弱系统 - 环境耦合下耗散热态制备的严格误差界限

《Physical Review A》:Rigorous error bounds for dissipative thermal state preparation from weak system-bath coupling

【字体: 大 中 小 】 时间:2026年10月22日 来源:Physical Review A 3.0

编辑推荐:

   热态制备是量子多体系统模拟中的核心挑战。然而,针对该任务的可证明高效算法直到最近才被提出[Chen et al., Nature (London) 646, 561 (2025)]。这些算法基于耗散Lindblad演化,该演化能够精确固定热态。尽管在原理上可以对该演化进行可控

  

热态制备是量子多体系统模拟中的核心挑战。然而,针对该任务的可证明高效算法直到最近才被提出[Chen et al., Nature (London) 646, 561 (2025)]。这些算法基于耗散Lindblad演化,该演化能够精确固定热态。尽管在原理上可以对该演化进行可控且高效的数字模拟,但对于当今的量子硬件而言仍然难以实现。因此,后续工作集中于通过"碰撞模型"对所提议的Lindbladian进行近似实现,这些模型具有相对温和的要求——一个可重置的辅助量子比特浴,其与时空的耦合可以通过时间依赖方式调节——同时仍然能够提供严格的不动点误差界。然而,现有的严格方法并未利用以下事实:这些构造通常不仅实现了期望的Lindblad动力学,还实现了由系统哈密顿量产生的额外幺正演化,后者可能有助于向热态的收敛[Lloyd and Abanin, Phys. Rev. X 16, 031053 (2026)]。在此,我们证明该幺正贡献确实能够收紧不动点误差界,并证明它可以被系统-浴耦合强度??严格控制,且以??2的标度缩放。这表明,由系统-浴相互作用产生的虚假"兰姆位移"项的效果可以通过调节??来控制。我们阐明了之前所观察到的随机化实现的作用,即抑制驱动与多体谱之间可能的共振,并对该随机化对可观测量施加的额外方差进行了界定。最后,我们对该协议的实际实现相关方面(如混合时间)进行了数值研究。

I. 引言

热态制备是量子多体系统模拟中的核心任务,因为它是探测系统平衡性质的必要条件。然而,尽管其重要性不言而喻,对一般局部哈密顿量的热态进行可控制备仍然十分困难。在经典情形中,马尔可夫链蒙特卡洛方法(如Metropolis算法)取得了巨大成功[1,2]。然而在量子情形中,许多现有方法——如虚时演化[3]、变分方法[4–6]以及基于相位估计的算法[7]——仍然面临重大挑战,这些挑战涉及可扩展性不足、缺乏严格的收敛保证以及在当前量子设备上实现不便中的某些方面。

另一种热态制备的有前景的方法是耗散算法[8–11]。其核心思想是设计一个开放系统动力学,使系统趋向于演化不动点处的期望状态。最近,发现了一类耗散算法[12–14],该类算法基于对满足Kubo-Martin-Schwinger (KMS)细致平衡条件[15–18]的一类Lindbladian的高效模拟。这些条件是经典细致平衡的量子推广,它们意味着Lindbladian的精确不动点由Gibbs态给出,其中为配分函数。因此,这些算法可以被解释为马尔可夫链蒙特卡洛算法的量子推广[19]。尽管满足KMS细致平衡的Lindbladian早已以"Davies生成元"的形式为人所知[20,21],但这一最近发现的算法族的一个关键新特征在于它由准局部跃迁算符生成。这不仅意味着其至少在原理上可以被资源高效地模拟,而且使得其理论分析的某些方面变得更加可行。例如,它使得人们在某些区域(如高温[22–24])、弱相互作用[25,26]、一维系统[27]以及膨胀图上[28–30]推导混合时间(即达到平衡的收敛时间)的估计成为可能。

尽管取得了这些重大进展,在实际中实现这些精确的Gibbs采样器仍然具有挑战性。它们的跃迁算符是通过局部算符的加权Heisenberg演化来定义的,因此无法直接简单地实现。首个实现它们的理论提案[13,14]基于Lindbladian的块编码,这超出了当今量子设备和模拟平台的可达范围。其他实现策略也已被提出,包括随机化编译[31]、跃迁算符的变分编译[32],以及利用系统额外特性的方法,如由本征态热化假设定[33,34]所激发的假设。

一种更具物理动机的方法是使用开放量子系统文献中熟悉的"碰撞模型"来近似实现这些Gibbs采样器。在此设定中,系统与代表辅助量子比特的浴自由度弱耦合,后者初始处于某个非纠缠(积)态。在每次相互作用周期后,辅助量子比特被"重置",即在积态中重新初始化。这种反复重置使得有效地从系统中移除熵成为可能。对于特定的时间依赖系统-浴动力学选择,并在适当定义的弱耦合极限中(见图1),这些模型可以被设计为近似实现Gibbs采样器[35–38]。对于特定参数选择,该近似甚至可以扩展到弱耦合区域之外[39]。

图1. 通道制备热态的设定。在每一步中,一组辅助量子比特被初始化为积态。系统和辅助量子比特在区间中以哈密顿量演化,其中相互作用定义在式(10)中。最终时间从分布中随机选取[参见式(13)],以抑制系统-浴相互作用的共振。在每个周期结束时,辅助量子比特被重置为初始态。通道的不动点近似为热态,其严格误差界以的标度缩放。

