Degrees, Levels, and Profiles of Contextuality

Titel: Graad, Niveaus en Profielen van Contextualiteit

Auteurs: Ehtibar N. Dzhafarov & Víctor H. Cervantes

---

1. Het Probleem

In de bestaande literatuur over kwantummechanica en probabilistische systemen wordt contextualiteit vaak gereduceerd tot een binair concept: een systeem is óf contextueel, óf niet. Wanneer men de "graad" van contextualiteit meet, wordt dit meestal uitgedrukt als één enkel getal (de totale graad) voor het volledige systeem.

De auteurs stellen dat deze benadering onvoldoende informatief is. Het verbergt de interne structuur van hoe contextualiteit zich voordoet op verschillende schalen van het systeem. Een systeem kan niet-contextueel zijn wanneer men alleen kijkt naar de verdeling van individuele variabelen (niveau 1) of paren van variabelen (niveau 2), maar wel contextueel worden wanneer men kijkt naar tripletten of hogere-orde joint distributions. Er is behoefte aan een methode om de evolutie van de graad van contextualiteit na te gaan naarmate men meer variabelen in de analyse betrekt.

2. Methodologie

A. Niveau-gebaseerde Representaties (Level-wise Representations)

De kern van de methode is het definiëren van een "niveau-$n$" representatie van een systeem van stochastische variabelen.

• Definitie: Een systeem wordt op niveau $n$ gerepresenteerd door alleen de gezamenlijke verdelingen (joint distributions) van $k$ variabelen te beschouwen, waarbij $k \leq n$. Hogere-orde verdelingen worden genegeerd.
• Constructie: Voor een rij met $m$ variabelen in een context, wordt het niveau-$n$ systeem geconstrueerd door alle mogelijke combinaties van $n$ variabelen uit die rij te nemen en hun verdeling te kopiëren naar nieuwe "contexten".
• Niveau 1: Altijd niet-contextueel (graad = 0), omdat er geen correlaties tussen variabelen worden beschouwd.
• Eerste contextuele niveau: Het laagste niveau $n > 1$ waarbij de graad van contextualiteit $d_n > 0$ wordt.

B. Het Contextualiteitsprofiel

In plaats van één getal, wordt een systeem gekarakteriseerd door een contextualiteitsprofiel: een vector of curve die de graad van contextualiteit ($d_n$) relateert aan het niveau ($n$).
$$\text{Profiel} = (d_1=0, d_2, d_3, \dots, d_N)$$
waarbij $N$ het maximale aantal variabelen per context is. Voor goed geconstrueerde maten is dit profiel een niet-dalende functie.

C. Gekoppelde Systemen (Concatenated Systems)

Om te onderzoeken hoe snel het profiel groeit tussen niveaus, gebruiken de auteurs een methode van gekoppelde systemen:

• Twee systemen, $A$ en $B$, worden gecombineerd tot $A * B$.
• $A$ heeft een bepaald profiel tot niveau $n$.
• $B$ is niet-contextueel tot niveau $n$, maar introduceert een nieuwe graad van contextualiteit $\Delta_{n+1}$ op niveau $n+1$.
• Omdat de vraagstukken en contexten disjunct zijn, kan de koppeling onafhankelijk worden geanalyseerd.
• Door de graad van het gekoppelde systeem op niveau $n+1$ te vergelijken met de som van de graad van $A$ en de bijdrage van $B$, kunnen de auteurs bepalen of de toename additief, superadditief of subadditief is.

D. Onderzochte Maten

De studie past deze methode toe op drie bestaande maten van contextualiteit (die ook van toepassing zijn op verstoorde systemen):

1. CNT2 (Distance Measure): Gebaseerd op de $L_1$-afstand tussen het systeem en het polytoop van niet-contextualiteit.
2. CNT3 (Quasi-probability Measure): Gebaseerd op het minimaliseren van de som van absolute waarden van een oplossing met negatieve kansen.
3. CNTF (Contextual Fraction): Gebaseerd op het maximaliseren van de som van kansen in een ongelijkheidssysteem (het deel van het systeem dat niet-contextueel is).

3. Belangrijkste Resultaten

A. Gedrag van de Maten

De analyse van gekoppelde systemen onthulde fundamentele verschillen in hoe deze maten omgaan met de groei van contextualiteit:

• CNT2 ($L_1$-afstand): Toont precieze additiviteit. De totale graad op niveau $n+1$ is exact de som van de graad op niveau $n$ en de bijdrage van de nieuwe variabelen.
  • Formule: $d_{n+1} = d_n + \Delta_{n+1}$.
• CNT3 en CNTF (Quasi-probability en Fraction): Toonen subadditiviteit. De toename is vaak extreem, wat leidt tot een "plateau" waar de graad niet stijgt tot het nieuwe niveau een hogere waarde heeft dan het vorige.
  • Formule: $d_{n+1} = \max(d_n, \Delta_{n+1})$.
  • Dit betekent dat deze maten de "sterkste" component van contextualiteit in het systeem vasthouden, maar de cumulatieve effecten van lagere niveaus niet optellen.

B. Hypercyclische Systemen

De auteurs toonden aan dat voor een reeks hypercyclische systemen (hoog gestructureerde systemen):

• Geen van de drie maten een functie is van een andere. Als men de graad van één maat verandert door het systeem te variëren, blijven de andere maten soms constant.
• Dit geldt niet alleen voor de totale graad, maar ook voor de profielsegmenten (de groei tussen niveau 2 en 3). Dit bevestigt dat de drie maten verschillende, onderling niet-afleidbare aspecten van contextualiteit meten.

C. Verstoorde Systemen

De resultaten gelden zowel voor onverstoorde systemen (waar variabelen met dezelfde vraag identiek verdeeld zijn) als voor verstoorde systemen. Het patroon van additiviteit voor CNT2 en de "maximaal-regel" voor CNT3/CNTF blijft behouden.

4. Bijdragen en Significantie

1. Nieuw Concept: De introductie van het contextualiteitsprofiel als een fundamentele karakterisering van een systeem, in plaats van een enkelvoudige graad. Dit biedt een veel rijkere beschrijving van de contextuele structuur.
2. Methodologische Innovatie: De ontwikkeling van de methode van gekoppelde systemen om de incrementele eigenschappen van contextualiteitsmaten te testen en te vergelijken.
3. Vergelijking van Maten: Het vaststellen dat de keuze van de maat van contextualiteit cruciaal is voor de interpretatie van hoe contextualiteit zich opbouwt. De $L_1$-afstand (CNT2) cumuleert effecten, terwijl de fractionele en quasi-kansmaten (CNT3, CNTF) reageren op de "dominante" contextuele component.
4. Toekomstige Toepassingen: De auteurs suggereren dat profielen nuttig kunnen zijn voor het begrijpen van resource-theoretische aspecten van kwantumsystemen. Het relateren van empirische eigenschappen aan specifieke niveaus van het profiel (in plaats van alleen de totale graad) kan nieuwe inzichten bieden in de aard van kwantumvoordelen en contextuele afhankelijkheden.

Conclusie

Het artikel beweert dat het karakteriseren van contextualiteit via een curve (profiel) in plaats van een enkel getal essentieel is voor een volledig begrip van complexe systemen. Het onthult dat verschillende maten van contextualiteit fundamenteel verschillende wiskundige structuren volgen (additief versus maximaal), wat impliceert dat er geen enkele "beste" maat is, maar dat de keuze afhangt van welk aspect van het systeem men wil analyseren.