Perché un modello esteso dell'elettrone?

È noto che nel Modello Standard le particelle elementari vengono modellizzate come puntiformi, tuttavia ciò porta a valori infiniti per alcune quantità che le caratterizzano, in particolare quelle legate alle mutue interazioni tra particelle e campi.
Nota: con l'aggettivo puntiforme si intende una particella elementare priva di qualsiasi struttura interna.

Vediamo ad esempio come si può definire l'energia di una particella carica a riposo in meccanica classica relativistica, considerando anche l'energia del campo elettrostatico da essa generato oltre alla sua energia di massa (vedi Wikipedia):

mc²=m₀c²+(1/2)∫ ε₀E²dV     (1.1)

dove E=F/e=e/4πε₀R² è il campo elettrico a distanza R dalla particella di massa m (F è la forza di Coulomb) ed ε₀ è la permittività elettrica del vuoto, mentre m₀ è la massa nuda della particella priva di campo elettrico*.
Nota: in tutti i post useremo, anche se non dichiarate, le unità di misura del sistema metrico internazionale SI.

Se ad esempio integriamo tra il raggio r ipotetico di un elettrone e il volume V=(4/3)πR³ che lo circonda all'infinito si ha:

(1/2)∫ ε₀E²4πR²dR=(1/2)∫ (e²/4πε₀R²)dR     (1.2)

posto dV=4πR²dR ed essendo E=e/4πε₀R². Quindi calcolando l'integrale tra r e infinito si ottiene:

-(e²/8πε₀R)|_r^∞=e²/8πε₀r     (1.3)

per cui l'energia complessiva dell'elettrone con il suo campo è (secondo la eq.1.1):

mc²=m₀c²+e²/8πε₀r.     (1.4)

Tuttavia ciò significa che se l'elettrone è puntiforme e il raggio r tende a 0 allora la sua energia mc² tende ad infinito**.

Nei  prossimi post mostreremo come sia possibile definire, secondo una proposta dell'autore, un modello esteso dell'elettrone dove tutte le quantità che lo definiscono sono finite, tenendo però conto che le attuali misure sperimentali indicano una dimensione della carica elettrica non superiore a circa 10^-19 metri, che è la migliore risoluzione degli odierni acceleratori di particelle***. 

Nota: come vedremo la carica elettrica del modello esteso in realtà è assunta come puntiforme mentre è la massa ad essere distribuita in modo esteso sulla superficie del modello.

(*) La massa nuda m₀ è un parametro libero della teoria che non è possibile misurare direttamente, poiché non possiamo separare una particella carica dal campo elettrico che essa stessa genera.

(**) Nelle teorie di campo quantistiche si usano procedure matematiche di rinormalizzazione per eliminare tali divergenze.
(***) Per le particelle-sonda che circolano negli acceleratori a velocità prossime a c si ha E=hc/λ da cui segue λ=hc/E e per E=10 TeV (energia massima raggiungibile da un acceleratore) si ha λ=1,2x10^-19 m (ricordando che 1 eV=1,6x10^-19 Joule).

NB: le equazioni sono indicate col numero di post e di formula: ad esempio (1.2) indica il post n.1 e la formula n.2.

ATTENZIONE
Per il seguito di questo post vedi il Blog Electron Extended Model dove verrà proposto dall'autore un modello dell'elettrone non puntiforme.

I Teoremi di Gödel, l'IA e... un'ipotesi di lavoro! (seconda parte)

Nel post precedente (a cui rimandiamo) abbiamo introdotto i Teoremi di incompletezza di Gödel con l'obiettivo di mostrare poi (in questo post) come essi ci pongano davanti ad una disgiunzione: o la mente umana è equivalente ad una macchina di Turing per quanto complessa oppure siamo in presenza di un fenomeno completamente nuovo, mai studiato prima.
Nota: vedi anche l'articolo "La disgiunzione di Gödel" di F. Beccuti.

Introduciamo quindi quella che è stata definita Macchina di Turing: in pratica questo termine indica uno qualsiasi degli attuali computer poiché essi sono realizzazioni fisiche di questa macchina ideale e universale in grado di eseguire qualsiasi algoritmo si possa formalizzare.

Come è noto si è dimostrata la perfetta equivalenza tra ogni sistema formale S e la macchina ideale di Turing: cioè è possibile programmare un computer che produca tutti e soli i teoremi di un dato sistema S e viceversa qualsiasi programmazione di un computer che produce formule, può essere rappresentata da un sistema formale S che derivi gli stessi risultati.

Quindi la scommessa dell'intelligenza artificiale è proprio quella di supporre che l'insieme delle capacità cognitive del nostro cervello, in particolare il processo del pensiero razionale, può essere completamente riprodotto ed espresso da un programma evoluto per computer.

L'obiezione più nota a questo programma di ricerca è quella del filosofo Lucas nel celebre articolo "Menti, Macchine e Gödel" (del 1961):
"Data qualsiasi macchina che sia coerente e capace di fare semplice aritmetica, c'è una formula che essa è incapace di produrre come vera - cioè la formula è indimostrabile nel sistema - ma noi la possiamo vedere come vera. Perciò nessuna macchina può essere un modello completo o adeguato della mente, le menti sono essenzialmente differenti dalle macchine"*.

