このモデルは、中心的な情報が、周囲の多数の粒子からなる環境へとコピーされ、その後、局所的な回転とスクランブルを受けるシナリオをシミュレートしている。このセットアップは、量子ダーウィニズム（Quantum Darwinism）のプロセス、すなわち、システムに関する情報が環境へと広がり、複数の観測者がそのシステムの状態で独立して合意できるプロセスを模倣するように設計されている。研究者がこのモデルに2つの分解手法を適用することで、スクランブルが進むにつれて情報がどのように進化するかを観察することができた。彼らは、環境がわずかに乱された初期段階においては、単純な手法が共有されている冗長な情報の量を大幅に過大評価していることを発見した。しかし、より洗練された手法は、情報が存在していても、それがしばしば真に入れ替え可能な形式ではなく、つまり、単純な手法が示唆するほど「客観的」ではないことを明らかにした。

スクランブルが進むにつれ、情報の性質は変化した。研究者は、情報が高度に非局所的になる、すなわち、個々の部分を見るのではなく、システム全体をまとめて見るときにのみ理解できるようになる、という転移を観察した。この領域では、特定の粒子が保持する一意な情報は減少し、全体が部分の総和よりも大きくなる「相乗的な情報」が支配的となった。決定的なことに、高度な手法によれば、単純な手法が高い冗長性を示しているときでも、すべての観測者によって共有されている真の客観的情報は、往々にしてはるかに低いことが示された。この不一致は、単純な指標に依存することの重大な限界を浮き彫りにした。つまり、単純な指標は、情報がどのように保護されているか、あるいは失われているかという微妙な仕組みを見逃してしまう可能性があるということである。また、この研究は、この過大評価がシステムが大きくなっても消失しないことも示した。より大きなシステムにおいても、単純な手法は共有された情報の真の性質を誤認し続けた。

これらの知見の含意は、単に特定の量子モデルを理解することにとどまらない。量子情報をその原子的な構成要素へと分解する厳密な方法を確立することで、研究者は、複雑なシステムにおいて情報がどのように振る舞うかを研究するための新しいレンズを提供した。彼らの研究は、量子状態の「客観性」、すなわち、多くの人々によって妨げられることなく観測されうる性質が、システムが行う特定の操作に強く依存する、壊れやすい特性であることを示唆している。「プロセッシング・インファイレオリティ」の順序付けの開発は、異なる量子状態を比較するための新しいツールを提供しており、これは量子ネットワークから多体系物理学の研究に至るまで、幅広い分野で役立つ可能性がある。研究者は、現在の計算が計算量の多さから小規模なシステムに限定されていることを認めているが、彼らは、より大規模で複雑な量子ネットワークにこれらの手法を適用できる将来の研究への基礎を築いた。

結局のところ、この論文は、科学者が量子情報の構造を分析する方法における転換を象徴している。データの単純なカウントを超え、状態の変換可能性や性質を考慮したツールを開発することで、研究者は、量子情報の風景がこれまで考えられていたよりもはるかに微細なニュアンスに満ちていることを示した。真に共有されている情報と、単に異なる形で存在しているだけの情報を区別する能力は、古典的な現実が量子世界からどのように立ち現れるのかを理解するための、極めて重要なステップである。この研究は、量子情報のすべての謎を解明したと主張するものではないが、宇宙がどのようにその秘密を保存し、共有しているのかについて、より良い問いを立て、より正確な答えを得るための強固なフレームワークを提供している。