尽管这类协议很有吸引力,因为它仅使用局部相互作用即可实现,但其严格分析具有挑战性。在系统-浴耦合强度的一阶,有效动力学由Lindblad演化后接系统哈密顿量的幺正演化组成。虽然Lindblad演化的耗散部分可以设计为与精确Gibbs采样器匹配,但由于系统-浴动力学的有效反作用(通常称为"兰姆位移"),它们的相干部分不同。因此,热态不再是Lindblad演化的精确不动点。先前的分析[32,36]研究了由此产生的不动点误差,并以混合时间和Lindbladian的结构性质为界导出了误差界。然而,由于忽略了幺正系统演化的影响(实际上通过反向时间演化将其"回退"[35]),其部分界对系统-浴耦合强度不敏感。

文献[37]识别出了另一种可能在弱耦合极限下控制不动点误差的关键机制。特别是,其分析表明,将系统哈密顿量下的幺正演化包含在误差分析中,可以显著减小不动点误差,且该误差可以通过调节系统-浴耦合强度来控制和使其任意小。他们进一步引入了演化时间的随机化,以抑制周期性的系统-浴演化所激发的多体共振,从而消除误差界中可能的发散。虽然这一图像得到了微扰论证的支持,但我们的主要贡献在于严格建立这一点并锐化所得到的分析和误差界。具体而言,我们证明随机化协议的不动点误差以系统-浴耦合强度为二次标度缩放,因此可以通过调节该耦合强度使其任意小。这意味着为将不动点制备到精度所需的一个总体资源标度为,这优于通过其他方式控制不动点误差的现有协议。

我们的严格界是对各种实现取平均所得到的虚拟通道而言的。然而,协议的实际实现将是随机的:在每个时间步中,人们从指定的分布中随机采样一个演化时间进行演化。虽然该程序是"自平均"的,即此类序列上的期望值再现了期望的平均通道,但随机化引入了可观测量测量的额外方差,从而增加了估计期望值所需的样本数。据我们所知,这种额外的采样方差之前并未被注意到或研究过用于量子Gibbs采样器。我们的第二个主要结果是量化随机化步骤产生的额外开销,并证明它不会严重影响协议的效率。具体而言,我们推导了由随机化协议反复应用所产生的额外方差的界。我们进一步用微扰论证支持了这一分析,表明即使在仅存在稀疏共振的情况下,省略随机化步骤也会恶化不动点误差。

我们的结果提供了对热态制备协议若干实践相关性质的全面而严格的分析,特别是展示了如何调节耦合强度和其他参数以达到规定的精度。综合来看,这些结果有力地确立了该算法作为近期数字和模拟量子平台实施的有前景的候选方案。

本工作的其余部分组织如下:第II节回顾了量子Gibbs采样器中与本工作最相关的方面,然后在第III节引入协议。第IV节重点介绍了通道的若干性质,这些性质用于后续误差界的推导。第V节陈述了我们关于不动点误差和可观测量测量方差的主要解析结果。第VI节呈现了通道谱隙随耦合强度标度的数值分析,以及随机化步骤的作用和可观测量的方差。最后,第VII节包含对我们结果含义的讨论,以及若干开放问题。

II. 精确Gibbs采样器

我们希望制备态,其中是给定的局部哈密顿量,是配分函数。这可以通过构造一个Lindbladian来实现,该Lindbladian将此态固定为其唯一的稳态。

虽然长期以前构造这种"量子Gibbs采样器"的一般方案一直是一个开放问题,但自文献[12]的突破以来,文献中现已存在若干不同的构造[12–14,19,24]。此处我们使用文献[14]的构造。以下,我们重点关注对我们的目的而言重要的构造方面。关于KMS细致平衡和量子Gibbs采样器的完整阐述,请参考例如文献[14,35,40]。

考虑如下Lindbladian族:

(1)

其中

(2)

这里表示算符的Heisenberg演化,滤波函数被选择为满足特定的对称关系:

(3)

利用Bohr频率表示:

(4)

其中表示的本征值集合,相干部分可以表示为:

(5)

其中表示哈密顿量的Bohr频率集合。

可以证明[14],如果滤波函数比幂律衰减得更快,则式(2)中的跃迁算符以及式(5)中的相干部分都是准局部的。

相干部分和跃迁算符被精心构造,使得式(1)中的Lindbladian满足KMS细致平衡[13,15–18]。给定超算符:

(6)

该关系可以表示为:

(7)

这里伴随算符是关于Frobenius内积定义的。Lindblad演化下的迹保持意味着,因此。

重要的是,KMS细致平衡[式(7)]直接意味着是下动力学的不动点:

(8)

III. 设定

本节我们介绍本工作所研究的热态制备算法的设定。如图1所示,协议定义在个量子比特组成的系统上,该系统耦合到个辅助量子比特组成的浴。协议的一步包括:将浴量子比特初始化为积态,然后以时间依赖的联合系统-浴哈密顿量演化,最后将浴量子比特重置为。

