Graph automorphisms to obtain Clifford symmetries in open and closed qudit models

本文提出了一种算法，通过将哈密顿量不变性编码为图属性，将封闭和开放量子多位元系统中 Clifford 对称性的识别映射为图自同构问题，从而实现跨各种物理模型的有效对称性检测与优化。

要点

想象你拥有一台巨大的、极其复杂的机器，它由数千个微小的、旋转的齿轮组成。这台机器是一个量子系统，而这些齿轮被称为qudits（一个关于可以拥有不止两种状态的量子比特的专业术语）。

物理学家热衷于寻找这些机器中的对称性。对称性就像是一个秘密规则：如果你以特定的方式重新排列这些齿轮，机器仍然能以完全相同的方式运行。了解这些规则就像拥有了一个“作弊码”；它能帮助科学家预测机器的行为、寻找其最低能量状态，或者在无需模拟每一个齿轮转动的情况下理解其运动方式。

然而，寻找这些隐藏的规则通常就像在大海捞针。那个“大海 haystack”就是哈密顿量（Hamiltonian），它仅仅是描述所有齿轮及其相互作用方式的数学蓝图。

核心思想：将谜题转化为地图

Charlie Nation 及其团队的研究人员发明了一种寻找这些隐藏规则的新方法。他们意识到，寻找对称性在数学上等同于解决一个**图自同构（Graph Automorphism）**问题。

以下是类比：

• 蓝图： 想象量子机器的蓝图是一份指令列表。
• 图（Graph）： 团队将这份列表转化为了一个地图（一个图）。每一条指令（或称“泡利算符串/Pauli string”）都变成了地图上的一个点（顶点）。
• 连接： 他们在这些点之间画上了线（边）。这些线的颜色和方向告诉了你指令之间是如何相互作用的（它们是相互抵消还是相互增强？）。
• 颜色： 他们还根据每条指令的“权重”或重要程度（其系数）为这些点涂上了不同的颜色。

侦探工作

现在，寻找对称性变成了一场匹配游戏。

• 你正在寻找一种在地图上移动这些点的方法。
• 规则： 你只能将一个点移动到另一个位置，前提是新位置具有相同的颜色以及相同的连线模式。
• 如果你可以通过移动这些点使地图看起来与之前完全一样，你就找到了一个对称性！

该论文提供了一种高效进行这种“移动”的计算机算法。它不是随机猜测，而是利用“线索”（不变量）来缩小可能性范围，就像侦探通过排除不符合描述的嫌疑人来进行破案一样。

处理“开放”系统

现实世界中大多数量子机器并非完全孤立的；它们会向周围环境泄露信息。这被称为开放系统。

• 封闭系统： 一个密封的盒子，里面的齿轮只彼此对话。
• 开放系统： 一个带有孔洞的盒子，里面的齿轮也会与外界空气对话。

作者展示了他们的制图技巧对两者都有效。对于开放系统，他们只需将地图的大小增加一倍，以考虑到这种“泄露”，从而使他们即使在混乱的现实场景中也能找到对称性。

“相位”问题

这里有一个棘手的部分。有时，当你移动这些点时，机器运行得几乎一样，但会产生一个微小的、不可见的扭曲（称为相位/phase）。这就像是将一个齿轮旋转了 360 度再加上一点点额外的角度。

• 算法首先找到完美的移动方案。
• 然后，它执行一个快速的“相位修正”检查，看这个微小的扭曲是否可以被修复。如果可以，那么这次移动就是一个有效的对称性。

他们测试了什么

团队在几个著名的量子模型上测试了他们的方法：

1. 随机机器： 他们构建了带有隐藏对称性的随机机器，并成功每次都找到了它。
2. 现实模型： 他们在诸如 Ising 模型（用于磁铁）和 Fermi-Hubbard 模型（用于超导体）等模型上进行了测试。
3. Toric Code（托里码）： 这是一个用于量子计算机纠错的非常复杂的模型。它拥有大量的隐藏规则。该算法在拥有高达 28 个量子比特（对于这类问题来说已经很多了）的系统中找到了对称性，并帮助他们理清了更大规模系统的模式。

结果

论文表明，这种“地图游戏”方法既快速又具可扩展性。

• 对于许多模型，寻找对称性的时间随着机器规模的增大而合理增长（大约呈二次方增长）。
• 它适用于具有不同类型齿轮（不同维度）的系统。
• 它既适用于密封的盒子（封闭系统），也适用于有孔洞的盒子（开放系统）。

总结

简而言之，作者将一个困难的数学问题（寻找量子力学中的隐藏规则）转化为了一个视觉化的谜题（在地图上移动带颜色的点）。通过使用现有的专门解决地图谜题的计算机工具，他们现在可以快速找到复杂量子系统的秘密对称性，从而帮助我们理解这些机器是如何工作的，而无需模拟它们的每一次移动。

技术摘要

技术摘要：通过图自同构获取开系统与闭系统量子多比特模型的 Clifford 对称性

问题陈述
识别量子系统中的对称性对于理解基态性质、动力学、热力学以及通过块对角化降低数值模拟的计算成本至关重要。虽然对称性通常可以通过观察发现，但在复杂模型中，对称性可能并不直观。现有的算法方法主要局限于 Pauli 对称性，或者随着系统规模的增加而变得在计算上难以承受。具体而言，目前缺乏针对一般量子多比特（qudit）系统（包括闭系统（哈密顿量）和开系统（利维利安））寻找 Clifford 对称性（一类在经典计算机上可高效实现的对称性）的高效算法。

