Coherence Estimation Beyond the Liouvillian Gap in a Finite Nonequilibrium System

技术摘要：有限非平衡系统中超越 Liouvillian 能隙的相干性估计

问题陈述
本文探讨了在与热库相互作用的有限开放量子系统中，估计浴诱导相干性（Bath-Induced Coherence, BIC）所面临的挑战。Liouvillian 能隙 ($\Delta$)——定义为 Liouvillian 谱中最小的非零实部——传统上被视为弛豫时间尺度和信息积累的主要决定因素。然而，该能隙与相干性估计的最优感知时间之间的关系尚不明确。具体而言，通常假设最优探测时间 ($t^*$) 与 Liouvillian 能隙的倒数 ($1/\Delta$) 成线性比例，并且这种比例关系的偏离被视为多模态动力学的标志。作者研究了这一假设对于瞬态估计 BIC（一种由无相干驱动下的耗散路径间量子干涉产生的非平衡相干性）是否成立。

研究方法
作者采用了一个四能级 $V$ 型量子系统，该系统具有两个简并的基态（$|1\rangle, |2\rangle$），通过热库和冷库非对称地耦合到两个激发态（$|a\rangle, |b\rangle$）。该系统使用主方程框架进行建模，其中 Liouvillian 超算符 ($\mathcal{L}$) 结合了相干演化与耗散过程。待估计的参数为无量纲相干参数 $p_h$ 和 $p_c$，分别代表热浴和冷浴诱导相干性的强度。

研究利用量子 Fisher 信息矩阵 (QFIM) 来量化估计精度。密度矩阵在 Liouvillian 的双正交特征基下进行展开，使作者能够将动力学分解为由特征值 ($\lambda_n$) 和统计权重 ($c_n$) 表征的各模态贡献。分析过程包括：

1. 数值模拟： 在不同温度和相干强度下，计算用于同时估计 $p_h$ 和 $p_c$ 的随时间变化的 QFIM。
2. 谱分解： 通过分析加权模态振幅 ($c_n e^{\lambda_n t}$) 来识别哪些弛豫模态主导了 QFI 的瞬态增强。
3. 解析推导： 开发一个通用的马尔可夫框架，将 QFIM 分解为时间核（由 Liouvillian 谱决定）和模态耦合张量（编码统计权重和量子统计度规）。
4. 腔耦合： 研究将系统耦合到量子腔对结果的影响，以确定瞬态计量优势是否可以转化为稳态资源。

核心贡献与结果

• 瞬态与稳态精度： 研究表明，浴诱导相干性的估计精度严格是瞬态的。尽管系统保留了有限的相干性，但 $p_h$ 和 $p_c$ 的 QFI 在瞬态演化期间达到最大值，并在稳态时衰减至零。这表明稳态相干性的存在并不保证计量敏感性。
• 最优时间与 Liouvillian 能隙的解耦： 作者证明了最优探测时间 ($t^*$) 并不普遍与 Liouvillian 能隙的倒数 ($1/\Delta$) 成比例。
  • 与单模态贡献的非线性关系： 在某些机制下（例如对于 $p_h$ 的低温度情况），单个模态可能主导瞬态增强，但 $t^*$ 与 $1/\Delta$ 之间的关系仍是非线性的。
  • 与多模态贡献的线性关系： 相反，在多个模态显著贡献的机制下（例如高温情况），$t^*$ 与 $1/\Delta$ 之间的关系可能表现为近似线性。
  • 结论： 无论是线性还是非线性缩放，都不能作为单模态或多模态动力学的确定性特征。最优时间是由模态的统计重要性（其权重 $c_n$）与其弛豫动力学（$\lambda_n$）之间的竞争决定的。
• 解析框架： 本文提供了一种精确的 QFIM 分解方法（公式 30），将通用的时间核与模态耦合张量分离。该框架揭示了瞬态最优值产生于：参数信息在 Liouvillian 模态之间的重新分配与向环境的不可逆损失之间达到了平衡。最优时间受所有对参数敏感的模态的集体演化支配，而非仅仅取决于最慢的那个模态。
• 通过腔耦合实现的稳态资源： 通过将系统耦合到一个物质-场耦合强度 $g$ 超过系统-浴耦合 ($g > r$) 且保持热偏差的量子腔中，作者展示了可以将瞬态计量优化转化为持续的稳态资源。这种情况仅发生在相干耦合伴随强热激发时；弱耦合则会保留其瞬态特性。

意义
本文确立了开放量子系统中的相干性估计不能仅通过 Liouvillian 能隙的角度来理解。作者挑战了传统观点，即认为逆能隙决定了最优传感时间尺度，或者缩放行为能直接揭示底层的模态结构。相反，他们证明了计量动力学是 Liouvillian 谱属性与模态展开统计权重之间复杂的相互作用。

这项工作架起了量子估计理论与相干性热力学优势模型之间的桥梁，表明“计量时钟”不同于“弛豫时钟”。此外，它确定了一种通过腔工程将瞬态估计优势转化为稳态资源的机制，为在非平衡系统中维持量子增强传感提供了一条途径。由于 QFIM 对角和非对角元素的行为一致，这些发现对于单参数和多参数估计场景均具有鲁棒性。