原则上,预期对于通用哈密顿量[41]是充分的;然而,通过使用辅助量子比特,算法的收敛时间预期会得到改善[如在下文讨论的,我们将旨在逼近一个给定的精确吉布斯采样器,在这种情况下我们每个跳跃算子需要一个辅助量子比特,见式(1)]。协议期间使用的系统-浴哈密顿量给出为

(9)

其中是系统哈密顿量,是浴哈密顿量,而项是系统与浴之间的相互作用,其中表示该耦合的强度。

相互作用项取形式

(10)

跳跃算子集合可以任意选取,只要它们在厄米共轭下封闭()并确保林德布鲁姆演化的不可约性即可。(一个不依赖于哈密顿量的方便充分选择例如是,在每个格点上的单量子比特泡利算子和。)

每个跳跃算子耦合到一个不同的浴量子比特,其中和分别是相应浴量子比特的降低和升高算子。滤波函数被选为满足精确吉布斯采样器中由式(3)定义的关系。在本文的其余部分中,为了具体化,我们使用

(11)

然而,我们预期只要满足式(3)且衰减足够快,我们的结果将更普遍地成立。

浴的动力学被选为平凡的。尽管我们在此未使用,一个等效的构造可以引入浴哈密顿量并选择相互作用振幅为实数,这在实践中可能更容易实现[35,37]。

我们定义如下传播子

(12)

其中表示时间排序,是作为算法参数固定的相互作用时间尺度。在算法的每一步中,辅助量子比特在时间被初始化为乘积态。然后整个系统在式(9)下演化直至时间,其中偏移从随机化时间尺度为的高斯分布中抽取

(13)

在循环结束时,辅助量子比特被重置回。对于给定的,协议的一步在系统上施加一个信道,其形式为

(14)

我们定义为对演化时间偏移分布的平均

(15)

如文献[37]所建议的,对不同演化时间的平均有效充当一个"退相干器",消除了驱动与系统多体谱中可能跃迁之间的共振,并消除了确定论极限中困扰固定点误差展开的潜在发散。这一点将在第四节D中更仔细地讨论。

如引言中所提及的,尽管在实践中人们实现随机化协议,但为了获得严格的界限,采用两步法更为方便。首先,我们调用随机化演化的自平均性质,专注于平均信道的固定点误差。然而,实际的随机化协议相对于产生可观测量误差,该误差由时间步长分布的方差控制;我们的第二步是界定此误差。结合起来,这两步严格地界定了真实随机化协议的误差。

信道向固定点的收敛由其混合时间表征。它被定义为信道迭代所需的最少次数,使得任何初始态被保证在距离其固定点的范围内

(16)

此处到固定点的距离使用迹范数来量化

(17)

**IV. 方法与启发式概述**

在本节中,我们提供一些关于信道性质所需的固定点误差界定结果。首先,我们在第四节A中表明,该信道可被林德布鲁姆演化后接系统哈密顿量产生的酉演化很好地逼近。接着,我们在第四节B中构造这一组合演化的一个近似固定点,并表明它与的距离由耦合强度控制。在第四节C中,我们提供了一个关于酉演化在控制固定点到热态距离中作用的启发式解释。最后,在第四节D中,我们启发式地研究了系统-浴耦合驱动周期与哈密顿量多体谱中跃迁之间共振的影响,这展示了随机化演化时间的必要性。

**A. 信道的近似**

平均信道几乎实现了吉布斯采样算法下的林德布鲁姆演化,后接由产生的酉动力学。具体地,考虑林德布鲁姆算子

(18)

其中

(19)

兰姆位移项由下式给出

(20)

该林德布鲁姆算子与式(1)中的精确吉布斯采样器一致,除了一个由给定的不同相干项。此外,记系统单独的酉演化为,并考虑信道

(21)

则与平均信道的差被下式界定

(22)

其中信道的差异由诱导范数表征

(23)

该结果直接由戴森级数展开得出,推导见附录C 1。第一个误差项源于由于每次迭代步骤中有限时间的系统-浴演化而导致的滤波函数高斯尾部截断(参见图1)。该项在演化时间的长度中呈指数抑制。第二项界定了戴森级数展开高阶项的贡献。

从式(21)的定义来看,起到了用有效林德布鲁姆算子演化的一步长作用。由于有效林德布鲁姆算子是协议中唯一的耗散部分,这暗示了(尽管未证明)信道的混合时间与此步长的倒数成正比。因此,引入信道的重标度混合时间是自然的

(24)

尽管我们预期当时趋向于常数,并在第六节中提供了数值证据,但我们强调没有关于存在的普遍证明。

存在一些可以严格建立该极限存在的案例,当小于吉布斯采样器的能隙时[36],但更一般地建立该极限仍然是未来工作的一个有趣方向。在第六节中,我们提供了数值证据表明即使现有的严格结果不适用时这种标度关系仍然保持。

最后,我们注意到如果选择足够大且足够小使得

(25)

则的混合时间与的混合时间由下式关联(文献[36]附录D及引理A2,附录A)

(26)

**B. 的近似固定点**

在本小节中,我们表明信道具有一个近似固定点,具有以下性质:

(1) (2)

这一事实对于在第五节A中获得我们的严格固定点误差界至关重要。

近似固定点的试探解可以像文献[37]中那样由简并微扰论来启发。虽然简并微扰论不是一个逐阶受控展开,但一阶表达式已足够满足我们的需求。我们在此概述主要步骤。

策略是将关系[参见式(21)]与试探解匹配到阶。这在哈密顿量的本征基中进行。

等式零阶项给出

(27)