方法论
作者提出了一种算法，将寻找 Clifford 对称性的问题映射为 图自同项（Graph Automorphism, GA） 问题。该方法依赖于多比特算符的辛表示（symplectic representation），并按以下步骤进行：

1. 辛表示： 系统使用表格形式（tableau formalism）进行表示。对于闭系统，哈密顿量 $\hat{H}$ 被编码为一个由系数向量 $\vec{c}$、指数矩阵 $p$（将 Pauli 串表示为 $\mathbb{Z}_d^{2n}$ 中的向量）和相位向量 $\vec{\eta}$ 组成的加权和。对于开系统，该方法扩展到 Liouville 空间，通过将维度倍增来将 GKSL 主方程生成元 $\mathcal{L}$ 表示为超算符表格。
2. 图构建： 哈密顿量（或利维利安）被映射为一个有色有向图 $G = (V, E, X_V, X_E)$：
   • 顶点 ($V$)： 表格中的每个 Pauli 串对应一个顶点。
   • 顶点颜色 ($X_V$)： 顶点根据其系数 $c_i$ 进行着色。由于 Clifford 操作保持系数的大小不变，因此有效的对称性必须将具有相同颜色的顶点进行映射。
   • 边标签 ($X_E$)： 顶点之间的有向边代表 Pauli 串之间的辛积 $\langle \vec{p}_i, \vec{p}_j \rangle \pmod d$，这编码了它们之间的对易关系。有效的对称性必须保持这些边标签不变。
3. 依赖性与相位处理：
   • 线性依赖： 为了确保置换尊重 Pauli 串的线性依赖结构，作者采用了两种策略：(a) 通过代表最小电路（依赖子集）的辅助顶点来增强图；或 (b) 对候选置换进行事后“码自同构（code automorphism）”检查，以验证其是否保持生成矩阵的行空间。
   • 相位修正： 由于 Clifford 门包含并非严格不变的相位向量，算法首先寻找一个满足结构不变性的候选置换（GA），然后通过求解线性方程组来确定是否存在有效的相位向量 $\vec{\phi}$ 以修正残余相位偏差，从而有效地检查该候选是否为真正的对称性（在差一个 Pauli 算符的意义下）。
4. 搜索算法： 使用两种方法解决 GA 问题：
   • Bliss/igraph： 利用现有库寻找自同构群的生成元。
   • MRV 启发式算法： 使用带有最小剩余值（Minimum Remaining Values）启发式的自定义回溯搜索，通过 Weisfeiler-Leman (WL) 着色细化来高效剪枝搜索空间，从而区分基于局部对易邻域的顶点。

核心贡献

• 算法框架： 本文提供了第一个通过将问题映射到图自同构来寻找任意有限开或闭量子多比特系统 Clifford 对称性的详细算法。
• 向开系统的扩展： 该形式化方法从哈密顿量推广到了 GKSL 主方程，通过将利维利安视为倍增后的双多比特 Liouville 表格，实现了对耗散开量子系统对称性的发现。
• 效率与可扩展性： 该方法利用辛表示使问题在经典计算上保持高效。使用图着色和启发式算法显著减少了搜索空间，相比于暴力置换检查具有明显优势。
• 处理依赖性： 研究详细介绍了如何通过图增强或码自同构检查来纳入线性依赖结构（电路），从而确保找到的置换对应于有效的物理对称性。

结果
作者在多种模型上对算法进行了基准测试：

• 随机 Pauli 哈密顿量： 展示了在寻找注入对称性时随系统规模呈二次方缩放的特性，其限制主要在于图构建时间 ($O(M^2)$)。
• 物理模型： 成功识别了横场伊辛（TFI）模型（梯形、正方形、三角形几何结构）、费米子模型（Fermi-Hubbard、无序 $t-V$ 链）以及海森堡 XXZ 模型中的对称性。
• 缩放性： 对于具有局部相互作用的模型（如 TFI、$t-V$），寻找对称性的时间大约随多比特数 $n$ 的平方进行缩放。对于全连接模型（如全连接海森堡 XXZ），缩放取决于 Pauli 项的数量 $M$，而 $M$ 随 $n^2$ 缩放，因此表现出不同的性能特征。
• 托里码（Toric Code）： 在高度对称的机制下，算法成功找到了高达 $n=28$ 个量子比特的对称性。对于更大规模的实例，作者利用算法输出对任意系统规模的对称结构进行了解析外推。事实证明，图增强策略对于避免托里码中的组合爆炸非常有效。
• 开系统： 算法成功处理了开系统（如带有退相干的 TFI），并指出由于利维利安表示需要使希尔伯特空间维度翻倍，计算成本有所增加。

意义与主张
本文声称填补了文献中的关键空白，提供了一种寻找 Clifford 对称性的实用算法，而此前不存在通用的解决方案。作者强调，该方法并不局限于特定模型，而是适用于任何可以表示为多比特上 Pauli 和的系统。

其意义在于能够：

1. 自动化对称性发现： 从手动检查转向自动检测非平凡的 Clifford 对称性。
2. 处理开系统： 将对称性分析扩展到耗散动力学，识别开量子系统中不变的算符空间扇区。
3. 实现解析洞察： 利用中小型系统的数值结果，归纳导出任意系统规模的对称性解析形式（如在托里码中所展示的那样）。

作者对计算复杂度保持谦逊，承认虽然 GA 问题通常是困难的，但 Clifford 对称性的特定结构（通过系数和对易关系等不变性）使得高效求解成为可能。他们指出，相位修正和依赖性检查是区别于标准 GA 的必要步骤，尽管在测试的模型中，这些检查并未显著增加复杂度。该工作提供了 Python 实现（"Sympleq"）以促进进一步的研究与应用。