Certifying Randomness or its Lack Thereof for General Network Scenarios
本文通过将膨胀技术应用于双局域性（bilocality）和三角形（triangle）设置，以在这些设置中针对超越量子限制的对手进行随机性认证，从而将设备无关的随机性认证扩展到了通用的网络场景，同时还提供了认证随机性缺失的方法，并讨论了该领域关键的概念性挑战。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
真正的随机性是我们宇宙中一种稀有且珍贵的商品。在日常世界中，事物之所以看起来是随机的，仅仅是因为我们缺乏完整的信息；硬币投掷看似不可预测，但如果我们知道投掷的精确力量、空气阻力以及它落下的表面，我们就能以完美的确定性预测结果。这被称为认识论随机性（epistemic randomness），即源于无知的随机性。然而，量子物理学提供了更深邃的东西：内在随机性（intrinsic randomness）。这是一种构建在现实结构之中的基本不可预测性，在这种情况下，无论掌握多少关于过去的知识，都无法决定未来。这个概念不仅仅是一个哲学上的好奇心，它是现代安全通信的基石。如果我们能证明一个数字是真正随机的，我们就可以用它来创建在数学上无法破解的加密密钥。
几十年来，科学家们一直使用被称为贝尔场景（Bell scenario）的装置来测试这种内在随机性，其中两个遥远的观察者测量以某种神秘方式相互关联的粒子。当他们的结果违反了特定的数学极限时，这就证明了宇宙并非遵循某种隐藏的、预先写好的剧本，而且其结果是真正不可预测的。但宇宙比仅仅是两个人共享一个秘密要复杂得多。近年来，研究人员开始探索“量子网络”，在这些网络中，多个独立的源向多个参与方同时发送信息，从而创造出错综复杂的连接网络。问题在于：我们是否仍能在这些复杂的网络中证明真正随机性的存在，并且能否证明它何时不存在？一支物理学家团队现在迈出了重要的一步，开发了新方法来回答这些复杂网络场景中的问题。
研究人员专注于两种特定的网络形态：“双局域性”（bilocality）场景，涉及由两个独立源连接三个参与方的情形；以及“三角形”（triangle）场景，其中三个参与方通过三个独立源连接成一个环。为了解决这个问题，他们改进了一种强大的计算工具，称为“膨胀技术”（inflation technique）。想象一下，你试图通过构建一个更大、更详细的版本来验证一台复杂的机器是否正常工作，以此观察各部件如何相互作用；膨胀技术的工作原理与之类似。通过在数学上将网络扩展为一个更大的、假设性的版本，研究人员可以测试观察到的数据究竟可能被解释为一个可预测的经典系统，还是需要量子力学的基本不可预测性。他们假设了安全性的最坏情况：一个能够获取网络中所有信息源但无法控制它们的信息窃听者，这代表了一种甚至比标准量子理论所允许的威胁还要强大的威胁。
利用这种方法，该团队成功证明了内在随机性可以在这些网络场景中得到认证。他们分析了几种特定的数据模式，包括受著名的理论案例启发的模式，并发现对于网络中的某些参与方而言，其结果确实是不可预测的。例如，在双局效性场景中，他们展示了接收来自两个不同信息的中间参与方仍然可以产生可认证的随机性，而这一现象在更简单的两方设置中并不会发生。在三角形场景中，他们证明了即使参与方没有可以选择的设置，仅依靠网络本身的结构，随机性依然存在。这些发现意义重大，因为它们表明只要信息源是独立的，随机数生成的安全性就可以扩展到更复杂、更真实的网络架构中。
然而，这项工作也探讨了硬币的另一面：证明随机性何时缺失。人们常有一个误解，认为如果一个系统表现出非经典行为，它就一定具有随机性。研究人员表明，事实并非总是如此。他们开发了第二套计算方法，用于证明一个对手可以完美预测特定参与方的结果，即便整体网络数据看起来是非经典的。他们通过构建特定的因果模型实现了这一点，在这些模型中，目标参与方仅从其来源接收经典且可预测的信息，而网络的其余部分则处理复杂的、非经典的部分。在一个引人注目的例子中，他们将此应用于一种被称为 RGB3 的特定数据分布。他们发现，虽然整体模式是非经典的，但三角形网络中的特定参与方可以被窃听者以绝对的确定性进行预测。这证明了非经典性并不自动保证网络中每个个体的随机性。
这项研究强调了一个关键区别，即单个人的结果随机性与群体组合结果随机性之间的区别。一个网络可能产生整体上不可预测的数据，但对于每一个个体参与者来说，其结果可能是可以预测的。研究人员发现，通过展示其数据可以被解释为仅接收经典输入的模型，他们的研究方法可以认证特定个体的随机性缺失。然而，他们也指出了一项局限性：如果一个网络过于复杂，以至于一个参与方的数据无法通过“其最多接收一个非经典源”的模型来解释，那么他们目前的工具就无法判定随机性是存在还是缺失。这留下了一个面向未来的开放性问题：是否存在如此复杂的网络，以至于它们的随机性会对这些检测方法隐匿起来？
最终，这项研究为理解复杂系统中信息流和不可预测性的过程提供了一个全新的工具包。通过改进膨胀技术，该团队展示了如何在网络中认证真实随机性的存在，并且同样重要的是，如何认证其缺失。这些发现完善了我们对未来量子网络中安全性保障边界的理解。尽管这项工作目前仍处于理论阶段，侧重于研究这些结构中随机性行为的基础原理，但它为未来的实验奠定了基础。随着我们迈向一个互联量子设备的时代，明确知道何时何地存在真正的随机性——以及何时它仅仅是复杂性的一种幻象——对于构建真正安全的系统至关重要。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。