这意味着在的本征基中对角化。为了显式确定的对角元素,需要考虑其对角元素的贡献。这给出

(28)

由此可得,因为。这表明只要是有界的,该试探解就满足

(29)

非对角元素在阶的关系由下式给出

(30)

解出得到

(31)

我们现在的试探解如上定义代入并严格证明(1),且(2)其与的距离由下式界定(附录C 2)

(32)

**C. 启发式图像**

式(31)中的显式形式以及式(32)中的界表明,信道中额外的传播子的存在对于确保至关重要。为了更具体地理解这一点,将信道的作用分离为两个不同的步骤是有用的,与上文讨论一致,即"固定对角代数"[通过式(27)]和"在其中选择吉布斯权重"[通过式(30)]。当消除酉步骤时(例如通过文献[35]中的"反向"步骤实现),在时信道就是恒等映射,因此任何可能的算子都是不动点。然后在时,整个林德布鲁姆修正必须选择不动点,因此我们只能简单地对角化问题:显然,这在某种意义上不可能是关于的微扰过程。

与此相对比的是实施酉步骤的情况:这里零阶映射是相干演化;暂时忽略共振问题,其固定算子如我们所论证的,在的本征基中对角化。因此,即使在时,酉部分已经消除了不动点的非对角简并,然后在对角态的集合内,各不同项在时的作用之间有明确的区别。细致平衡部分将对角子空间中的权重固定为与一致,这对任何有限值都成立,即使趋于零也是如此。相干微扰(兰姆位移与"正确"相干部分之间的差)是非对角的,并且由于的非对角元素在时被固定为零,它只能微扰地诱导相干。

最后,式(31)突出了最终时间随机选择的作用。在确定论情况下,当且为整数时分母可以消失。这表征了由时依赖系统-浴相互作用诱导的多体共振。随机化演化时间通过退相干消除了这些共振。

因此我们看到,额外的酉演化在从 vastly 更大的完整算子希尔伯特空间中优先选择由生成的代数的换位元方面起着至关重要的作用,即使在时就已经实现了这一点,从而使得在时能够进行受控处理,并且因此需要随机化演化来消除这一过程中的共振。

**D. 多体共振的影响**

正如上一小节讨论的,当且为整数时,共振导致式(31)发散。自然地会问这些共振是否保持孤立,仅影响直接对应共振跃迁的(少数)矩阵元素。我们在此表明情况并非如此:共振也可以修改非共振子空间中的布居。

为说明这一点,我们构造对应于确定论选择信道的一个近似固定点。为此,我们遵循第四节B中导致近似固定点试探解的相同论证。

与之前一样,信道可被近似为林德布鲁姆演化和酉演化

(33)

我们再次将关系与试探解匹配。在阶,这给出

(34)

注意,即使在此阶中,共振与非共振情况已经存在差异。在共振处,式(34)即使对于非对角的也满足。

为了分析在的本征基中的矩阵元素,我们将其分为共振子空间(其中)和非共振子空间(其中)。式(34)然后意味着具有零元素

(35)

以及非零元素

(36)

值得注意的是,共振子空间中的非对角元素现在通常允许非零。为了完全确定,我们必须考虑该子空间中阶的贡献。在二阶,它由下式给出

(37)

这意味着具有零元素

(38)

以及非零元素

(39)

对于四能级系统的,和的结构总结如下,其中方框指示共振空间,矩阵元素若为零则用"0"表示,若一般非零则用" "表示。

(40)

然后通过式(40)隐式确定。仅仅它的结构就与非共振情况不同,特别是没有被固定为对角。此外,在第六节B中,我们对小系统数值求解了式(40)的解。结果表明,在共振处,近似固定点的矩阵元素即使当时也与的不同,并且这种差异在非共振块内部仍然存在。因此,共振的影响不仅局限于共振块,还扩展到非共振布居。因此,有限值是抑制这些共振诱导修正所必需的。

# V. 严格结果

本节我们给出描述算法性能的解析结果。在 Sec. V A 中,我们利用信道 $\mathcal{C}$ 的近似 $\tilde{\mathcal{C}}$ 以及接近 $\sigma$ 的近似不动点的存在性,得到不动点误差上界。此外,我们在 Sec. V B 中给出了可观测量方差的上界。

### A. 不动点误差上界

基于以下观察:信道 $\tilde{\mathcal{C}}$ 实际上实现了一个 Lindblad 演化后跟一个幺正演化,且该联合演化在 $\rho_{\text{Gibbs}}$ 附近具有近似不动点,我们可以推导出本文的核心结果:一个由 $\epsilon$ 控制的严格的不动点误差上界。

**定理 1.** 设 $\rho_{\text{fp}}$ 为信道 $\tilde{\mathcal{C}}$ 的不动点。设 $\tilde{\mathcal{C}}$ 的参数为:滤波函数的宽度 $\delta$ [参见 Eq. (11)]、随机化时间尺度 $t_{\text{rand}}$ [参见 Eq. (13)]、总演化时间 $t$,以及逆温度 $\beta$。若 $t_{\text{rand}} \geq \omega_0^{-1}$ 且 $t \geq 1$,则

$$
\|\rho_{\text{fp}} - \rho_{\text{Gibbs}}\|_1 \leq \mathcal{O}\left(\sqrt{\epsilon} + e^{-\delta \omega_0 t_{\text{rand}}} + \delta^2 \epsilon^{-1}\right) \tag{41}
$$

