⚛️ quantum physics

Lecture notes on classical and quantum non-Markovianity

这些讲义通过强调经典随机概念与量子动力学映射之间的对应关系，并以基于通道可分性（channel divisibility）和状态可区分性（state distinguishability）的表征为重点，向研究生介绍经典与量子非马尔可夫性。

原作者： Graeme Pleasance

发布于 2026-07-09

📖 1 分钟阅读🧠 深度阅读

原作者： Graeme Pleasance

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是关于经典与量子非马尔可夫性（Non-Markovianity）讲义内容的解释，已将其转化为使用类比的日常语言。

大局观：记忆 vs. 遗忘

想象你正在看一部电影。

马尔可夫（无记忆）： 这就像一部下一幕仅取决于“此时此刻”正在发生什么的电影。如果英雄正在奔跑，下一幕就是“奔跑”。这部电影并不关心英雄五分钟前是否很伤心，也不关心昨天是否下雨了。系统已经“忘记”了它的过去。
非马尔可夫（有记忆）： 这就像一部下一幕取决于“整个故事脉络”的电影。如果英雄正在奔跑，可能是因为三幕之前他被一条龙追赶过。系统“记得”它的历史，而这种记忆改变了接下来的发展。

这篇论文是一份指南，旨在帮助学生理解如何区分这两种行为类型，特别是针对量子力学（粒子表现得像波和概率）与经典世界（硬币翻转和球滚动）之间的区别。

第一部分：经典世界（硬币翻转）

论文首先回顾了我们如何处理“正常”的随机性，比如抛硬币或醉汉在网格上行走（“随机游走”）。

经验法则： 在标准的“马尔可夫”过程中，未来仅由现在决定。如果你知道醉汉“现在”在哪里，你不需要知道他一小时前在哪里，就能预测他下一分钟会在哪里。
“可分性”测试： 作者引入了一个名为 P-可分性（P-divisibility） 的数学测试。想象你在看一段醉汉行走的视频。如果你可以将视频切成任意两个片段（从时间 A 到 B，以及从 B 到 C），且从 A 到 C 的转变过程仅仅是 A 到 B 与 B 到 C 的组合，那么这个过程就是“可分的”且无记忆的。
转折： 论文指出，有时一个过程看起来是可分的（你可以从数学上对其进行切割），但它实际上是非马尔可夫的。这就像一个魔术：虽然碎片在数学上能够拼凑在一起，但碎片内部的故事却暗示着角色记住了本不该记得的事情。

第二部分：量子世界（神秘的盒子）

现在，论文转向了开放量子系统。想象一个量子粒子（“系统”）在一个盒子里，但盒子正在漏气，并与外部的空气（“环境”）发生相互作用。

量子记忆的问题： 在经典世界中，我们可以通过观察概率来轻松定义“记忆”。但在量子世界中，这很棘手。如果你试图通过测量量子粒子来观察它的历史，测量行为本身会改变粒子。这就像试图通过戳一下舒芙蕾来检查它是否熟了；戳的行为会毁掉舒芙蕾。因此，标准的“马尔可夫”定义（遗忘过去）并不完全适用于量子系统。

第三部分：识别量子系统中“记忆”的两种方法

由于旧的定义不再适用，论文重点介绍了两种现代方法，用于检测量子系统是在记住过去（非马尔可夫）还是在遗忘过去（马尔可夫）。

1. “可分性”检查（RHP 方法）

类比： 想象你有一台将纸张（量子态）进行转换的机器。
测试： 如果你可以将机器的操作分解为两个步骤（步骤 A 然后步骤 B），且这两个步骤本身都是在物理上有效的、可以独立存在的机器，那么这个过程就是马尔可夫的。
失效情况： 如果你尝试将过程分解为步骤，而其中一个步骤变成了“不可能的”（在数学上，它会产生负概率或违反物理定律），那么该系统就具有非马尔可夫记忆。系统“抓着”来自过去的某些信息不放，导致过程无法被干净利落地切割。
论文观点： 作者表明，如果“衰减率”（系统失去能量或信息的速率）曾经变为负数，则该系统是非马尔可夫的。这就像一个银行账户，因为你之前取款过多，银行突然把钱还给了你。这种“负衰减”意味着信息正从环境流回系统。