Questa tesi segue proprio dall'argomento di incompletezza di Gödel, in particolare dal primo teorema (vedi il precedente post), ed è confermata dal Teorema di indefinibilità di Tarski (del 1936) che afferma che non è possibile definire la nozione di verità all'interno di un sistema formale.
Nota: si può definire la nozione di verità solo facendo una meta-analisi al di fuori del sistema, ad esempio usando la logica del secondo ordine.

Quindi sembrerebbe stabilita la tesi di Lucas secondo cui le nostre capacità cognitive, in particolare quelle che determinano il pensiero razionale, sono di certo superiori a quelle di una qualsiasi macchina o computer.

Tuttavia dobbiamo ricordare che il teorema di Gödel fa in effetti una affermazione che è del tutto condizionale:

"Se S è coerente allora G non è dimostrabile".

Ma la nostra mente è in grado di riconoscere se un qualunque sistema formale è coerente dato che questa proprietà non può essere provata all'interno del sistema?
Nota: se S non è coerente si può dimostrare G (ma anche non-G) quindi la mente potrebbe essere un sistema incoerente e dimostrare che G è vera.

E ciò dovrebbe valere per qualsiasi sitema formale (ad esempio sistemi più complessi che includono gli assiomi dell'infinito), perciò non è detto che la mente umana riesca sempre a riconoscere che un sistema è coerente.
Nota: la mente umana potrebbe essere un sistema coerente che non può dimostrare G (e quindi è incompleta) ma che non sa di essere coerente.

Lo stesso Gödel, che non era proprio un meccanicista, affermò nella Gibbs Lecture (del 1951), che potrebbe essere che "la mente umana (nel regno della matematica pura) [...] sia dunque equivalente ad una macchina finita che [però] è incapace di comprendere interamente il suo funzionamento".

In definitiva, chi si occupa di intelligenza artificiale o di processi cognitivi e apprendimento, è costretto a fare una ben definita scelta o ipotesi di lavoro:
a) la mente umana non è riducibile ad una macchina di Turing che computa, quindi dobbiamo studiare le sue capacità cognitive in modo del tutto nuovo, poiché non possiamo trattarla come se fosse un oggetto computazionale**;
oppure
b) il nostro cervello funziona come un computer per quanto evoluto, tuttavia se la nostra mente è coerente, siamo costretti ad accettare che ci siano dei problemi irresolubili, come ad esempio dimostrare la sua coerenza***.
Nota: per approfondire l'interessante tema mente-cervello vedi l'ottimo articolo di Paul e Patricia Churchland "Il problema mente-cervello".

(*) Per completare il sistema S potremmo aggiungere G come assioma, si otterrebbe però un sistema S' in cui c'è una nuova formula G' indecidibile e così via, senza risolvere il problema.
(**) Qui il punto è proprio quello di voler attribuire alla mente un carattere diverso da quello computazionale (e non tanto la sua eventuale somiglianza ad un computer che è solo un modello interpretativo).
(***) Se la mente segue le leggi della fisica può senz'altro essere simulata computazionalmente; in questo contesto cervello e mente si possono identificare: la mente (software) è una funzione del cervello (hardware).

(Per chiarimenti su questo post vedi l'ottimo video di Francesco Berto)

I Teoremi di Gödel, l'IA e... un'ipotesi di lavoro! (prima parte)

In questo e nel prossimo post vogliamo mostrare come i due Teoremi di incompletezza di Gödel (del 1931), sebbene non vietino in alcun modo che l'intelligenza artificiale si possa realizzare (nel senso di seguito specificato), ci impongono tuttavia di operare una scelta, o meglio un'ipotesi di lavoro.

Qui con il termine Intelligenza Artificiale (IA) intendiamo un suo aspetto peculiare, secondo cui un sistema meccanico che computa potrebbe pensare in modo umano; se si suppone inoltre che la mente umana non è altro che una macchina computazionale, la tesi dell'IA ne discende direttamente.

Quindi l'IA suppone che pensare è computare e in particolare si pone l'obiettivo di realizzare una macchina che possa pensare umanamente, in modo cioè che "il processo che porta il sistema intelligente a risolvere un problema ricalchi quello umano" (vedi Wkipedia).

Tuttavia prima di introdurre i teoremi di incompletezza, dobbiamo definire cosa si intende con sistema formale (vedi Wkipedia):
"In logica matematica la nozione di sistema formale è utilizzata per fornire una definizione rigorosa del concetto di dimostrazione"; in pratica un sistema formale è un insieme di regole per costruire dimostrazioni.
Nota: si suppone che il sistema sia corretto, cioè se gli assiomi sono veri i teoremi che si deducono con le regole di inferenza sono anch'essi veri.

In breve il problema che Gödel riesce ad esprimere in modo formale nei suoi teoremi è quello dell'autoreferenza (vedi Wikipedia) che si presenta quando una proposizione fa una affermazione su se stessa in modo circolare; un problema già noto agli antichi greci come il Paradosso del mentitore.