不动点误差的完整表达式(包括 $\mathcal{O}(\sqrt{\epsilon})$ 项的显式形式)见 Eq. (B16)。第二项是尾误差,来源于 Eq. (22) 中的信道近似。该项作为 $\delta$ 的函数被指数压低,因此可以通过(适度)增加两次重置之间的演化时间来使其变小。该误差上界的第三项按 $\delta^2$ 二次标度,因此可通过调节耦合强度 $g$ 来控制。

为获得该上界,策略是利用 Sec. IV B 中构造的信道 $\tilde{\mathcal{C}}$ 的近似不动点。回顾 $\rho_{\text{fp}}$ 和 $\rho_{\text{approx}}$ 的性质,且 $\rho_{\text{approx}}$ 接近热态。由于正如 Sec. IV A 所述,$\rho_{\text{approx}}$ 接近我们协议所实现的有效信道 $\mathcal{C}$,则通过三角不等式以及接近信道的不动点之间的接近性,即可得到 $\rho_{\text{fp}}$ 的不动点上界。具体而言(详见附录 A 的引理 A1),

$$
\|\rho_{\text{fp}} - \rho_{\text{Gibbs}}\|_1 \leq \|\rho_{\text{fp}} - \rho_{\text{approx}}\|_1 + \|\rho_{\text{approx}} - \rho_{\text{Gibbs}}\|_1 \tag{42}
$$

$\rho_{\text{fp}}$ 和 $\rho_{\text{approx}}$ 的严格上界在附录 C 中获得。代入上述不等式即得到定理 1。

注意 Eq. (42) 中的不等式对任意密度矩阵 $\rho$ 均成立。选择近似不动点 $\rho_{\text{approx}}$ 的关键洞察在于:在此情形下所有各项均由 $\epsilon$ 的因子控制。确实,$\|\rho_{\text{approx}} - \rho_{\text{Gibbs}}\|_1 = \mathcal{O}(\epsilon)$(对于范数有界的 $\rho_{\text{approx}}$,当 $g \to 0$ 时)且 $\|\rho_{\text{fp}} - \rho_{\text{approx}}\|_1 = \mathcal{O}(\sqrt{\epsilon})$。

只要 $\epsilon \ll 1$ [或等价地,$g \to 0$,则 $g \to 0$],该结果表明,通过减小耦合强度可以使协议的不动点误差任意小。注意此处 $t$ 已经是重新标度的混合时间;参见 Eq. (24) 及其周围讨论。因此,为达到目标精度 $\epsilon$,预计标度关系为

$$
t \sim \mathcal{O}\left(\epsilon^{-1/2}\right) \tag{43}
$$

此处我们省略了对其他协议参数的依赖,$\tilde{\mathcal{O}}$ 表示抑制了对数依赖。制备热态近似所需的总哈密顿量演化时间则为

$$
T_{\text{total}} \sim \mathcal{O}\left(\frac{\epsilon^{-1/2}}{g}\right) \tag{44}
$$

注意该上界在定性上优于参考文献 [35, 36] 中先前获得的结果,后者估计算法的总演化时间按 $\epsilon^{-1}$ 标度。

### B. 方差上界

在实际中,平均信道 $\bar{\mathcal{C}}$ 并非直接实现。相反,在每一步中采样一个随机演化时间 $t_k$,从而产生信道 $\mathcal{C}_k$。经过 $k$ 步后,这定义了随机信道

$$
\mathcal{C}_{\text{rand}} = \mathcal{C}_k \circ \mathcal{C}_{k-1} \circ \cdots \circ \mathcal{C}_1 \tag{45}
$$

可观测量的期望值通过对随机信道 $\mathcal{C}_{\text{rand}}$ 的重复实现求平均来获得,这再现了 $\bar{\mathcal{C}}$ 应用 $k$ 次的效果,

$$
\mathbb{E}[\text{Tr}(\hat{O}\, \rho_k)] = \text{Tr}(\hat{O}\, \bar{\mathcal{C}}^k[\rho_0]) \tag{46}
$$

然而,随机性引入了额外的方差来源。为使这一点明确,我们引入以下记号。对于任意初态 $\rho_0$,设 $\hat{O}$ 关于该随机序列的期望值为 $\langle \hat{O}\rangle_k$。可观测量 $\hat{O}$ 的方差可表示为

$$
\text{Var}(\hat{O}) = \frac{1}{k}\langle(\hat{O} - \langle\hat{O}\rangle)^2\rangle + \text{Var}_{\text{seq}}(\langle\hat{O}\rangle_k) \tag{47}
$$

第一项是通常的散粒噪声贡献,在序列上取平均;第二项是均值 $\langle\hat{O}\rangle_k$ 的(序列间)方差。虽然第一项即使在确定性极限 $t_{\text{rand}} \to 0$ 下仍保持有限,但第二项是由于信道中的随机性而产生的对方差的额外贡献。

