Dissertação de Mestrado #564: Marcello Barros

Causalidade, Informação, Causalidade da Informação

Autor: Marcello Nery Garcia Vidal de Barros

Banca Avaliadora

Marcelo de Oliveira Terra Cunha (orientador)

IMECC/UNICAMP

Rafael Luiz da Silva Rabelo (coorientador)

Matemática - UFMG

Carlos Henrique Monken

Física - UFMG

Reinaldo de Oliveira Vianna

Física - UFMG

Orientadores

Marcelo de Oliveira Terra Cunha (orientador)

IMECC - UNICAMP

Rafael Luiz da Silva Rabelo (coorientador)

Departamento de Matemática - UFMG

Resumo do Trabalho

Correlações quânticas, denominadas “não locais”, podem ser mais fortes que as clássicas, denominadas “locais”. Correlações não-locais obedecem à condição de não-sinalização. Existem correlações não-locais mais fortes que as quânticas, sendo as quânticas um subconjunto das não-sinalizantes. As correlações quânticas são determinadas através de como probabilidades são extraídas a partir de um operador densidade. Esse fato motiva a busca por um princípio físico que gere o conjunto de correlações quânticas. Alguns princípios foram desenvolvidos recentemente, sendo o mais destacado o denominado “Causalidade da Informação”. Este princípio diz que, ao considerar um sistema com partes correlacionadas em que há um envio de uma mensagem de d bits de uma parte para outra, o ganho de informação nesse processo é limitado a d bits. Os melhores critérios conhecidos para esse princípio são capazes de excluir a maior parte das correlações não-sinalizantes mais fortes que quânticas. Porém, existem correlações supra-quânticas que obedecem tais critérios. Recentemente, uma nova abordagem tem sido utilizada para obter critérios mais fortes para esse princípio, utilizando as teorias clássica e quântica da informação e teoria da causalidade. Nesta dissertação apresentaremos os principais elementos destas teorias, a fim de analisar o princípio de causalidade da informação e seus critérios. Revisaremos os principais resultados e apresentaremos resultados parciais para uma generalização de um desses critérios, considerando cenários em que muitas cópias de recursos não-locais estão disponíveis.