Si consideri quindi un sistema formale S, evoluto almeno quanto quello piuttosto semplice dell'aritmetica di Peano; Gödel riesce a formalizzare all'interno del sistema S la seguente frase G che afferma (di se stessa):

(G): G non è dimostrabile in S.

Ora se si suppone che S sia un sistema formale corretto e quindi prova solo cose vere, allora G non è dimostrabile, dunque G è vera: ma allora esiste una verità G che il sistema S non può dimostrare!
Nota: se G fosse dimostrabile allora G (che dice di non essere dimostrabile) sarebbe falsa e quindi S non sarebbe corretto perché dimostra una falsità.

Inoltre se G è vera la sua negazione non-G è falsa (per il Principio di bivalenza), perciò il sistema S non può provare nemmeno non-G e dunque l'enunciato G è indecidibile in S!

Nota: il principio di bivalenza afferma che per ogni proposizione P, o P è vera oppure P è falsa (vedi Wikipedia).

-> Enunciamo quindi il primo teorema di Gödel (vedi Wikipedia):

In ogni teoria matematica S sufficientemente espressiva da contenere l'aritmetica, esiste una formula ${\displaystyle \varphi }$G tale che, se S è coerente, allora né ${\displaystyle \varphi }$ G né la sua negazione ${\displaystyle \lnot \varphi }$ non-G sono dimostrabili in S.

Nota: con coerente si intende che S non è contraddittorio, d'altra parte se il sistema è corretto è anche coerente (non dimostrando falsità).

Si ricordi che se un sistema è incoerente si può dimostrare una certa proposizione P e la sua negazione non-P ma se così fosse qualsiasi proposizione potrebbe essere dimostrata vera (vedi Wikipedia); sarebbe quindi opportuno riuscire a dimostrare in modo certo la coerenza di S.

Tuttavia Gödel ruscì a mostrare formalmente che il seguente enunciato:

"Se S è coerente allora ciò implica G" 

si può dimostrare in S. Ma allora S non può dimostrare la sua coerenza altrimenti G sarebbe dimostrabile, e ciò è escluso dal primo teorema.

-> Ecco quindi il secondo teorema di Gödel (vedi Wikipedia): 

Sia S una teoria matematica sufficientemente espressiva da contenere l'aritmetica: se S è coerente, non è possibile provare la coerenza di S all'interno di S.

Nota: la coerenza dell'aritmetica fu poi dimostrata nel 1936 in ambito metamatematico da Gerhard Gentzen grazie agli ordinali transfiniti.

Nel prossimo post mostreremo come le argomentazioni espresse nei teoremi di Gödel non siano conclusive sulla possibile realizzazione dell'IA, ma ci impongano una scelta ben precisa nell'approccio alla comprensione delle nostre capacità cognitive e quindi della nostra mente.

(Per chiarimenti su questo post vedi l'ottimo video di Francesco Berto)

Stati misti, intrecciati e...

Come detto nel post "Stati puri, miscele e sovrapposizioni!", analizzeremo un sistema composto da due elettroni e verificheremo se si tratta di uno stato di spin puro o misto grazie alla matrice densità prima definita*. 

Consideriamo ad esempio un sistema composto da due elettroni preparati separatamente nei seguenti stati di spin:

|Ψ>=ψ_u|u>+ψ_d|d>   e   |Φ>=φ_u|u>+φ_d|d>.

Lo stato prodotto che descrive il sistema combinato è:

|ΨΦ>=(ψ_u|u>+ψ_d|d>)⊗(φ_u|u>+φ_d|d>)

quindi sviluppando il prodotto tensoriale indicato con ⊗ si ottiene:

|ΨΦ>=ψ_uφ_u|uu>+ψ_uφ_d|ud>+ψ_dφ_u|du>+ψ_dφ_d|dd>.

con le condizioni di normalizzazione:

ψ_uψ_u+ψ_dψ_d=1   e   φ_uφ_u+φ_dφ_d=1.

Nota: ψ_u è il complesso coniugato di ψ_u e lo stesso vale per gli altri valori.

Tuttavia si osservi che in generale un sistema composto da due elettroni è descritto dal seguente stato di spin:

|Ψ>=ψ_uu|uu>+ψ_ud|ud>+ψ_du|du>+ψ_dd|dd>

che non è sempre rappresentabile da uno stato prodotto (vedi sopra) e per il quale vale la condizione di normalizzazione:

ψ_uuψ_uu+ψ_udψ_ud+ψ_duψ_du+ψ_ddψ_dd=1.

Nota: questo stato combinato è detto stato entangled (o intrecciato) proprio perché non può essere fattorizzato in due stati separati.

Ad esempio consideriamo una coppia di elettroni, preparata con spin opposti, il cui stato combinato non fattorizzabile è:

|Ψ>=(1/2)^1/2|ud>+(1/2)^1/2|du>

dove la somma degli stati |ud> e |du> rappresenta due coppie di elettroni con spin opposti in sovrapposizione quantistica, mentre il fattore (1/2)^1/2 indica che la misura di uno dei due stati è equiprobabile poiché:

ψ_udψ_ud=ψ_duψ_du=1/2.

Nota: possiamo ad esempio pensare al caso descritto nell'esperimento EPR (per chiarimenti vedi il post "Un esperimento chiave: EPR").

