⚛️ quantum physics

Trading Imaginary Time for Randomness in Ground State Preparation

本文介绍了扭转虚时演化（Twirled Imaginary-Time Evolution, TITE），这是一种将虚时演化与随机实时演化相结合的方法，通过二次抑制基态误差，从而使所需的虚时减半，并实现基态制备计算成本的二次降低。

原作者： Alvan Arulandu, John M. Martyn, Isaac L. Chuang

发布于 2026-08-04

📖 1 分钟阅读🧠 深度阅读

原作者： Alvan Arulandu, John M. Martyn, Isaac L. Chuang

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

想象一下，你正试图在一片广袤、雾气缭绕的山脉中，寻找那个最深、最宁静的山谷。这正是量子计算机旨在解决的问题：寻找一个复杂系统（如分子或磁性材料）的“基态”，即最低能量级。为了实现这一点，科学家们使用了一个巧妙的技巧，叫做“虚时演化”（imaginary-time evolution）。你可以把它想象成一个神奇的过滤器，它能缓慢地抽走系统的能量，让那些高能、跳动的状态逐渐消散，直到只剩下平静的基态。

然而，这里有一个难点：运行这个神奇过滤器的代价极其昂贵。你让它运行的时间越长，为了得到一个好的结果，你就必须重复整个实验的次数越多。这就像是试图在暴风雨中听清一声低语：你想要听得越清楚，就得越多地大声喊叫并反复聆听，直到成本变得无法承受。本文通过引入一种新的混合方式——利用一点随机性来让过滤器工作得更加高效，而无需更昂贵的设备——解决了这个昂贵的问题。

研究人员 Alvan Arulandu、John M. Martyn 和 Isaac L. Chuang 开发了一种被称为“扭转虚时演化”（Twirled Imaginary-Time Evolution, TITE）的新方法。他们的核心构思是用一点免费的、随机的“实时间”（real time）来交换一部分昂贵的、耗能的“虚时间”。

用通俗的语言来解释其原理：想象你正在尝试将收音机调到一个特定的频道（基态）。标准的方法涉及缓慢地转动旋钮（虚时间），以过滤掉所有的杂音和其他电台。但这个过程很慢，而且需要你不断地按下“重置”并重新尝试，因为信号会逐渐减弱。

作者们意识到，一旦你把旋钮转到了大部分位置，你就不再需要缓慢地转动了。相反，你可以随机摇晃一下收音机（实时间演化）。这种摇晃不会消耗额外的能量，也不需要额外的重置，因为它是一个自然的、可逆的过程。通过按照特定的模式，对收音机进行随机时间的摇晃，那些“杂音”（不想要的激发态）就会被扰乱并相互抵消。

论文证明了这种随机摇晃的力量是极其强大的。研究表明，通过用这种随机的实时间摇晃替换大约一半的昂贵虚时间，你可以实现计算成本的二次方级降低。因为标准方法的成本随所需时间呈指数级增长（缩放比例为 $e^\beta$ ），将所需的虚时间减半，可以将成本从 $e^\beta$ 降低到 $e^{\beta/2}$ 。虽然这仍然是一个指数函数，但这是一个巨大的进步：它有效地将计算负担降低到了原始成本的平方根水平。这意味着，相对于剩余的虚时间，最终结果的误差呈二次方关系下降——也就是说，如果你之前的误差是一个微小的数值，新方法会将该误差降低到该微小数值的平方，从而使结果显著更加精确。

作者们利用一个复杂的磁自旋链（非可积伊辛链）的计算机模拟测试了这个想法。在这些带有噪声的模拟中，他们的新 TITE 方法表现出了比标准方法更显著的改进。他们证明了，通过投入显著更少的计算成本，你就能达到同样高质量的结果。

至关重要的是，论文解释了这不仅仅是针对某一特定类型计算机的“魔术”；它适用于科学家目前用于运行虚时演化的任何方法，无论他们是使用逐步近似法还是更先进的信号处理技术。其核心洞察在于，虽然系统的能量在随机摇晃期间保持不变，但由于随机运动冲刷掉了通常困扰这些计算的误差，系统的“准确度”得到了提升。

因此，主要发现是：通过加入一点随机性，你可以大幅削减寻找量子系统基态的成本。论文从数学上证明了这种“时间扭转”（temporal twirling）比旧方法能更快地抑制误差，并且他们的模拟也证实了这一理论，表明这种方法可以使量子态的制备在未来的量子计算机上变得更加切实可行。