2. “可区分性”检查（BLP 方法）

类比： 想象你有两枚不同的量子硬币，硬币 A 和硬币 B。你想分辨它们。
测试： 在马尔可夫世界中，随着时间的推移，硬币会与环境变得更加混合。它们变得越来越难以区分。它们之间的“距离”在稳步缩小。
失效情况： 在非马尔可夫世界中，硬币可能会变得混乱，但随后环境会“吐出”一些信息。突然之间，硬币变得更容易被分辨出来了。它们之间的“距离”反而增加了。
论文观点： 如果分辨两个量子态的能力随时间而增加，则该系统是非马尔可夫的。这被称为“信息回流”。这就像一场对话，你一度忘了对方说了什么，但随后对方提醒了你，你突然又清晰地记起了所有内容。

第四部分：Spin-Boson 模型（现实世界的测试）

为了证明这些想法有效，作者将其应用于一个著名的模型，称为 Spin-Boson 模型。

设置： 想象一个微小的磁铁（“自旋”或比特）正在与一群振动的弹簧（玻色子）发生相互作用。
结果：
- 如果弹簧非常微弱且快速（像一阵微风），磁铁会迅速忘记它的过去。衰减率始终为正。结果：马尔可夫。
- 如果弹簧很强且缓慢（像一种粘稠的液体），磁铁会被困在它的历史中。衰减率会来回摆动，甚至变为负数。结果：非马尔可夫。
结论： “可分性”测试和“可区分性”测试在该模型上达成了一致。当系统具有记忆（非马尔可夫）时，衰减率为负，且态的可区分性会增加。

核心要点总结

经典 vs. 量子： 在经典物理中，“记忆”很容易定义。在量子物理中，这很难，因为测量过去会改变现在。
两种定义： 论文聚焦于定义量子记忆的两种主要方式：
- CP-可分性： 我们能否在数学上将过程切分为有效的、物理上可行的步骤？（如果不能，则具有记忆）。
- 态的可区分性： 两个量子态是否随时间变得越来越难以区分？（如果它们变得更容易区分，则意味着信息正在回流，从而具有记忆）。
两者之间的联系： 论文证明了对于许多常见系统，这两个定义实际上是在表达同一件事：如果系统具有“记忆”，衰减率就会变为负值，且信息会从环境回流。

本论文****并非做的事情：
本论文是一篇理论性讲义。它不讨论临床应用、医疗用途或特定的未来技术。它严格定义了识别量子系统中记忆的数学规则，并证明了这些规则如何应用于一个特定模型（即一个与振动相互作用的磁铁模型）。

技术摘要：经典与量子非马尔可夫性的讲义笔记

问题陈述
对非马尔可夫量子过程的研究引起了广泛关注，因为存在几种相互竞争的量子非马尔可夫性定义。一个根本性的挑战在于，经典的马尔可夫性定义植根于在已知当前状态的情况下，未来状态与过去历史的独立性，这与量子力学的统计基础是不相容的。具体而言，由于相干性的产生以及测量引起的扰动，量子过程通常会违反定义经典随机层级的 Kolmogorov 一致性条件。因此，如何精确定义何为“量子非马尔可夫性”仍然是一个开放且复杂的话题。本笔记通过回顾用于表征经典与量子随机过程非马尔可夫性的入门概念，重点讨论噪声从系统-环境相互作用中产生的开量子系统理论，旨在解决这一问题。