以下定理给出了重复应用随机化信道时可观测量方差的上界。

**定理 2.** 设 $\mathcal{C}_{\text{rand}}^{(k)}$ 表示协议应用 $k$ 次后得到的随机信道。则对任意可观测量 $\hat{O}$,方差满足

$$
\text{Var}_{\text{seq}}(\langle\hat{O}\rangle_k) \leq \frac{1}{k} C \cdot \|\hat{O}\|^2 \cdot (1 - \gamma)^{k} \tag{48}
$$

该上界的证明见附录 D。常数 $C$ 由原始信道的收缩估计决定,

$$
C \leq \frac{d}{1 - s_2} \tag{49}
$$

前置因子 $1/(1-s_2)$ 依赖于信道的结构性质,例如 Jordan 块的尺寸 [42]。一般来说,$1/(1-s_2)$ 可被正比于混合时间的因子从上方界定。然而在许多相关情形中,$1/(1-s_2) = \mathcal{O}(1)$;例如,当信道具有收缩性时(如高温情况)[24]。我们在 Sec. VI C 中对随机化演化引起的涨落进行了数值分析。

# VI. 数值分析

虽然 Sec. V 包含主要严格结果,但本节通过额外的数值见解对其进行补充。在 Sec. VI A 中,我们用谱间隙分析信道混合时间的上界,并为宽耦合强度范围内的 $\epsilon^2$ 二次标度提供数值证据。在 Sec. VI B 中,我们研究信道 $\mathcal{C}$ [参见 Eq. (15)] 中使用的随机化演化时间的作用,并表明没有该随机化步骤时,不动点误差在 $\epsilon$ 中是非微扰的。最后,在 Sec. VI C 中,我们研究不同随机化协议实现引起的方差。

我们的分析基于混合场 Ising 模型

$$
\hat{H} = -\sum_{i=1}^{N} \left( h\, \hat{\sigma}_i^z + J\, \hat{\sigma}_i^x \hat{\sigma}_{i+1}^x \right) \tag{50}
$$

我们选择 $h = J = 1$,对于该参数,已知模型能迅速热化 [43]。作为跳算符,我们在每个量子比特上选择单量子比特算符 $\hat{J}_i = \hat{\sigma}_i^x$。虽然其他选择可能产生更快的混合时间,但该选择非常适合研究共振效应。

Eq. (11) 中滤波函数的宽度 $\delta$ 由 $\omega_0 = 1$ 指定。对于所有展示的结果,平均演化时间满足 $t = 10$,且当实施随机演化时间时,$\delta$ 的宽度设为 $0.5$。

### A. 谱间隙的标度

不动点误差上界的一个重要因子是混合时间 $t_{\text{mix}}$。如 Sec. IV A 所示,信道 $\mathcal{C}$ 实现了一个时长为 $t$ 的 Lindblad 演化后跟系统哈密顿量的幺正演化(至多存在小误差)。只要幺正演化不强影响混合,这表明信道混合时间按 $1/\epsilon$ 标度。

在本小节中,我们对混合场 Ising 模型 [Eq. (50)] 的 $N$ 个格点进行数值分析,分析混合时间的一个上界,并表明在此情形下,该上界确实按 $\epsilon^2$ 标度。

虽然直接获得混合时间的尖锐估计具有挑战性,但我们可以用谱间隙来分析一个上界 [44]。更具体地说,设 $\rho_{\text{fp}}$ 为信道 $\mathcal{C}$ 的不动点,考虑对称化信道

$$
\mathcal{C}_{\text{sym}} = \frac{1}{2}\left(\mathcal{C} + \mathcal{C}^{\dagger}\right) \tag{51}
$$

设 $s_2$ 为 $\mathcal{C}_{\text{sym}}$ 的第二大奇异值,并定义谱间隙为

$$
\Delta = 1 - s_2 \tag{52}
$$

则混合时间的上界由下式给出 [44]:

$$
t_{\text{mix}} \leq \frac{d}{\Delta} \ln\frac{1}{\epsilon} \tag{53}
$$

在 Fig. 2(a) 中,我们展示了 $\mathcal{C}$ [Eq. (1)] 和 $\mathcal{C}_{\text{full}}$ [Eq. (18)] 的谱间隙。在所有情况下,谱间隙按 $\epsilon^2$ 标度,这与混合时间 $t_{\text{mix}}$ 按 $\epsilon^2$ 标度(Eq. (24))一致。一个有趣的观察是,包含由传播子 $\hat{U}(t)$ 产生的幺正时间演化似乎增加了信道的谱间隙,从而改善了混合时间对应的上界。理解这一效应的原因仍是一个有趣的研究问题,留待今后工作探讨。

**FIG. 2.** (a) 谱间隙 $\Delta$ 作为系统-浴耦合强度 $g$ 的函数的标度关系,分别对应信道 $\mathcal{C}$(蓝色)、$\mathcal{C}_{\text{Lind}}$(橙色)、$\mathcal{C}_{\text{unit}}$(紫色)和 $\mathcal{C}_{\text{full}}$(绿色)。在所有情况下谱间隙均按 $\epsilon^2$ 标度。(b) 信道 $\mathcal{C}$(蓝色)和 $\mathcal{C}_{\text{full}}$(橙色)的不动点与热态 $\rho_{\text{Gibbs}}$ 的迹距离。在广泛的耦合强度范围内,不动点误差按 $\epsilon^2$ 标度。两个结果均针对混合场 Ising 模型 [Eq. (50)] 的 $N = 6$(无共振)情形。

