4. CHSH不等式推导与经典边界

在上一节中,我们用单组测量方向上的关联函数描述了Bell型实验的基本结构。本节把讨论推进到真正可实验检验的形式——CHSH不等式。它的重要性在于:只要坚持“局域隐变量”这一假设,无论隐变量如何分布、如何取值,四个关联函数的某种线性组合都必须被限制在±2之间;而量子力学对某些测量方向组合给出的预测值可以达到2√2≈2.828。这个差距就是实验判定局域实在论是否成立的量化依据。

一、从局域隐变量假设到关联函数

先明确符号约定。设Alice在两种测量设置下进行测量,记为A₀、A₁,每种测量的结果取±1;Bob同样有两种设置B₀、B₁,结果也取±1。所谓“局域隐变量”,是指存在一个隐变量λ(可以是一个数,也可以是任意维度的向量),它按照某个概率分布ρ(λ)取值,并且满足两条要求:

  • 结果确定性:给定λ和测量设置,测量结果是确定的,即A₀(λ)、A₁(λ)、B₀(λ)、B₁(λ)都取±1。
  • 局域性:Alice的结果只依赖λ和她自己的设置,不依赖Bob的设置;Bob的结果同理。

在这个假设下,同一对设置(Aᵢ, Bⱼ)上的关联函数定义为

E(i, j) = ∫ Aᵢ(λ) · Bⱼ(λ) · ρ(λ) dλ

由于Aᵢ、Bⱼ都取±1,E(i,j)必然落在[-1, 1]内。注意这里的关联是“乘积期望”,而不是概率,这一点在后续编程中要严格对应。

二、CHSH组合与经典边界的推导

CHSH组合定义为

S = E(0,0) + E(0,1) + E(1,0) − E(1,1)

推导的关键技巧是:把S写成对λ的积分,被积函数是

s(λ) = A₀B₀ + A₀B₁ + A₁B₀ − A₁B₁
     = A₀(B₀ + B₁) + A₁(B₀ − B₁)

由于B₀、B₁各自取±1,两者之和与两者之差必有一个为0、另一个为±2。因此对任意λ,s(λ)只能取+2或−2。于是

|S| = |∫ s(λ)ρ(λ)dλ| ≤ ∫ |s(λ)|ρ(λ)dλ = 2

这就是经典边界:|S| ≤ 2。推导中只用到了结果取±1和局域性,没有对ρ(λ)做任何限制,因此这个边界对一切局域隐变量模型都成立。作为对照,量子力学在最优测量方向(如A₀、A₁取0°和45°,B₀、B₁取22.5°和−22.5°)下给出S=2√2,超出经典边界约41%。

CHSH组合的局域隐变量结构 隐变量 λ 分布 ρ(λ) Alice 测量 A₀(λ), A₁(λ) ∈ {+1,−1} 仅依赖 λ 与自身设置 Bob 测量 B₀(λ), B₁(λ) ∈ {+1,−1} 仅依赖 λ 与自身设置 关联函数 E(i,j)=∫Aᵢ(λ)Bⱼ(λ)ρ(λ)dλ E ∈ [−1, +1] 逐 λ 的被积函数 s(λ)=A₀(B₀+B₁)+A₁(B₀−B₁) (B₀+B₁) 与 (B₀−B₁) 必有一个为 0 → s(λ)=±2 → |S|≤2 经典边界 |S| ≤ 2 量子预测 2√2 ≈ 2.828

三、用蒙特卡洛模拟生成经典关联

要“验证”经典边界,最直接的方式是构造一个满足局域隐变量假设的随机模型,大量采样后统计S的分布,观察它是否被限制在±2以内。下面给出一个可运行的Python示例,参数均为教学示例设定。

import numpy as np

rng = np.random.default_rng(2024)
N = 200_000

# 隐变量:一个角度 theta ~ U[0, 2π),模拟任意分布的一种具体选择
theta = rng.uniform(0, 2*np.pi, N)

# 测量设置角度(弧度),Alice 与 Bob 各自独立选择
a0, a1 = 0.0, np.pi/4
b0, b1 = np.pi/8, -np.pi/8

def outcome(angle, lam):
    # 确定性局域响应:结果取 ±1
    return np.where(np.cos(angle - lam) >= 0, 1, -1)

A0 = outcome(a0, theta); A1 = outcome(a1, theta)
B0 = outcome(b0, theta); B1 = outcome(b1, theta)

E00 = np.mean(A0*B0); E01 = np.mean(A0*B1)
E10 = np.mean(A1*B0); E11 = np.mean(A1*B1)
S = E00 + E01 + E10 - E11
print(f"S = {S:.4f}")

这段代码中,隐变量λ取为均匀分布的角度θ,响应函数由cos(angle−λ)的符号决定,结果严格取±1,且Alice的响应不含Bob的角度、Bob的响应不含Alice的角度,因此完全满足局域隐变量假设。运行后S的典型输出会落在±2以内(例如约1.4左右,具体数值随随机种子变化),这就是经典模型能够达到的水平。

四、分布验证与结果判读

单次计算只给出一个S值,更有说服力的是重复实验并观察S的分布。做法是外层循环若干轮,每轮重新采样θ(或改变隐变量分布),记录S。若把每轮的样本量设为几千,会看到S在某个中心值附近波动,但绝不会越过±2。这正是经典边界的统计体现:它不是某一次实验的偶然限制,而是对全部局域隐变量模型的硬约束。

判读时要注意三点。第一,模拟中的“关联”必须是乘积期望E=⟨AB⟩,若误用概率或相关系数公式,S的量纲和边界都会改变。第二,采样量不足时S的波动较大,应报告标准误或置信区间,而不是只报一个点值。第三,若某组参数下模拟出的|S|明显超过2,首先应检查响应函数是否意外引入了非局域依赖(例如B的结果用到了Alice的设置),而不是急于宣称推翻了经典边界。

教学建议:把上面的响应函数改成“A的结果依赖B的设置”,再跑一次,会看到|S|可以超过2。这个对照实验能直观说明:CHSH边界被突破,等价于局域性假设被破坏,而不是数学推导出了问题。

五、从经典模拟到量子预测的衔接

经典蒙特卡洛给出的是|S|≤2这一侧的证据;要看到2√2,需要把响应函数换成量子力学给出的关联E(i,j)=−cos(θᵢ−θⱼ)(对自旋测量的情形),再代入同样的CHSH组合。此时最优角度组合下S=2√2。两条路径使用同一个S定义、同一套统计流程,差别只在关联函数的来源,这使得“经典边界”与“量子违背”成为可以直接对比的两个数值事实,也为后续实验数据处理与显著性分析打下基础。