方法论
本文采用教学法，通过架起经典概率论与开量子系统理论之间的桥梁，以建立经典与量子概念之间的对应关系。

经典基础： 笔记首先回顾了经典随机过程，通过 Chapman-Kolmogorov 方程（CKE）定义马尔可夫链，并引入 $P$ -可分过程的概念（其中中间转移映射是正且保迹的）。建立了 Kolmogorov 距离与随机映射的收缩性之间的关系。
量子框架： 回顾了开量子系统理论，重点关注完全正保迹（CPTP）映射（动力学映射）和 Kraus 表示。将可分性概念扩展到量子领域，区分了 $P$ -可分性（中间映射为正）与 CP-可分性（中间映射为完全正）。
马尔可夫性的表征： 分析了两种主要的定义量子马尔可夫性的内在方法：
- CP-可分性： 如果动力学映射 $\Phi_t$ 可以分解为一系列对于所有 $t \ge s$ 均成立的 CPTP 中间映射 $\Lambda_{t,s}$ ，则该过程是马尔可夫的。这与时间局部主方程（GKSL 形式）中衰减率的非负性相关联。
- 单调递减的状态可区分性（MDSD）： 如果任意两态之间的迹距离随时间单调递减，则该过程是马尔可夫的。这被解释为信息从系统向环境的连续流失，而距离的增加则意味着信息回流（非马尔可夫性）。
应用： 这些度量被应用于自旋-玻色子模型（一个与谐振子浴相互作用的量子比特）。利用约化密度矩阵的精确解来推导时间依赖的衰减率并评估非马尔可夫性度量。

主要贡献与结果

经典过程的层级结构： 笔记澄清了层级关系 $Markov \subset CKE \subset P\text{-divisible}$ 。虽然所有马尔可夫过程都是 $P$ -可分的，但在高阶相关性下，反之并不严格成立，尽管在限制于一点概率时它们在操作上是等价的。
量子定义：
- CP-可分性（RHP 度量）： 由 Wolf, Cirac, Rivas, Huelga, 和 Plenio 定义，该准则依赖于中间映射的完全正性。本文基于 Choi 矩阵范数推导了度量 $N_{RHP}(\Phi)$ ，表明当主方程中的衰减率变为负值时，该度量非零。
- MDSD（BLP 度量）： 由 Breuer, Laine, 和 Piilo 定义，该准则依赖于迹距离。度量 $N_{BLP}(\Phi)$ 量化了信息回流的总量。
准则间的关系： 本文确立了 CP-可分性蕴含 MDSD（即，如果一个过程是 CP-可分的，则迹距离是单调递减的），但其逆命题不一定成立。然而，对于量子动力学半群（具有 GKSL 生成子的时齐过程），这两个度量是一致的，并且都能预测马尔可夫行为。
自旋-玻色子模型分析：
- 该模型被精确求解，得到一个具有时间依赖 Lamb 位移 $S(t)$ 和衰减率 $\gamma(t)$ 的时间局部主方程。
- CP-可分的条件被证明为 $\int_0^t \gamma(s) ds \ge 0$ 。
- 当 $\gamma(t) < 0$ 时，识别出非马尔可夫性。
- 对于洛伦兹谱密度，本文证明了强耦合（ $g \gg \Gamma$ ）会导致衰减率发生振荡并变为负值，表明存在非马尔可夫行为（相干振荡和信息回流）。相反，弱耦合（ $g \ll \Gamma$ ）导致正的常数衰减率，恢复了与 Born-Markov 近似一致的马尔可夫极限。
- 该分析证实，对于这个特定的单通道模型，RHP 和 BLP 度量在关于非马尔可夫性起始点的预测上是一致的。

意义
本文作为一份面向研究生的入门资源，旨在通过将其植根于经典概率论，来消除各种量子非马尔可夫性定义的困惑。它强调了经典随机矩阵与量子动力学映射之间的对应关系，特别强调了由于违反经典一致性条件（Kolmogorov 条件）而导致的量子特性的必要性。通过侧重于内在准则（CP-可分性和状态可区分性），这些笔记提供了一个清晰的框架，用于区分无记忆（马尔可夫）与受记忆影响（非马尔可夫）的动力学，而无需对环境的全局状态进行显式建模。对自旋-玻色子模型的应用说明了这些抽象度量如何转化为物理现象，例如取决于环境的耦合强度和谱密度，实现从指数衰减到相干振荡的转变。