在 Fig. 2(b) 中,我们展示了 $\mathcal{C}$ 和 $\mathcal{C}_{\text{full}}$ 的不动点与热态之间的距离。该误差按 $\epsilon^2$ 标度,与我们的不动点误差上界(定理 1)一致。

### B. 随机演化时间和共振的影响

在本小节中,我们探讨在混合场 Ising 模型 [Eq. (50)] 上应用信道 $\mathcal{C}$ 时随机化演化时间的作用。如 Sec. IV D 所述,多体共振可能显著影响不动点,而随机化可抑制这些效应。

作为第一步,我们直接探测不动点(在能量本征基中)的带外对角元素随演化时间 $t$ 的变化。我们将平均信道 $\bar{\mathcal{C}}$ 的结果与 Eq. (14) 中 $t_{\text{rand}} = 0$ 对应的确定性信道 $\mathcal{C}$ 的结果进行比较。结果展示在 Fig. 3(a) 中。对于信道 $\mathcal{C}$,当 $t$ 为整数倍 $1/\Delta E$ 时,共振峰在 $t$ 中定期出现。相比之下,信道 $\bar{\mathcal{C}}$ 抑制了这些共振。

**FIG. 3.** (a) 随机化演化时间 [Eq. (15)] 在抑制共振方面的作用。$\mathcal{C}$ [Eq. (14)](蓝色)和 $\bar{\mathcal{C}}$ [Eq. (15)](橙色)不动点的带外矩阵元素 $\langle 1|\rho_{\text{fp}}|2\rangle$ 随演化时间 $t$ 的变化。在 $t$ 处观察到 $\mathcal{C}$ 存在共振峰而 $\bar{\mathcal{C}}$ 不存在。结果针对混合场 Ising 模型 [Eq. (50)] 的 $N = 4$ 情形。(b) 共振对不动点的影响。结果针对 $t$ 的选取以激发能量本征态 1 和 2 之间的共振。比较共振子空间中的对角元素 $\langle 1|\rho_{\text{fp}}|1\rangle$(蓝色)、带外对角元素 $\langle 1|\rho_{\text{fp}}|2\rangle$(红色)和非共振子空间中的对角元素 $\langle 3|\rho_{\text{fp}}|3\rangle$(橙色),随 $t$ 变化。共振对 $\bar{\mathcal{C}}$($t_{\text{rand}} > 0$)的不动点无影响,后者仍接近热态 $\rho_{\text{Gibbs}}$(虚线)。然而,共振使 $\mathcal{C}$($t_{\text{rand}} = 0$)的不动点在共振和非共振块中均发生显著偏差。这与 $\mathcal{C}$ 的解 [Eq. (40)](实线)正确预测一致。

接下来,我们说明共振同时影响不动点的共振块和非共振块。选择演化时间 $t$ 以在两个能级之间诱导共振,Fig. 3(b) 展示了信道 $\mathcal{C}$ 和 $\bar{\mathcal{C}}$ 不动点的矩阵元素随 $t$ 的变化。对于信道 $\bar{\mathcal{C}}$,共振没有可见影响,且当 $g$ 足够小时,信道正确收敛到 $\rho_{\text{Gibbs}}$。而对于信道 $\mathcal{C}$,共振块和非共振块中的许多矩阵元素均显著偏离 $\rho_{\text{Gibbs}}$,特别是在高温下。这些结果与先前 $\mathcal{C}$ 的解 [Eq. (40)] 一致。

因此,共振效应并不局限于不动点的特定布居数。整个不动点均受影响,从而导致了相当大的不动点误差。Fig. 4 展示了当 $t$ 被选取为激发共振时,不动点与 $\rho_{\text{Gibbs}}$ 之间的距离随 $g$ 的变化。没有随机化步骤时,$\mathcal{C}$ 具有大的不动点误差,即使在 $g \to 0$ 极限下也不消失;而 $\bar{\mathcal{C}}$ 的不动点误差可通过 $g$ 调节。

**FIG. 4.** 在共振处,信道 $\mathcal{C}$(蓝色)和 $\bar{\mathcal{C}}$(橙色)的不动点与热态 $\rho_{\text{Gibbs}}$ 的迹距离。结果针对混合场 Ising 模型 [Eq. (50)] 的 $N = 4$,选取 $t$ 以激发两个能量本征态之间的共振。共振导致 $\mathcal{C}$ 具有 $\mathcal{O}(1)$ 的不动点误差,而 $\bar{\mathcal{C}}$ 的不动点误差保持为 $\mathcal{O}(\epsilon)$。

### C. 可观测量的方差

最后,我们研究使用随机化信道 $\bar{\mathcal{C}}$ 而非平均信道 $\mathcal{C}$ 如何导致可观测量的额外涨落。为此,我们构造了 50 个随机信道序列 $\{\mathcal{C}_{\text{rand}}^{(i)}\}$ 的实现,并对给定可观测量 $\hat{O}$ 测量期望值 $\langle\hat{O}\rangle$。我们强调,此处使用的滤波函数和跳算符并非为快速收敛而优化的,因此我们预计通过针对相关跃迁频率进行定制化优化可以大幅提高制备速率。

