技术摘要：通过随机化实现更快速的马尔可夫开放量子系统量子模拟

问题陈述

在量子计算机上模拟马尔可夫开放量子系统（OQS）需要近似由 Gorini-Kossakowski-Sudarshan-Lindblad (GKSL) 主方程控制的动力学演化。一个关键的约束是，模拟必须保持演化的物理性，这意味着近似映射必须是完全正且保迹的（CPTP）。

虽然 Trotter-Suzuki (TS) 乘积公式是闭合系统的标准方法，但其在 OQS 中的应用受到限制。首先，一阶和二阶确定性 TS 公式保证了 CPTP 近似，但更高阶的确定性公式通常无法满足这一要求，因为它们涉及负时间步长的递归构造，而负时间步长对于 Lindbladian 并不产生 CPTP 映射。相反，现有的 OQS 概率算法虽然提供了更高的精度和门复杂度，但会引入非零的失败概率。因此，仍需要一种非概率性的算法，能够在不牺牲演化的 CPTP 特性或依赖具有显著开销的复杂子程序的情况下，提高门复杂度和精度的缩放性能。

方法论

作者引入了利用随机化来模拟马尔可夫 OQS 的新型非概率性算法。核心方法论包含三种不同的方法，所有方法均通过使用经典采样 (CS) 来从离散分布构建门集来实现：

1. 随机化一阶 TS 公式：

   • 该方法不再使用固定的组成通道顺序（如确定性 TS 中那样），而是构建前向 ($S_1^\rightarrow$) 和反向 ($S_1^\leftarrow$) 一阶乘积公式的凸组合。
   • $S_1^{(ran)}(\tau) = \frac{1}{2}(S_1^\rightarrow(\tau) + S_1^\leftarrow(\tau))$。
   • 实现过程使用经典预言机（oracle）为每个时间步随机选择前向或反向排序。

2. 随机化二阶 TS 公式：

   • 该方法通过对组成生成器的所有置换 $\sigma \in \text{Sym}(M)$ 进行凸组合，将随机化推广到二阶。
   • $S_2^{(ran)}(\tau) = \frac{1}{M!} \sum_{\sigma \in \text{Sym}(M)} S_\sigma^2(\tau)$。
   • 实现过程中为每个时间步均匀随机采样一个置换。

3. 用于 OQS 的 QDRIFT 通道：

   • 受用于哈密顿量模拟的 QDRIFT 协议启发，该方法以概率 $p_k = \gamma_k / \Gamma$ 概率性地应用组成通道 $e^{\omega L_k}$，其中 $\Gamma = \sum \gamma_k$ 是总衰减率。
   • 该通道定义为 $\mathcal{E}_\omega^{(QD)}(\rho) = \sum_{k=1}^M p_k e^{\omega L_k}$。
   • 与 TS 公式不同，该方法的门复杂度与其显式公式中生成器项的数量 $M$ 无关，而是取决于总速率 $\Gamma$。

关键技术区别：
本文的一个重要方法论贡献是，在不依赖混合引理 (mixing lemma)（Campbell 和 Hastings 提出）的情况下，推导出了这些随机化 OQS 模拟的误差界。混合引理是针对幺正算符（哈密顿量模拟）的特定几何性质，并不适用于 CPTP 映射。作者转而采用直接泰勒展开和组合论证来限制钻石范数（diamond norm）误差，证明了尽管动力学是非幺正的，随机化公式仍能实现更高阶的时间步 $\tau$ 精度。

关键结果与门复杂度

论文推导了针对目标精度 $\epsilon$ 和模拟时间 $t$ 的严格误差界限和步数限制 ($N$)。门复杂度定义为所需的“简单通道”（组成指数）的总数。

令 $M$ 为 GKSL 生成器的项数，$\Lambda = \max_k \|\hat{L}_k\|_\diamond$（其中 $\hat{L}_k$ 包含衰减率），$\Omega = \max_k \|L_k\|_\diamond$（速率归一化生成器）。

• 一阶确定性 TS： 缩放比例为 $O((t\Lambda)^2 M^3 / \epsilon)$。
• 一阶随机化 TS (CS)： 缩放比例为 $O((t\Lambda)^{3/2} M^{5/2} / \sqrt{\epsilon})$。
  • 改进： 与二阶确定性公式具有相同的缩放特性，但结构更简单。它将对 $M$ 的依赖从 $M^3$ 改进到了 $M^{5/2}$。
• 二阶确定性 TS： 缩放比例为 $O((t\Lambda)^{3/2} M^{5/2} / \sqrt{\epsilon})$。
• 二阶随机化 TS (CS)： 缩放比例为 $O((t\Lambda)^{3/2} M^2 / \sqrt{\epsilon})$。
  • 改进： 实现了对 $M$ 的二次方依赖，显著优于确定性和一阶随机化公式。
• QDRIFT 通道 (CS)： 缩放比例为 $O((t\Gamma\Omega)^2 / \epsilon)$。
  • 改进： 门复杂度没有显式的 $M$ 依赖，而是取决于总速率 $\Gamma = \sum \gamma_k$。然而，这种独立性是有条件的：由于 $\Gamma \le M \max_k \gamma_k$，当衰减率相当时，总速率随 $M$ 线性增长，在这种情况下，QDRIFT 通道的缩放与确定性 TS 公式在 $M$ 上的表现相似。该方法对于 $\Gamma$ 较小或能独立于 $M$ 保持有界的系统（例如由少数强耗散器主导的系统）具有独特的优势。

重要性与主张

作者声称，这项工作系统地将强大的随机化技术从哈密顿量模拟扩展到了通用的马尔可夫开放量子系统领域。该工作的意义主要体现在以下三个方面：

1. 非概率性效率： 所提出的方法是非概率性的（其误差界限是确定性的，尽管电路构建涉及随机采样），并且保持了演化的 CPTP 特性，避免了其他概率性 OQS 算法所带来的失败概率。
2. 可扩展性： 与确定性 TS 公式相比，随机化 TS 公式在生成器项数 $M$ 的缩放方面提供了更好的性能。具体而言，二阶随机化公式将 $M$ 的依赖降低到了二次方，而 QDRIFT 通道则消除了显式的 $M$ 依赖（尽管这取决于 $\Gamma$ 的行为）。
3. 实现简单性： 这些方法依赖于经典采样来构建门集，避免了实现近线性时间 $t$ 缩放的高级确定性算法所需的复杂子程序（如块编码或量子信号处理）。作者认为，对于早期的容错量子计算机，这些随机化方法较低的开销和结构上的简单性使其成为一种实用的选择，特别是对于具有大 $M$ 值的系统。

论文明确指出，虽然随机化方法在模拟时间 $t$ 的缩放方面（二次方或更高）不如某些先进的确定性方法（接近线性）理想，但它们在 $M$ 上的多项式改进以及较低的实现开销，使得它们在特定场景下（例如模拟短至中等时间的超大规模耗散系统）具有优势。

研究最后确定了一些开放性问题，包括将混合引理推广到 CPTP 映射、寻找实现更高阶缩放的最优凸混合方案，以及将这些结果扩展到非马尔可夫动力学。同时，论文也强调了由于反向时间 Lindbladian 演化（$e^{-tL}$）是非 CPTP 的，将这些结果扩展到更高阶随机化公式所面临的挑战。