Calcoliamo quindi la matrice densità, già introdotta nel post "Stati puri, miscele e sovrapposizioni!" e così definita:

ρ=|Ψ><Ψ/=(1/2)(|ud>+|du>)(<ud|+<du|)

dalla quale svolgendo il prodotto si ottiene:

ρ=(1/2)(|ud><ud|+|ud><du|+|du><ud|+|du><du|).

Premesso che indicheremo i vettori colonna come vettori riga trasposti, scegliamo due vettori di base: |u>=(1,0)^T e |d>=(0,1)^T (dove T indica la matrice trasposta)** e sviluppiamo i prodotti tensoriali:

|ud>=(1,0)^T⊗(0,1)^T=(0,1,0,0)^T   ,   |du>=(0,1)^T⊗(1,0)^T=(0,0,1,0)^T

 <ud|=(1,0)⊗(0,1)=(0,1,0,0)   ,   <du|=(0,1)⊗(1,0)=(0,0,1,0).

Quindi, svolgendo i prodotti sopra definiti, si ottiene la matrice [4x4]:

Ora come già visto nel precedente post, gli elementi di ρ sono i prodotti delle ampiezze di probabilità per i coniugati; in particolare nel nostro caso risulta:

ψ_udψ_ud=ψ_udψ_du=ψ_duψ_ud=ψ_duψ_du=1/2 

mentre gli altri elementi di ρ sono tutti nulli.

A questo punto possiamo verificare facilmente la relazione ρ=ρ² (basta moltiplicare la matrice ρ per se stessa); ciò significa che siamo in presenza di uno stato puro quindi la conoscenza del sistema combinato è completa***.
Nota: lo stato del sistema è stato preparato con spin nullo perciò è puro, inoltre ciò implica una forte correlazione tra gli spin delle due particelle (poiché se un elettrone è misurato up l'altro è down e viceversa).

Tuttavia la matrice densità ρ riguarda tutto il sistema combinato mentre noi vorremmo descrivere lo stato di ogni singolo elettrone (detti A e B).
A questo scopo la matrice densità ridotta permette di studiare uno dei due sottosistemi (supponiamo A) ed è così definita:

ρ_A=∑<i|(|Ψ><Ψ|)/i>=Tr_Bρ

rispetto ad una base di vettori |i> del sistema B.

Nota: Tr_B è l'operatore traccia parziale sulla base di B; in modo equivalente si ha ρ_B=Tr_Aρ. Inoltre se |Ψ> è uno stato prodotto risulta ρ=ρ_A⊗ρ_B.

Perciò nel caso considerato possiamo calcolare la matrice ridotta dello stato di spin dell'elettrone A (oppure di quello B) e risulta:

ρ_A=1/2(|u><u|+|d><d|)=1/2(1,0)^T(1,0)+1/2(0,1)^T(0,1)=(1/2)I

dove con I abbiamo indicato la matrice identità; da ciò si deduce subito che ρ_A≠ρ_A² cioè siamo in presenza di uno stato composto(!)
Nota: I è una matrice diagonale con tutti gli elementi pari a 1 perciò I²=I.

Ciò significa che gli stati dell'elettrone A (oppure di quello B) non sono in sovrapposizione quantistica, l'incertezza sullo spin è in realtà dovuta alla non completa conoscenza dello stato del sottosistema-elettrone e la probabilità statistica che lo spin sia up oppure down è pari a 1/2.
Nota: a differenza della meccanica classica però, nemmeno in linea di principio si può definire lo stato del sistema A (o B) prima della misura.

È interessante osservare che il famoso Paradosso del gatto di Schrödinger può essere trattato come lo stato entangled che abbiamo ora considerato; ciò significa che anche in quel caso non si ha sovrapposizione di due stati distinti (vivo e morto) poiché il sottosistema "gatto" si trova in uno stato misto di tipo statistico e quindi non è di natura quantistica.

(*) Nel precedente post abbiamo definito, per uno stato puro, la matrice densità ρ=|Ψ><Ψ/ per la quale risulta ρ²=|Ψ><Ψ/|Ψ><Ψ/=ρ; invece per uno stato misto si pone ρ=∑p_i|Ψ_i><Ψ_i/ dove p_i è la probabilità che il sistema si trovi nello stato i-esimo e in questo caso risulta ρ≠ρ².
(**) Si osservi che i vettori di base scelti soddisfano correttamente le condizioni di ortonormalità: <u|u>=<d|d>=1 e <u|d>=<d|u>=0.
(***) Le teorie a variabili nascoste affermano invece che la conoscenza quantistica del sistema composto non è completa proprio perché lo stato dei singoli sottositemi non è definito con certezza.

Stati puri, miscele e sovrapposizioni!

Come è noto, definito uno stato |Ψ> di un qualsiasi sistema quantistico la sua evoluzione temporale, una volta fissato lo stato iniziale, è descritta dalla equazione di Schrödinger (vedi Wikipedia), scritta nella notazione di Dirac:

i(h/2π)∂|Ψ>/∂t=H|Ψ>

dove il valore medio dell'operatore hamiltoniano <H> rappresenta il valore di aspettazione dell'energia del sistema.

