1984・量子隨機微積分：Hudson–Parthasarathy 的量子 Itô 表#

「古典的噪聲在交換律裡跳舞，量子的噪聲卻在非交換的鏡廳裡低語。」 本案時間：1984 年，地點：英國諾丁漢與印度新德里之間，報案人：量子光學與開放量子系統。

案發現場#

1970 年代末的量子光學實驗室，處處是不服管教的噪聲。

雷射照在原子上，原子自發輻射，腔場不斷漏光。物理學家手上有兩套語言：一套是薛丁格方程，么正、優雅、可逆；另一套是主方程，不可逆、耗散、充滿唯象的阻尼項。兩者之間，缺了一座橋。

更麻煩的是，古典的 Itô 微積分幫不上忙。Wiener 過程 \(W\) 是交換的、可對易的，但量子場的產生與湮滅算符不對易。把 \(dW\) 硬套到量子場上，就像拿指紋刷去採集聲紋——工具錯了。

當時的嫌疑名單上有三條線索。第一，Gardiner 與 Collett 的量子 Langevin 方程，物理直覺強，但數學上站不穩。第二，Davies 的半群理論，能描述開放系統，卻看不見噪聲的軌跡。第三，Accardi 等人的量子隨機過程，方向正確，但缺少一張像 Itô 表那樣好用的乘法表。

Hudson 是數學家，Parthasarathy 是機率學家。兩人盯著 Fock 空間，心裡有同一個疑問：如果布朗運動可以長在 Wiener 空間上，那麼量子噪聲能不能長在玻色 Fock 空間上？如果可以，它的微分乘法表長什麼樣子？

1984 年，答案以一篇近五十頁的長文現身。量子隨機微積分，正式立案。

偵查過程#

偵探的第一步，是選定案發現場的地基：對稱 Fock 空間 \(\Gamma\) 。

古典機率把樣本空間建成 \(L^2\) ，量子版本則把噪聲的家建成 Fock 空間。時間指標 \(t\) 切出一個連續張量積結構，過去與未來在此分解。這一步，讓「適應過程」與「未來增量」有了非交換的定義。

接著，兩人傳喚了三名關鍵證人。它們是作用在 Fock 空間上的基本過程：湮滅過程 \(A\) 、產生過程 \(A^\dagger\) 、規範（守恆）過程 \(\Lambda\) ，再加上時間 \(t\) 。任何量子隨機積分，都是對這四者的線性組合。

下表是問訊筆錄：每個過程的直覺，以及它對應的古典親戚。

重頭戲是量子 Itô 表。它規定了微分之間的乘法，是全案的指紋庫。

其餘乘積皆為零。這張表要這樣讀：湮滅之後接產生，會留下一個時間增量 \(dt\) ；順序反過來， \(dA^\dagger\,dA = 0\) ，什麼也不剩。非交換性，就藏在這個不對稱裡。

有了乘法表，量子 Itô 公式水到渠成。設 \(X\) 與 \(Y\) 為量子隨機積分，則乘積的微分滿足 familiar 的 Leibniz 修正：

其中最後一項由上表計算。這正是古典 Itô 公式 \(dW\,dW = dt\) 的非交換擴張。古典世界只有一條規則，量子世界有整整一張表。

最後的收網，是一條隨機微分方程，即 Hudson–Parthasarathy 方程。設 \(U\) 為么正演化， \(L\) 為耦合算符， \(H\) 為哈密頓量， \(S\) 為散射算符，則：

偵探用 Itô 表驗算 \(d(U^\dagger U) = 0\) ，確認 \(U\) 恆為么正。這一步叫「么正稀釋」：不可逆的主方程，被稀釋成大系統裡的可逆么正演化，再對環境求跡，就回到耗散動力學。耗散不再是公設，而是纏結後的側寫。

一句话結論：Hudson 與 Parthasarathy 把開放系統的不可逆性，翻譯成 Fock 空間上的么正隨機旋轉。

結案報告#

1984 年一案，把量子噪聲從唯象描述變成了嚴格微積分。

直接成果有三。第一，量子光學的主方程、Langevin 方程都有了嚴格推導，不再各說各話。第二，Belavkin 在此基礎上建起量子濾波理論：連續測量下的條件態，滿足量子 Zakai 與 Kushner–Stratonovich 方程。第三，量子控制與量子回授，從此有了與古典隨機控制對等的語言。

在歷史年表裡，本案是 1942 年 Itô 積分的量子分身。古典分支走向金融與濾波，量子分支走向光學與量子資訊。兩條線在數學結構上同源，在物理詮釋上分家。

未解的餘燼也留下來了：費米子噪聲、自由機率、量子行走，都在問同一件事——非交換的世界裡，Itô 表還能長出多少種？後來的量子 Lévy 過程與 Evans–Hudson 流，都是這樁舊案的續集。

