信息因果性是否唯一刻画量子关联集？

信息因果性用 Alice 的消息限制 Bob 的知识

信息因果性是一条在随机存取码情景中表述的物理原理。Alice 持有一个由 n 个独立随机 dit 组成的数据库，Bob 需要猜出其中一个被指定的条目，双方可以共享非局域资源。IC 要求 Bob 关于各个条目所能获得的信息总量不超过 Alice 传达给他的信息量，即使使用了这些共享资源也是如此。

论文采用的表述是：各条目与 Bob 对应猜测之间互信息之和，被消息所携带的关于 Alice 数据库、输入和结果的信息量所界定。这一版本把含噪信道表述推广到任意份数，并涵盖了原始定义。当某个非局域盒集合中任意数量的独立盒对所有协议都满足该不等式时，称该集合在数据库规模 n 下满足 IC；对所有 n 都满足则用无穷下标表示。

关键在于 IC 原本被期望承担什么任务。经典理论和量子理论都满足这一要求，而 boxworld 等其他广义概率论则不满足。在众多被提出的信息论原理中，IC 之所以突出，是因为此前尚未证明它会被某些非量子非局域关联所满足。论文填补了这一空白。

ghostworld GPT 提供有限长度的反例

对于任意不小于 2 的有限数据库长度 n，作者给出一个两方关联集，它对所有相容协议都满足 IC，并且在每方 n+1 输入、2 输出的贝尔情景中包含后量子关联。该构造把 ghostworld 关联集视为一族以 n 为指标的广义概率论的两方状态空间，其效应空间继承自 boxworld。

在 GPT 层面而非固定盒规模上工作，使作者能够独立于系统规模证明该理论的性质，从而同时覆盖所有输入数和输出数。这些 GPT 关联满足 IC 的证明是熵式的，使用一种定义为对精细测量取下确界的条件测量熵，并作为对标准 GPT 版 IC 证明的替代方案提出。

作者还报告，在每方 n+1 输入、2 输出的贝尔情景中，所构造的关联集既不是量子关联的超集，也不是其子集。这一比较之所以重要，是因为它排除了一个更简单的期望：反例只是以嵌套方式位于量子集之上。

一个固定情景覆盖所有数据库规模

有限长度结果留下了一个问题：是否存在单个贝尔情景，能同时容纳对所有 n 都满足 IC 的集合。为此，作者在每方三个二值测量的设定下构造了一个与 GPT 无关的更小关联集。他们先证明 Alice 和 Bob 只能访问一份共享非局域资源的受限情形，从而解决了不使用级联的那一 IC 表述。

随后他们把论证推广到无界份数，得到一般性结果。证明技术来自散度的收缩系数及相关的强数据处理不等式，并将其应用于非局域关联。固定输入的收缩系数界定两个分布之间的 Kullback-Leibler 散度在信道作用下最多能缩小多少，而严格小于 1 的系数给出强数据处理不等式，可用于界定 IC 中出现的互信息项。

所得集合包含所有局域行为以及某些后量子行为，并且对任何组合该集合中独立资源的自适应协议都满足 IC。作者指出该集合在局域重标号下不封闭，但结论对其在有限局域连线与共享随机性下的闭包同样成立。

每方三个二值输入就足以打破该原理

核心构造位于每方 3 输入、2 输出的贝尔情景中。作者在该情景中给出一个关联集，它对所有数据库规模 n 都满足 IC，并且包含后量子点。所涉及的具体行为在一个参数范围内满足该不等式，并且位于量子对易集之外。

结论被表述得很明确：所有已知的信息因果性表述都无法完全刻画两方量子关联集，而且这在 3 输入、2 输出的贝尔情景中就已经如此。这一失败并不局限于某个庞大或奇异的情景，也不需要无界的输入数或输出数。

论文还把该反例与其他被提出的原理联系起来。借助 Navascues-Pironio-Acin 层级，作者观察到相关行为满足宏观局域性，却位于几乎量子集之外。因此他们的结果意味着存在位于几乎量子集之外、却满足信息因果性的行为。

与几乎量子集的比较使失败更尖锐

几乎量子关联构成量子关联的一个真超集，此前已被证明满足若干其他被提出的物理原理。论文的反例位于该集合之外，却仍满足 IC，因此 IC 不只是未能排除某些已被其他原理排除的关联，而是接纳了比量子更宽的候选集所拒绝的关联。

这一点指向一个具体方向。如果 IC 是刻画量子关联的原理，人们或许会期望其满足集位于几乎量子集之内或附近。该构造表明 IC 满足集延伸到了它之外，这比仅给出一个后量子点更有力。

作者把“是否所有几乎量子关联都满足信息因果性”留作开放问题。这个问题与他们所回答的问题不同，论文并未声称已完整刻画两个集合之间的关系。

熵式证明无需完整的 GPT 熵

一项方法上的贡献是：无需定义一个满足通常 GPT 版 IC 证明所用全部性质的熵，也能为 GPT 及相应关联集建立 IC。作者表明，仅从两方状态空间和效应空间的构造出发即可做到这一点。

他们使用的条件测量熵在量子情形下并不退化为条件 von Neumann 熵。这是该方法的刻意特征而非疏漏：证明需要的量要对 ghostworld 理论表现良好，而不是与量子熵一致。

作者把探索 GPT 的其他可能熵度量列为未来研究的一个有趣方向。为 GPT 建立 IC 的熵式证明被认为可能具有超出这些具体反例的独立价值。

这一结果没有解决什么

论文对作者所知的各种 IC 表述给出了否定回答。它并未声称任何对 IC 的加强都永远无法恢复两方量子集，并明确提出了 IC 能否被进一步加强、或是否需要另一条替代原理的问题。

这些结果针对贝尔情景中的两方关联。构造是针对具体输入数和输出数陈述的，而一般性主张是关于两方量子集的，并不涉及多体设定，也不涉及贝尔情景框架之外的关联。

作者还指出，把 IC 的某一重新表述推广到两个以上解码过程仍是开放问题。这一限制属于论文所涉及的更广泛 IC 文献，它界定了当前反例能在多大程度上被解读为覆盖所有可能的变体。

重点在于固定的三输入情景

最具决策相关性的结果不是有限长度构造，而是那个固定情景：在 3 输入、2 输出贝尔情景中存在一个关联集，它对所有数据库规模 n 都满足 IC，却仍包含后量子点。这是论文一次性击败所有已知表述所需的最小设定，也是读者判断这一失败有多强时应关注的地方。

需要留意的比较是 IC 满足集与几乎量子集之间的关系。反例位于几乎量子集之外，因此 IC 接纳了量子关联的一个真超集已经排除的关联。对于任何把 IC 视为量子关联候选原理的人来说，这一位置就是关键阈值。

有限长度的 ghostworld 结果与固定情景构造回答的是不同问题：前者表明对每个有限 n，在 n+1 输入情景中都存在含后量子关联的集合；后者表明单个 3 输入情景就已足以覆盖所有 n。后者是关于该原理覆盖范围的更强陈述，也是它回答了论文所要回答的问题。

本文引用的文献