Si osservi che qui ci limitiamo a trattare il caso di uno spazio finito-dimensionale (cioè definito da n vettori di base |i>) per il quale si ha:

|Ψ>=∑ψ_i|i>

dove ψ_i sono le ampiezze di probabilità relative ai vettori di base |i>.
Nota: per chiarimenti sul vettore di stato di un sistema quantistico vedi i post "I numeri Compessi e la M.Q." e "Le grandezze Osservabili!".

È però possibile dare una descrizione alternativa ma equivalente a quella di Schrödinger definendo il seguente Operatore di densità*:

ρ=|Ψ><Ψ/

dove ρ è rappresentato da una matrice quadrata che si ottiene moltiplicando il vettore colonna |Ψ> per il suo duale vettore riga <Ψ/.
Nota: l'operatore |Ψ><Ψ/ è un proiettore poiché applicato ad uno stato /Φ> si ha |Ψ><Ψ/Φ>=k|Ψ> con z=<Ψ/Φ> (cioè proietta /Φ> lungo |Ψ>).

Poiché il vettore di stato è definito rispetto ad una base ortonormale di vettori |i> si ha che gli elementi di matrice ρ_ij sono dati da**

ρ_ij=<i|ρ/j>

da cui segue subito (sostituendo ρ=|Ψ><Ψ/ ed essendo ψ_i=<i|Ψ>):

ρ_ij=<i|Ψ><Ψ/j>=ψ_iψ_j

cioè gli elementi di ρ sono i prodotti delle ampiezze di probabilità (associate ai vettori di base dello stato considerato) per i coniugati.
Nota: quando i=j il prodotto ψ_iψ_i=|ψ_i|² rappresenta la probabilità che il sistema venga misurato nello stato i-esimo.

Inoltre se abbiamo a che fare con un sistema il cui stato non è ben definito, ma è dato da un ensemble statistico di stati possibili {Ψ_i} si può porre:

ρ=∑p_i|Ψ_i><Ψ_i/

dove p_i è la probabilità statistica che il sistema si trovi nello stato i-esimo: in pratica si esegue la media pesata su tutti gli stati possibili del sistema.
Nota: la probabilità p_i è di tipo statistico poiché è dovuta alla non esatta conoscenza dello stato del sistema (non è di natura quantistica).

Si parla quindi di stato puro quando le p_i sono tutte nulle tranne una (pari a 1), mentre negli altri casi avremo uno stato misto poiché si determina una media pesata su tutti gli stati |Ψ_i> in cui si potrebbe trovare il sistema.

Facciamo subito un esempio di stato puro e consideriamo lo stato di spin di un singolo elettrone (vedi il post "I numeri Complessi e la M.Q.") che può essere descritto in generale (ad es. rispetto alle basi |u> e |d> lungo Z):

|Ψ>=ψ_u|u>+ψ_d|d>.

Ciò significa che, dato uno spin preparato in uno stato qualunque |Ψ> e un apparato di misura orientato lungo l'asse Z, i prodotti ψ_uψ_u e ψ_dψ_d sono le rispettive probabilità che lo spin si trovi nello stato |u> oppure |d>.
Nota: secondo i postulati quantistici, prima della misura lungo Z gli stati |u> e |d> sono in sovrapposizione quantistica.

Si ricordi infatti che il principale postulato della meccanica quantistica stabilisce che il prodotto ψ_iψ_i (cioè |ψ_i|²) dà la probabilità che il sistema si trovi nello stato i-esimo (ψ_i è il complesso coniugato di ψ_i).

Perciò, come mostrato sopra, le componenti della matrice ρ sono:

ρ_uu=ψ_uψ_u , ρ_ud=ψ_uψ_d , ρ_du=ψ_dψ_u , ρ_dd=ψ_dψ_d

e in particolare risulta: Trρ=∑ρ_ii=∑ψ_iψ_i=1.
Nota: Tr è l'operatore traccia cioè la somma degli elementi ψ_iψ_i della diagonale di ρ quindi si ha Trρ=1 (essendo normalizzata a 1).

Ad esempio se prepariamo (misuriamo) lo stato di spin dell'elettrone nella direzione dell'asse X positivo (detto stato right) allora possiamo scrivere (vedi il post "I numeri Complessi e la M.Q."):

|Ψ_r>=(1/2)^1/2|u>+(1/2)^1/2|d>

quindi risulta per tutti gli elementi della matrice ρ [2x2]:

ρ_uu=ρ_ud=ρ_du=ρ_dd=1/2

dove correttamente si ha Trρ=ρ_uu+ρ_dd=1/2+1/2=1 (cioè la condizione di normalizzazione ψ_uψ_u+ψ_dψ_d=1 è soddisfatta).
Nota: perciò la probabilità che lo spin, misurato lungo l'asse Z, sia up oppure down è pari a 1/2.

Ma ciò che risulta di grande interesse è che per uno stato puro, come quello appena trattato, vale la condizione*** ρ=ρ² e ciò ci permette di distinguere, come vedremo nel prossimo post, uno stato puro da uno stato misto!
Nota: moltiplicando per se stessa la matrice ρ composta da elementi uguali a 1/2 si ottiene di nuovo la matrice ρ.