案件狀態：已破案，工具箱永久開放。

證據與工具#

本節封存關鍵證物，供後續探員直接取用。

證物一，量子 Itô 乘法表速查（行表頭為左乘，列表頭為右乘，表元為乘積）：

證物二，么正性驗算要點。設係數滿足 \(S^\dagger S = I\) 且 \(H = H^\dagger\) ，則生成元的反厄米部分恰被 Itô 修正項抵銷。這是 Lindblad 形式 \(\mathcal{L}(\rho)\) 出現 \(L\rho L^\dagger - \tfrac{1}{2}\{L^\dagger L, \rho\}\) 的隨機根源。

證物三，退化到古典的路徑。若取 \(S = I\) 、 \(L = L^\dagger\) ，則正交組合 \(A + A^\dagger\) 滿足與 Wiener 過程相同的交換關係，量子方程退化為古典擴散的么正擴張。古典 Itô 表 \(dW\,dW = dt\) ，正是量子大表的一角。

探員實驗建議：先默寫全表，再手算一次 \(d(U^\dagger U)\) ；若算不出零，表示乘積順序弄反。記住本案格言——量子世界裡，先後次序就是證詞本身。

補充：程式實作#

對應程式#

• 1942-ito_isometry.py：以古典 Itô 等距的蒙地卡羅驗證，從量子角度解讀為量子 Itô 表的交換投影；本程式與 1942 年 Itô 積分篇共用，不另寫量子模擬器。

理論呼應#

本文核心是量子 Itô 表，其中 \(dA\,dA^\dagger = dt\) 一式正是古典規則 \(dW\,dW = dt\) 的非交換源頭。 若取正交組合 \(W = A + A^\dagger\) 並限制在交換子代數上，量子大表即投影為古典 Itô 等距 \(E[(\int H\,dW)^2] = E[\int H^2\,dt]\) 。 程式以 \(H = W\) 的實例驗證 \(I = \int_0^1 W\,dW = (W_1^2 - 1)/2\) 的均值為零、變異數為 \(1/2\) 。 右端點和均值漂為 \(1\) ，恰好呼應 \(dA^\dagger\,dA = 0\) 的警示：順序一錯，Itô 修正即面目全非。

執行方式#

在 隨機微積分 目錄下執行 python3 _code/1942-ito_isometry.py 。

實測輸出#

Ito int_0^1 W dW left-sum Npaths=50000 Nsteps=500
left  mean=0.00069 (theory 0) var=0.49831 (theory 0.5)
right mean=1.00047 (theory 1.0)
VERIFY 1942 Ito isometry: mean=0.00069 var=0.49831 right_mean=1.00047 PASS

讀者實驗#

將 Nsteps 由 500 改為 2000 再重跑，觀察左端點變異數是否更貼近 \(1/2\) 而右端點均值仍停在 \(1\) 附近。

完整程式如下：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""1942 Ito 等距對應 wiki 說明
對應 wiki：1942 年 Ito 積分與 Ito 等距 E[(int_0^1 W dW)^2] = int_0^1 E[W^2]dt = 1/2。
int_0^1 W dW 以左端點黎曼和逼近 = (W_1^2-1)/2，均值 0、變異數 1/2。
右端點和則均值 1，展示 Ito 抉擇（非預測被積函數會改變期望）。
規範：只用 numpy，固定種子，不畫圖只印數字，結尾印 VERIFY 並用 assert 把關。
"""
import numpy as np

np.random.seed(7)

Npaths = 50000
Nsteps = 500
h = 1.0 / Nsteps
sqh = np.sqrt(h)

W = np.zeros(Npaths)
I_left = np.zeros(Npaths)
I_right = np.zeros(Npaths)

for _ in range(Nsteps):
    dW = sqh * np.random.randn(Npaths)
    I_left += W * dW
    I_right += (W + dW) * dW
    W += dW

mean_left = float(np.mean(I_left))
var_left = float(np.var(I_left))
mean_right = float(np.mean(I_right))

print(f"Ito int_0^1 W dW left-sum Npaths={Npaths} Nsteps={Nsteps}")
print(f"left  mean={mean_left:.5f} (theory 0) var={var_left:.5f} (theory 0.5)")
print(f"right mean={mean_right:.5f} (theory 1.0)")

assert abs(mean_left) < 0.01, f"|mean_left|={abs(mean_left)} >= 0.01"
assert abs(var_left - 0.5) / 0.5 < 0.05, f"var rel err={abs(var_left-0.5)/0.5} >= 5%"
assert abs(mean_right - 1.0) < 0.05, f"right mean {mean_right} not ~1"
print(f"VERIFY 1942 Ito isometry: mean={mean_left:.5f} var={var_left:.5f} right_mean={mean_right:.5f} PASS")