✨ 要点🔬 技术摘要
在物理学的宏伟架构中，存在着一个安静但持久的问题，即关于宇宙如何开始的问题。许多理论描述了事物在已经处于运动状态时如何移动和变化，但当被问及如何解释系统的最初状态时，它们往往会陷入困境。为了弥补这一差距，物理学家经常依赖于一个被称为“典型性”（typicality）的概念。想象一个由系统中所有可能起始方式构成的广阔景观。大多数起始点看起来都非常相似，而极少数零星分布的点则显得奇特或特殊。典型性的思想暗示，我们实际的宇宙是那些常见的、普通的起始点之一，而非罕见的异类。这一假设允许科学家预测实验将产生标准结果，例如量子力学中看到的熟悉模式。然而，一个令人困扰的问题仍然存在：在用于定义这些景观的严格数学中，几乎每一个点在技术上都是唯一的。如果缩放得足够近，每一个起始位置在某种程度上都是一个离群值，这使得“典型”的定义显得模糊且在数学上难以捉摸。如果没有一个精确的定义，很难说究竟是哪条物理定律在执行选择我们宇宙起始点的任务。
杰弗里·巴雷特（Jeffrey Barrett）、陈敬明（Eddy Keming Chen）和乔西亚·洛佩兹-威尔德（Josiah Lopez-Wild）的一篇新论文通过借用计算机科学中被称为“算法随机性”（algorithmic randomness）的工具，解决了这种模糊性。他们不再询问一个起始点在广义上是否在统计上常见，而是询问它是否是某种计算机可以描述的“特殊”状态。他们提出，一个物理状态只有在通过了计算机能够运行的所有旨在寻找模式的测试后，才是真正典型的。如果一台计算机无法找到一条规则来将特定的起始位置标记为异常，那么该位置就被认为是随机且典型的。作者将这一思想应用于玻姆力学（Bohmian mechanics），这是一种粒子具有确定路径的决定论量子理论。在该理论中，有一条被称为“分布假设”（distribution postulate）的规则，它指出粒子以特定的统计排列方式开始。作者认为，这条规则不应被视为一个模糊的建议或关于我们无知的陈述，而应被视为一条硬性的自然法则。这条法则仅仅是指：宇宙的初始构型是任何计算机都无法将其描述为例外情况的一种构型。
为了测试这一想法，研究人员构建了一个涉及粒子序列和测量的简化模型。他们设想了一个场景，其中粒子被依次制备并测量其自旋。在标准物理学中，我们预期结果将遵循特定模式，即大约一半的测量显示一种结果，另一半显示另一种结果，就像抛掷一枚公平的硬币一样。作者表明，如果粒子处于算法随机的状态，测量结果序列将不可避免地遵循这一模式。至关重要的是，这不仅仅是一个高概率问题。在他们的框架下，如果起始点是算法随机的，那么正确的模式将得到保证。不存在宇宙可能从一个破坏规则的奇特位置开始的微小概率，因为自然法则明确禁止了那些奇特位置的存在。
该论文还回应了一个巧妙的反驳。人们可能会想象一个淘气的观察者，他知道每个粒子的精确位置，并能选择测量方向以强行产生特定的结果，从而破坏预期的模式。作者指出，这样的观察者需要掌握本质上不可计算的信息。由于任何我们实际能进行的实验都必须能由一组有限的指令来描述，因此实验受限于可计算的过程。对于人类或机器可以实际执行的任何实验，该理论都能保证标准结果的出现。打破模式的唯一方法是使用一种无法被描述或重复的测量序列，而这超出了物理科学的范畴。
通过以此种方式重新阐述宇宙的初始条件，作者将一个模糊的统计猜测转变为一个清晰、客观的约束。他们认为，宇宙的初始状态不仅是“很可能”以某种方式存在，而且如果它要被视为有效的物理现实，它在物理上就不可能以其他任何方式存在。这种方法将宇宙的客观事实与我们的主观不确定性分离开来。自然法则规定了起始点，随后确定性的运动定律接管了一切。其结果是，一个受严格规则支配的宇宙如何产生我们在实验室中看到的随机统计现象，呈现出了一个更清晰的图景。这项工作表明，我们在自然界中观察到的随机性并非混沌或缺乏知识的迹象，而是一个在最深层、最具可计算性的意义上保持典型的宇宙的精确签名。
技术摘要：算法随机性与物理典型性
问题陈述 任何 测度为零的集合中的世界，那么将没有任何世界是典型的。因此，如果一条物理定律仅仅断言实际世界是“典型的”（在标准测度论意义上），那么它就无法为实际世界的状态提供精确的约束。这对于玻姆分布假设（Bohmian distribution postulate）而言尤其成问题，该假设规定初始粒子构型 Q 0 Q_0 Q 0 ρ ( Q , t 0 ) = ∣ Ψ ( Q , t 0 ) ∣ 2 \rho(Q, t_0) = |\Psi(Q, t_0)|^2 ρ ( Q , t 0 ) = ∣Ψ ( Q , t 0 ) ∣ 2