(*) L'evoluzione di ρ è descritta dalla equazione di Von Neumann:
i(h/2π)∂ρ/∂t=[H,ρ] dove [H,ρ]=Hρ-ρH è il commutatore di H e ρ. 
(**) Posto |Ψ>=∑ψ_j|j> si ha <i|Ψ>=∑ψ_j<j|i>=ψ_i poiché solo quando j=i si ha <i|i>=1; inoltre dato un operatore A risulta A_ij=<i|A/j> infatti possiamo scrivere <i|A|Ψ>=∑ψ_j<i|A|j>=∑ψ_jA_ij $<=$$>$ <i|A|Ψ>=<i|∑Φ_j|j>=Φ_i (per j=i), che rappresenta l'equazione A|Ψ>=|Φ> in forma matriciale.
(***) Per uno stato puro si ha ρ=|Ψ><Ψ/ quindi ρ²=|Ψ><Ψ/Ψ><Ψ/=ρ essendo per la condizione di normalizzazione <Ψ/Ψ>=1.

Informazione, codici e bit!

È proprio grazie all'entropia informazionale (trattata nel post "L'Entropia dell'informazione") che si può rispondere ad una fondamentale questione relativa alla memorizzazione e trasmissione di un messaggio:
"Qual è il numero minimo di bit che servono per memorizzare in media il messaggio di una sorgente?" (vedi Wikipedia).
Nota: si vuole cioè stabilire la quantità minima di bit che si devono trasmettere per comunicare un dato messaggio.

Ricordiamo che nel post "L'Entropia dell'Informazione" abbiamo definito l'entropia H(x) di una sorgente discreta (con un numero finito di elementi):

H(x)=<I(x)>

dove <I(x)> è il contenuto medio di informazione della sorgente: 

<I(x)>=∑P(x_i)ln(1/P(x_i))

mentre P(x_i) definisce la probabilità che ogni simbolo x_i venga trasmesso.

In particolare se P(x) è la stessa per tutti i simboli (cioè P(x)=1/N) risulta:

<I(x)>=ln(1/P(x))=I(x).

Nota: se P(x)=1/N si ha <I(x)>=∑(1/N)lnN=lnN=I(x) essendo ∑(1/N)=1.

Si dimostra in generale che <I(x)>≤I(x) quindi l'entropia è sempre minore (o al massimo uguale) del contenuto di informazione* di una sorgente che trasmette simboli equiprobabili, cioè risulta: H(x)≤I(x).

Ora nella trasmissione di dati si sceglie quasi sempre la codifica binaria (indicata dai simboli 0 e 1)** — sia per semplicità (perché è costituita da soli due simboli) ma soprattutto per affidabilità (poiché è difficile confondere fisicamente i due simboli) — la cui unità di informazione è detta bit.

Il contenuto di informazione I(x), per questo tipo di sorgente a due valori, viene definito in base-2:

I(x)=log₂(1/P(x))

e se l'emissione dei due simboli è equiprobabile (cioè P(x)=1/2) si ha:

I(x)=log₂(1/P(x))=1 bit

che è l'unità minima di informazione binaria.

Nota: per cambiare unità di misura e passare da bit a nat (cioè da log₂ a ln) basta porre lnx=log₂x/log₂e≈log₂x/1,4 (per le proprietà dei logaritmi).

In particolare con soli due simboli è possibile creare stringhe (cioè sequenze di 0 e 1) la cui lunghezza n determina 2ⁿ messaggi distinti; per esempio con stringhe composte da 3 bit possiamo codificare 2³=8 messaggi diversi:

000 001 011 111 110 100 101 010

a cui possiamo far corrispondere altrettanti simboli.

Nota: ad esempio possiamo far corrispondere i numeri da 1 a 8 oppure i giorni della settimana (in questo caso sfrutteremmo solo 7 codici).

Ma vediamo un esempio legato all'alfabeto inglese composto da 26 lettere: se ogni lettera fosse trasmessa in modo equiprobabile (P(x)=1/26) il contenuto di informazione per ogni simbolo sarebbe:

I(x)=log₂(1/P(x))=log₂26≈4,7 bit.

Quindi dovremmo utilizzare esattamente 5 bit per comporre messaggi con l'alfabeto inglese e codificarli in binario***.
Nota: essendo 2⁵=32 sono disponibili sufficienti combinazioni binarie per codificare tutte le 26 lettere dell'alfabeto inglese.

Tuttavia sappiamo che ogni lettera dell'alfabeto viene usata con frequenze diverse (non solo nella lingua inglese) e quindi è opportuno calcolare il contenuto medio di informazione o entropia della sorgente:

H(x)=∑P(x_i)ln(1/P(x_i))

dove le P(x_i) sono le probabilità di ogni lettera calcolate empiricamente.
Nota: un recente studio ha stabilito statisticamente il contenuto medio di informazione dell'alfabeto inglese pari a <I(x)>≈4,1 bit/simbolo.

Facciamo un altro esempio, consideriamo una sorgente S con soli quattro simboli:

S{A, B, C, D} 

che possiamo codificare utilizzando una sorgente binaria:

A=00, B=01, C=10 e D=11.