技术摘要：以随机性换取虚时以进行基态制备

问题陈述
虚时演化（ITE）是量子计算机上制备多体哈密顿量基态的一种基础方法。从理论上讲，对初始态应用非幺正算符 $e^{-\beta H}$ 会随虚时 $\beta$ 的增加而指数级地抑制激发态的贡献，从而收敛至基态。然而，实际实现面临着显著的成本障碍：由于 $e^{-\beta H}$ 是非幺正的，它会降低波函数的范数。修正该范数需要通过后选择（post-selection）或振幅放大（amplitude amplification），这导致样本复杂度及/或经典计算成本随 $\beta$ 指数级增长（即 $e^{O(\beta)}$ ）。

此外，标准 ITE 存在一个关键的收敛限制。虽然基态能量的收敛非常迅速（误差随 $\delta$ 即激发态振幅呈 $O(\delta^2)$ 缩放），但与真实基态的迹距离（trace distance）——以及随之而来的任意观测量的误差——收敛速度较慢（呈 $O(\delta)$ 缩放）。这意味着，为了获得高精度的通用观测量，通常需要比仅凭能量收敛所暗示的更大的 $\beta$ ，这加剧了指数级的成本。

方法论：扭转虚时演化 (TITE)
作者提出了扭转虚时演化 (Twirled Imaginary-Time Evolution, TITE)，这是一种旨在减轻基态制备成本的随机化算法。其核心方法论涉及使用实时间演化来替换部分所需的虚时。

该算法分为两个阶段：

虚时演化： 系统经历持续时间为 $\beta' \approx \beta/2$ 的 ITE。这使系统状态在迹距离上达到与基态的 $O(\epsilon)$ 接近。
时间扭转 (Temporal Twirling)： 随后，该状态经受由精心设计的概率分布 $\mathcal{D}$ 所抽取的随机持续时间 $t$ 的实时间演化 $e^{-iHt}$ 。

其理论基础是 Campbell-Hastings 混合引理 (Campbell-Hastings Mixing Lemma) 在量子态上的推广。该引理指出，如果一组幺正算符在个体上以误差 $a$ 近似目标，但它们的平均值以误差 $b$ 近似目标，那么生成的混合态（通道）与目标的偏差阶数为 $a^2 + 2b$ 。

在 TITE 中，对实时间持续时间 $t$ 的随机化使得激发态分量的相对相位相互抵消。如果分布 $\mathcal{D}$ 的选取使得其特征函数在频率 $\omega \ge \Delta$ （谱隙）处衰减足够快，则平均态的迹距离误差将达到 $O(\epsilon^2)$ ，相比于标准 ITE 的 $O(\epsilon)$ 误差实现了二次方级的改进。

核心贡献

二次方误差抑制： 本文证明了 TITE 能二次方级地抑制与基态的迹距离。通过将大约一半的虚时（ $\beta \to \beta/2$ ）替换为随机化的实时间演化，该算法保持了与原算法相同的精度水平。
成本降低： 由于 ITE 的样本复杂度和经典成本随 $e^{O(\beta)}$ 缩放，将所需的虚时减半意味着在渐近意义上实现了基态制备总成本的二次方级降低。
实现无关性： TITE 框架是在量子通道层面构建的，因此兼容现有的 ITE 实现方式，包括 Trotter 化、量子信号处理 (QSP) 和量子虚时演化 (QITE)。它不需要修改底层的非幺正模拟方法。
最优分布： 作者推导出了满足必要误差抑制条件的特定随机时间 $t$ $t$ 概率分布。
- 如果已知谱隙下界 $\Delta$ ，基于 $\text{sinc}^4$ 函数 ( $S_\Delta$ ) 的分布是最优的。
- 如果 $\Delta$ 未知，则提供了一个仅依赖于所选虚时 $\beta$ 的类柯西分布 ( $C_\beta$ )。

结果
作者通过对非可积 Ising 链的含噪声电路级模拟，展示了 TITE 的高效性。结果表明，TITE 相比标准 ITE 有显著改进，证实了随机化实时间演化能有效抑制任意观测量的误差，且不会引入与增加 $\beta$ 相关的指数级开销。模拟验证了该算法确实实现了相对于迹距离的预测性的二次方误差缩减。

意义与主张
本文声称，TITE 提供了一种通用的方法来缓解基态制备算法中的指数成本瓶颈。通过利用实时间演化的幺正性质（不产生样本复杂度开销）以及随机编译的误差抑制特性，TITE 实现了一种“权衡”，即用随机性来交换虚时。

作者将 TITE 定位为误差缓解（抑制物理噪声）与基态提纯（从噪声近似中提取纯态）之间的桥梁。他们强调，这种方法缓解了由有限虚时引起的算法误差，而不会显著增加相对于标准 ITE 的计算成本。这项工作确立了对于广泛的基态制备问题，成本可以实现渐近意义上的二次方级降低，从而使高精度基态估计在近期的及早期容错量子设备上变得更加可行。

类似论文