方法论 算法随机性 （algorithmic randomness）理论，特别是马丁-洛夫随机性 （Martin-Löf randomness），来刻画物理典型性。
概念框架： 如果一个状态相对于一个可计算测度而言不是以任何“可描述的特殊方式”存在的，则该状态被视为典型的。形式上，一个点相对于测度 μ \mu μ μ \mu μ 玩具模型构建： 作者首先使用一个涉及无限个自旋-1/2 粒子的简化模型来阐释这一概念。他们证明了如何利用一个马丁-洛夫随机的二元序列来确定初始粒子位置（波包的顶部或底部），从而保证特定测量方向下的 Born 统计特性。向构型空间的推广： 该模型被推广到玻姆力学的完整构型空间 X = R 3 N X = \mathbb{R}^{3N} X = R 3 N Ψ \Psi Ψ μ Ψ \mu_\Psi μ Ψ 处理测量约束： 为了应对可能利用精确初始位置来破坏随机性的“诡计型”测量序列（类似于麦克斯韦妖）的可能性，作者将研究范围限制在一致层级可计算 （uniformly layerwise computable）的测量序列上。这一概念由 Hoyrup 和 Rojas 开发，作为可测性的有效类比，确保了从初始构型到测量结果的映射能够保持马丁-洛夫随机性。
核心贡献
算法玻姆力学 (aBM)： 本文提出了一个新版本的玻姆力学，其中分布假设被算法分布假设 所取代。该假设是一个约束性定律，规定实际的初始构型 Q 0 Q_0 Q 0 μ Ψ \mu_\Psi μ Ψ Q 0 ∈ MLR μ Ψ Q_0 \in \text{MLR}_{\mu_\Psi} Q 0 ∈ MLR μ Ψ 精确的定律表述： 不同于标准表述中将分布假设视为模糊的统计规定，aBM 假设是一个尖锐的、客观的约束，它排除了一组精确定义的物理上不可能的世界（即有效零测集）。随机性的保持： 作者证明，如果初始构型是马丁-洛夫随机的，那么由任何一致层级可计算的测量序列产生的输出序列也是相对于诱导推前测度（push-forward measure）的马丁-洛夫随机的。
结果 定理 1 ：
设 ( X , μ Ψ ) (X, \mu_\Psi) ( X , μ Ψ )
设 { f n } \{f_n\} { f n }
设 μ ω \mu_\omega μ ω
结果： 如果初始构型 Q 0 Q_0 Q 0 μ Ψ \mu_\Psi μ Ψ ( f 1 ( Q 0 ) , f 2 ( Q 0 ) , … ) (f_1(Q_0), f_2(Q_0), \dots) ( f 1 ( Q 0 ) , f 2 ( Q 0 ) , … ) μ ω \mu_\omega μ ω
推论 1 将此应用于独立同分布（iid）的二元测量，保证了输出的相对频率以确定性 （而非仅仅是以概率 1）收敛于 Born 期望值。这对于每一个无限可计算的测量子序列均成立。
意义与主张
经验保证： 通过排除有效零测集而非仅仅是测度为零的集合，aBM 比标准的典型性论证提供了更强的经验保证。Born 统计对于所有可计算的实验方案都是确定成立的。客观定律 vs. 认识概率： 该框架将定律的客观内容（对初始条件的算法约束加上确定性动力学）与概率的认识角色区分开来。概率作为具有可交换信念的智能体的理性信念而产生，这些信念是通过德芬内提（de Finetti）表示定理从保证的极限频率中推导出来的。实验范围： 对可计算测量的限制不仅是一个技术细节，更反映了一个实质性的假设：只有那些可以被有限指定、实现和重复的实验才是物理上可实现的。“诡计型”非可计算实验理论上可以击败分布假设，但它们被排除在物理可能性的范围之外。可推广性： 虽然本文通过玻姆力学进行了演示，但作者指出，这种方法可以应用于任何需要统计边界条件的物理理论，为将此类条件表述为算法约束提供了一种途径。
文章得出结论，算法随机性将玻姆分布假设从一个模糊的统计假设转变为一个精确的、约束性的自然法则，它规定了宇宙的初始条件。
每周获取最佳 quantum physics 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。