Supponiamo inoltre che le probabilità di emissione dei simboli sia diversa:

P(A)=1/2, P(B)=1/4 e P(C)=P(D)=1/8

possiamo quindi calcolare l'entropia della sorgente in base-2:

H(x)=∑P(x_i)log₂(1/P(x_i))=(1/2)*1+(1/4)*2+2*(1/8)*3=1,75 bit/simbolo.

Si noti che se la probabilità di emissione fosse la stessa (cioè P(x)=1/4) avremmo:

H(x)=log₂(1/P(x))=2 bit/simbolo

poiché l'entropia è in generale maggiore se i simboli sono equiprobabili.

Ora però ci chiediamo (data la diversa frequenza dei simboli) se non sia possibile ottimizzare il codice, in modo da utilizzare il minor numero possibile di bit nella trasmissione di messaggi.

Proponiamo quindi il seguente abbinamento simbolo-codice:

A=0, B=10, C=110 e D=111.

Nota: coerentemente ai simboli con maggior frequenza facciamo corrispondere meno bit e viceversa (come accade nel codice Morse).

Calcoliamo quindi il numero medio <N(x)> di bit usati per ogni simbolo:

<N(x)>=∑N(x_i)P(x_i)=1*1/2+2*(1/4)+2*3*(1/8)=1,75 bit/simbolo

dove N(x_i) è il numero di bit dell'i-esimo simbolo e risulta <N(x)>=H(x).
Nota: abbiamo semplicemente calcolato la media pesata del numero di bit usati per ogni simbolo trasmesso.

Il risultato H(x)=<N(x)> è notevole poiché ciò significa, secondo il primo teorema di Shannon, che questa è la migliore codifica possibile(!)
Nota: il teorema è valido per una sorgente senza memoria, cioè quando ogni simbolo viene trasmesso in modo indipendente dal precedente.

Si osservi che se usassimo la codifica precedente, con lo stesso numero di bit per ogni simbolo, si avrebbe:

<N(x)>=∑N(x_i)P(x_i)=2*1/2+2*(1/4)+2*2*(1/8)=2 bit/simbolo

confermando che in generale risulta: H(x)≤<N(x)>.

(*) Si osservi che il contenuto o meglio la misura dell'informazione non riguarda il significato di un messaggio ma la sua composizione in simboli.
(**) In quasi tutti gli elaboratori elettronici si usa la logica binaria, rappresentata fisicamente da due diversi livelli di tensione elettrica.
(***) Calcoliamo ad esempio il contenuto minimo di informazione necessario per esprimere un orario in forma digitale: 00:00:00.
In totale gli stati dell'orario sono: 24 (ore) x 60 (min.) x 60 (sec.) = 86.400 stati, quindi I(x)=log₂86.400=16,4 bit.
In effetti per esprimere l'orario nel formato voluto dobbiamo considerare: I(ore)+I(min.)+I(sec.) dove I(ore)=log₂24=4,6 bit (quindi 5 bit) e I(min.)=I(sec.)=log₂60=5,9 bit (cioè 6 bit) perciò servono 5+6+6=17 bit.

L'Entropia dell'Informazione

In generale "l'informazione è l'insieme di dati, correlati tra loro, con cui un'idea (o un fatto) prende forma ed è comunicata" (vedi Wikipedia).

Tuttavia la definizione data sopra può essere meglio specificata. In particolare nel campo dell'elaborazione e della trasmissione dei dati si afferma che l'informazione è il fattore che diminuisce l'incertezza sulla conoscenza di un evento.
Ci poniamo quindi il problema di come misurare l'informazione associata alla comunicazione (o meglio conoscenza) di un evento*.

Introduciamo quindi una nuova definizione, proposta da Claude Shannon, che specifica il contenuto di informazione di un dato messaggio relativo alla comunicazione di un evento.
Se assegnamo ad un evento x la probabilità P(x) di verificarsi, il contenuto di informazione I(x) della comunicazione dell'evento è così definito:

I(x)=ln(1/P(x))

o anche per le proprietà dei logaritmi: I(x)=-lnP(x).

Quindi questa definizione di contenuto di informazione è legata alla probabilità che un evento si possa verificare e non al contenuto semantico di un messaggio, come vedremo meglio di seguito.
Nota: ln indica il logaritmo naturale ma se la sorgente è, ad esempio, binaria si userà il logaritmo in base-2 per definire I(x) (misurata in bit).

Si osservi che questa particolare definizione è l'unica che rispetta, grazie alle proprietà dei logaritmi, i seguenti requisiti (vedi Wikipedia):
1) se l'evento è certo (cioè P(x)=1) allora il contenuto di informazione della comunicazione è nullo (poiché I(x)=ln1=0);
2) poiché in generale P(x)≤1 l'informazione aumenta (I(x)->∞) al diminuire della probabilità dell'evento (cioè quando P(x)->0);
3) dati due eventi indipendenti x e y la probabilità che si verifichino entrambi è P(x,y)=P(x)P(y) quindi in questo caso: I(x,y)=I(x)+I(y).
Nota: la definizione del contenuto di informazione può essere estesa a due (o più eventi): I(x,y)=ln(1/P(x,y))=ln[(1/(P(x))(1/P(y))]=I(x)+I(y).

