如果在时间序列上，某些相关边伴随着校准动作发生了剧烈的突变或者跳变，我们就可以优先判定，这是读出侧的系统工程问题，而不是量子层面的物理错误。”

教授赞许地点了点头。

“这是一个非常有效且务实的判据。

但是，大家注意——”

他话锋一转。

“这个命题反过来并不成立，一个长期保持稳定，不发生跳变的读出串扰故障，照样可以完美地冒充成物理层面的相关错误，骗过你的变化点检测。”

第三个物理系背景的学生提出了更硬核的统计手段：“可以加入高阶累积量分析。

单一读出链路导致的共模噪声，和多体局部相互作用产生的物理相关错误，在二阶统计上也许一样，但它们的三阶、四阶累积量中，大概率会展现出完全不同的代数结构。”

“可能，只是可能。”

教授在黑板上画下了一个巨大的大括号，将三种假设全部包裹进去。

“只要你允许未知系统里存在自由度足够大的隐藏变量，两套截然不同的物理生成机制，在数学上完全可以拥有完全相同的有限阶矩。”

教授看着全场，抛出了最终的结论。

“把二阶统计硬生生推导到四阶，不等于你就能从影子里，逆向找出那个制造影子的人。”

教室里陷入了长达半分钟的安静。

这种安静并不是因为在座的人水平不够。

恰恰相反，几台笔记本电脑的机械键盘声很快密集地响了起来。

有人在草稿纸上飞速推导，尝试构造一个能打破教授说法的反例。

也有人皱着眉头翻回前几周的电子讲义，寻找理论漏洞。

而江临，只是低着头，在自己的笔记本电脑屏幕上用触控笔画了两张极简的因果图。

第一张图中，一个隐藏的物理故障节点，伸出两条有向边，分别指向观测事件A和b。

第二张图中，两个观测事件A和b之间没有任何真实的物理关联，却同时受到隐藏读出状态R驱动，而R来自同一条存在故障的微波读出链路。

他用不到三十秒的时间，给这两套截然不同的拓扑模型设置了相同的边缘概率分布参数。

从可观测结果来看，它们的联合分布完全一致，重合得严丝合缝。

教授看了一眼手表上的时间，打破了沉默：“还有别的理论切口可以突破吗？”

江临合上笔记本的屏幕，抬起头，开口说道：“如果仅仅依赖于被动观测的数据，没有别的切口，那么它们在数学上就是严格不可辨识的。”

唰——

前排十几个人几乎同时转过头，目光齐刷刷地落在这个年轻人身上。

教授脸上露出了像是等到了期待已久的变量。

“把话说完整。”他说。

江临站起身，径直走下台阶，走到黑板前。

教授主动让出位置，将手里那支完好的白色粉笔递给他。

江临接过粉笔，在黑板最左侧那块空白区域，画下了他刚才在电脑上构建的第一套生成结构。

接着，在右侧画下第二套结构。

“只要我们将隐藏变量p和R的先验分布，以及它们向下的条件概率矩阵设置得足够精巧，”

江临转身面对众人，语气平静。

“根据全概率公式，这两套底层的因果机制，可以产生完全相同的联合观测分布p(A，b)。”
本章未完，请翻下一页继续阅读.........