Bayesian inference and retrodiction for faithful states on von Neumann algebras

技术摘要：冯·诺依曼代数上忠实态的贝叶斯推断与逆推

问题陈述
本文探讨了将贝叶斯推断和逆推（从结果推断原因）的概念从有限维经典和量子系统扩展到无限维冯·诺依曼代数的领域。虽然 Petz 恢复映射在有限维量子信息理论中被广泛认为是贝叶斯法则的量子推广，但其在无限维情形下（特别是针对忠实正态态）的结构特征化和范畴论表述尚未得到充分建立。作者旨在确定，在给定特定结构、过程理论公理的框架内，Petz 恢复映射是否是量子贝叶斯推断中唯一的通用候选方案。

研究方法
作者结合了算子代数理论、模理论（Modular Theory）和范畴论。

1. KMS 内积： 论文首先在配备了忠实正态态 $\omega$ 的冯·诺依曼代数 $\mathcal{A}$ 上建立了 KMS（Kubo-Martin-Schwinger）内积。该内积通过 GNS 表示和模共轭算子 $J$ 定义，为定义伴随算子提供了必要的度量结构。
2. Petz 映射的构建： 利用 KMS 内积，作者将 Petz 恢复映射（或称 Petz 逆推）定义为唯一的线性映射 $E^\star$，它关于源态和目标态相关的 KMS 内积，是保持态的正则完全正 unital（NCPU）映射 $E$ 的伴随映射。
3. 范畴论表述： 作者定义了一个范畴 $\mathcal{Q}$，其对象是二元组 $(\mathcal{A}, \omega)$，态保持的 NCPU 映射为态射。随后，他们定义了一个“逆推函子” $R: \mathcal{Q} \to \mathcal{Q}^{\text{op}}$，并验证了将 Petz 映射分配给每个态射的过程满足如下函子公理：恢复性、恒等保持性、组合性（链式法则）、张量性、反转的扩展（对于同构）以及对合性。
4. 向交换代数的特化： 该框架被特化到交换冯·诺依曼代数（代表经典系统），以证明 Petz 函子可以限制为标准 Borel 空间上的概率分布和马尔可夫核的经典贝叶斯逆过程。
5. 马尔可夫映射： 论文分析了一个“马尔可夫映射”子范畴（满足 Accardi–Cecchini 模协变条件的态射），并证明对于这些映射，Petz 恢复映射与 GNS 伴随一致。

核心贡献与结果

• 无限维推广： 论文严格定义了任意冯·诺依曼代数上忠实正态态的 Petz 恢复映射，扩展了以往仅限于有限维 $C^*$-代数或全矩阵代数的结果。它阐明了模理论定义与有限维“平方根”公式之间的关系。
• 范畴特征化： 作者证明了 Petz 恢复映射在带有忠实态的冯·诺依曼代数范畴上定义了一个逆推函子。该函子满足六个特定的公理：
  1. 恢复性： 它将一个态射映射为对偶范畴中的一个态射。
  2. 恒等保持性： 它将恒等态射映射为恒等态射。
  3. 组合性： 它反转组合顺序（$R(F \circ E) = R(E) \circ R(F)$）。
  4. 张量性： 它保持态射的张量积。
  5. 反转的扩展： 它作为同构的逆。
  6. 对合性： 两次应用该函子会返回原始态射（$R \circ R = \text{id}$）。
• 经典极限： 文中论证了当限制在交换冯·诺依曼代数（经典概率）时，Petz 函子会恢复标准贝叶斯逆过程（条件概率的逆），从而在单一的范畴结构下统一了经典与量子推断。
• 马尔可夫映射与 GNS 伴随： 论文证明了对于马尔可夫映射（满足模协变性），Petz 恢复映射与 GNS 伴随是相同的，将逆推概念与模理论中已有的伴随概念联系起来。

意义与主张
论文声称提供了一个“结构必然性”论证。通过展示该映射满足一系列自然的、过程理论的公理（范畴属性），作者表明贝叶斯推断和 Petz 映射不仅是源于优化原则（如最小化相对熵）的算法工具，更是经典和量子推断中基本的结构特征。

作者明确指出，这些公理是否唯一地刻画了 Petz 恢复映射仍是一个开放问题。他们提出了猜想 7.1，该猜想认为，任何满足这些公理的逆推函子都必须与 Petz 逆推函子一致。如果该猜想成立，这将意味着 Petz 映射的具体代数形式（涉及模算子或密度矩阵的平方根）是推断结构公理的必然结果，而非任意选择。

这项工作还强调了使用冯·诺依曼代数处理具有无限自由度的系统（如量子场论和无限格点系统中的系统）的必要性，在这些系统中，标准的有限维矩阵代数方法是不够的。

局限性与未来方向
论文并未声称已经证明了唯一性猜想。它确定了若干未来的研究开放问题，包括：

• 确定是否存在其他类型的贝叶斯逆（例如基于不同内积的逆）。
• 将框架扩展到半有限权（semifinite weights）而非仅仅是忠实态。
• 研究该框架在 III$_1$ 型交叉积代数上的应用，这与量子引力和黑洞研究相关。
• 探索逆推函子在经典与量子概率之外领域的适用性。