Fig. 5 展示了两个量子比特的结果,针对可观测量 $\hat{H}$ 和 $\hat{C}$。结果表明,随机化实现围绕平均信道结果表现出显著的涨落。因此,一般不能通过使用单个随机信道来获得可观测量的精确估计,而是需要并行对多个信道实现求平均。这引入了一个额外的采样开销,取决于所需精度。

**FIG. 5.** 在 50 个随机信道 $\bar{\mathcal{C}}_{\text{rand}}$(彩色)和平均信道 $\bar{\mathcal{C}}$(虚线)下的热态制备演化。结果针对混合场 Ising 模型 [Eq. (50)] 的 $N = 4$(蓝色)或 $N = 6$(红色),$t = 10$(无共振),初态 $\rho_0 = \mathbb{I}/2^N$(最大混合态)。(a) 平均能量 $\langle\hat{H}\rangle$ 的演化。(b) 两点关联函数 $\langle\hat{\sigma}_1^z\hat{\sigma}_2^z\rangle$ 的演化。结果的展布反映了随机采样引起的方差。

相比之下,对随机序列进行平均可以显著降低误差,并使得标准差分别为(a)和(b)。这些平衡值偏离了热态(虚线)的值,由于这些值较大,导致了不动点误差。值得注意的是,随着系统尺寸的增大,涨落减小,如图6所示的格点情形。对此,一种可能的解释是,混合场伊辛模型正在热化,因此随机轨迹趋于集中。更精确地理解随机化演化如何影响方差,将是未来研究的一个有用方向。

图6. 两点关联函数在50个随机化信道(彩色)和平均信道(点线)下的演化。结果展示的是混合场伊辛模型[公式(50)],(蓝色)或0.25(红色),(无共振),初始状态(最大混合态)。最终测得的标准差为,小于双量子比特情形[图5(b)]。

最后一点需要说明的是,除了随机化演化时间之外,其他工作[36,45]还提出了随机化浴哈密顿量和随机化跃迁算符的方案。虽然这些方案对于界定混合时间是有用的,但存在着增加方差的实践权衡。我们在附录E中给出了这一现象的数值证据。

VII. 结论

在本文中,我们研究了一种基于时变系统-浴相互作用的热态制备算法。该算法仅需要哈密顿演化,以及局部可控的时变相互作用和重置辅助比特(ancillas)的能力。因此,它在数字量子设备上易于实现,并且在模拟量子平台上也可能可行。

我们的第一个主要结果是一个严格的不动点误差界,该误差界由信道的混合时间控制,并与耦合强度成二次方关系。作为其结果,原则上通过减小耦合强度可以使误差任意小。这一结果改进了以往关于类似协议的研究,那些研究中的不动点误差界没有明确考虑对系统-浴耦合强度的依赖[35,36],或者是基于非严格的微扰论证[37]。

在耦合强度方面的这一有利标度关系,代价是需要随机化系统-浴相互作用的时间,而我们的分析表明,一般而言,不能省略这一步,否则会降低热态制备的精度。在实际操作中,随机化意味着该协议实现的是由一系列随机信道组成的演化。这会在协议执行过程中引入可观测量的额外方差:我们的第二个主要贡献是严格地界定了由此产生的统计误差。

未来研究有几个重要的方向。要完全确立像本工作所研究的系统-浴相互作用协议的实际可行性,至关重要的是更深入地理解如何针对协议的大量参数进行优化,以及最优选择如何依赖于系统哈密顿量及其热态的特征(如相态)。最近,文献[39]也表明,除了使用系统-浴耦合作为控制参数外,通过在有限耦合下调节滤波函数的参数,也可以实现可控的不动点误差。因此,一个自然的研究任务是阐明这两种互补热态制备极限之间的差异,以及它们之间可能存在的相互作用。

在更技术性的层面,我们对不动点误差的界定依赖于如下假设:当耦合趋近于某值时,协议的重标度混合时间按特定方式标度。尽管这一假设在物理上似乎是合理的,并且得到了混合场伊辛模型数值结果的支持,但显然有必要理解其一般有效性,并在可能的情况下提供严格的保证。我们将其标记为后续研究的重要途径。

更广泛地说,理解基于系统-浴相互作用的热态制备协议的混合时间与其"近似的"精确吉布斯采样器之间的关系将是很有价值的。对于后者这一类林德勒格生成元,在物理相关的场景中对其混合时间已有越来越多的理解[22–26,28–30]。

先验地,将这些结果转化为适用于近期可行协议的估计并非完全清晰,但获得这些近期协议的混合时间估计对于判断其在实践中的适用性将是重要的。在此我们注意到,一个相关的问题——即量化一个通用的系统-浴模型(可能经过某种适当的粗粒化)是否在"接近"精确采样器的意义下成立——已经引起了近期的关注[38],这可能成为一个探索这些问题的方便起点。

补充说明。最近我们了解到文献[45],该文研究了通过系统-浴相互作用制备热态的算法的不动点误差。虽然该文中分析的信道与本工作略有不同,但其用于推导作为耦合函数时不动点误差界的方法与我们的方法一致。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号