In generale una data informazione viene generata da una sorgente che trasmette un insieme di simboli x_i (ad esempio le lettere dell'alfabeto) ciascuno caratterizzato da una certa probabilità P(x_i) di essere trasmesso dalla sorgente, che può anche essere la stessa per tutti i simboli.
Nota: ciò significa che la trasmissione di ogni simbolo della sorgente viene valutato come un evento con la sua probabilità.

Perciò il contenuto medio <I(x)> di informazione per una data sorgente è definito dalla seguente relazione:

<I(x)>=∑P(x_i)ln(1/P(x_i))

si calcola cioè il valore medio di I(x) pesandolo con i coefficienti P(x_i).

Possiamo quindi definire la quantità H(x) detta entropia della sorgente:

H(x)=k<I(x)> 

che viene misurata in nat/simbolo (se poniamo k=1).
Nota: se invece poniamo k=1/ln2 possiamo esprime l'entropia in base-2 (poiché vale la relazione log₂x=lnx/ln2).

In particolare se la probabilità è la stessa per tutti gli N simboli (cioè se P(x_i)=1/N) allora H(x)=∑(1/N)lnN=lnN (essendo ∑(1/N)=1) e quindi 

H(x)=I(x).

Nota: si può dimostrare che <I(x)>≤I(x) quindi in generale: H(x)≤I(x).

Poiché come abbiamo visto I(x)÷1/P(x) si può affermare che H(x) misura l'incertezza o meglio il livello di casualità di una data sorgente. Ma per quale motivo la grandezza H(x) viene chiamata entropia?

Per capirlo ricordiamo innanzitutto che in termodinamica per definire l'entropia statistica – introdotta per la prima volta da Ludwig Boltzmann (vedi il post "L'Entropia secondo Boltzmann") – si considera ad esempio un sistema composto da N particelle distribuite sui vari livelli di energia E_i.

Quindi il numero di tutti i possibili microstati, corrispondenti ad un macrostato assegnato, è dato da (posto N=∑n_i):

W=N!/(n₁!n₂!n₃!...)

dove n₁, n₂, n₃... è il numero di particelle per ogni livello E₁, E₂, E₃... e l'entropia termodinamica è per definizione pari a

S=K_BlnW

dove K_B è la costante dimensionale di Boltzmann.
Nota: nel post "Entropia statistica e termodinamica" abbiamo dimostrato l'equivalenza fisica della definizione statistica e quella termodinamica (qui invece l'equivalenza tra entropia e informazione è solo formale).

Ora si può dimostrare per N molto grande la seguente relazione**, che come vedremo giustifica il nome di entropia attribuito al valore H(x)=<I(x)>:

lnW≈N∑P(n_i)ln(1/P(n_i)) ≡ N<I(x)>

dove P(n_i)=n_i /N è la probabilità di trovare le particelle nello stato E_i; ma può anche indicare, come visto sopra, la probabilità che un dato simbolo x_i venga trasmesso da una sorgente.

Quindi in definitiva si può scrivere:

S=K_BlnW≈K_BN<I(x)>

avendo definito <I(x)>=∑P(x_i)ln(1/P(x_i))).
Nota: nella analogia con H(x), la quantità N non indica il numero di simboli della sorgente ma il numero totale di simboli trasmessi.

Perciò se il numero N di particelle è molto grande la definizione delle due entropie è formalmente equivalente risultando:

S÷H(x).

Nota: ad ogni modo la definizione di H(x) resta valida per qualsiasi sorgente e non solo quando N è molto grande.

Tale equivalenza formale ha spinto Léon Brillouin ad affermare che in realtà al contenuto di informazione <I(x)> corrisponde fisicamente una entropia termodinamica pari a S=K_B<I(x)>, da calcolare ad esempio nel computo dell'entropia di un sistema in cui si fa uso di bit d'informazione***.
Nota: cioè Brillouin ipotizza che acquisire informazione non è mai gratis ma ha sempre un costo in termini di energia.

(*) Con il termine incertezza di un evento in pratica si collega l'informazione alla probabilità che questo si possa verificare: per esempio sapere che ad agosto ha piovuto contiene più informazione di sapere che a novembre pioverà (essendo più probabile).
(**) Per l'approssimazione di Stirling se N è molto grande vale la relazione lnN!≈NlnN-N ed essendo lnW=lnN!-ln(n₁!n₂!n₃!...) segue la relazione: lnW≈NlnN-∑n_ilnn_i (posto N=∑n_i); perciò poiché n_i=NP(n_i) si ha lnW≈N∑P(n_i)ln(1/P(n_i)) (essendo ∑P(n_i)=1).
(***) Il paradosso del diavoletto di Maxwell, che sembra violare il secondo Principio della termodinamica, può essere spiegato proprio grazie all'introduzione di S=K_B<I(x)> nel calcolo dell'entropia del sistema.
(Tuttavia la soluzione generale al paradosso deriva dal Principio di Landauer secondo cui l'eliminazione di 1 bit di informazione produce una quantità ciclica minima di calore non eliminabile pari a K_BTln2).