技术摘要：多模高斯变换的内存优化顺序合成

问题陈述

在模块化量子计算架构中，模块间的通信依赖于通过传输线传输的行进型量子模（qumodes）。一个关键的约束是，一旦量子模通过分束器类型的相互作用从模块中发射出来，该模块便无法再对其进行访问。因此，生成后续输出所需的任何信息都必须保存在模块内长寿命的“内存”量子模中。

本文研究的核心问题是：如何顺序实现给定的多模高斯变换 $S$（由辛矩阵 $S \in Sp(2N, \mathbb{R})$ 表示），该变换作用于 $N$ 个输入量子模。本研究旨在回答三个具体问题：

1. 如何寻找一种能最小化所需内存量子模数量的发射顺序？
2. 对于给定的发射顺序，实现所需的最小内存量子模数量确切是多少？
3. 如何构建一个能够实现该最小值的顺序协议？

以往的方法（如矩阵乘积态 MPS 方法）侧重于表征特定目标态的生成，但并未本质上确定实现任意输入态的通用辛变换所需的最小内存成本，也未考虑该成本对发射顺序的依赖性。

研究方法

1. 内存成本表征

作者根据变换的“支撑集”（support）来定义内存成本。对于一个输出量子模 $o$，其支撑集 $\text{supp}(o)$ 是指使得对应块 $S[o, a]$ 非零的所有输入量子模 $a$ 的集合。

对于给定的发射顺序 $o_1, \dots, o_N$，令 $P_k = \bigcup_{j \le k} \text{supp}(o_j)$ 为截至第 $k$ 步已注入的输入集合，$F_k = \{o_k, \dots, o_N\}$ 为尚未发射的输出集合。在第 $k$ 步，必须在内存寄存器中保留的关联性由子矩阵 $S[F_k; P_k]$ 描述。

作者证明，最小内存量子模数量 $n_{mem}(S)$ 由这些子矩阵在发射序列中的最大秩决定：
$$n_{mem}(S) = \max_{1 \le k \le N} \frac{1}{2} \text{rank } S[F_k; P_k]$$
至关重要的是，该秩表达式可以简化为一个计数规则（推论 1）：
$$n_{mem}(S) = \max_{1 \le k \le N} (|P_k| - k + 1)$$
这一结果意味着内存成本仅取决于 $S$ 的支撑模式（即哪些输入影响哪些输出），并且可以在线性时间内通过支撑数据进行评估，而无需进行显式的秩计算。

2. 顺序合成协议

本文开发了两种不同的实现变换的协议：

• 门序列协议 (算法 1)： 当 $S$ 被指定为一系列高斯门序列（$S = G_L \cdots G_1$）时，该协议根据所选的发射顺序对原始门进行调度。它使用逆向扫描方法来识别每个输出所需的“纠缠支撑”。虽然这种方法避免了新的合成并复用了原始电路中的门，但其内存使用量并不保证是最小的；它取决于所提供的特定门分解方式。
• 基于矩阵的协议 (附录 A)： 当仅已知辛矩阵 $S$ 时，该协议直接从 $S$ 构建新的寄存器内高斯操作。它利用辛格拉姆-施密特（symplectic Gram–Schmidt）完备化方法，在每一步将目标输出映射到单个内存量子模上。该协议被证明始终能达到理论上的最小内存成本 $n_{mem}(S)$，尽管它需要额外的合成过程，且具有更高的经典运行时间复杂度（$O(N^4)$）。

3. 发射顺序优化

由于内存成本随发射顺序的变化而显著不同，作者提出了一种确定性的贪婪启发式算法（算法 2）来选择内存高效的顺序。该算法通过迭代选择下一个要发射的输出，其准则在于最小化所需的“新”输入量子模数量（$\min | \text{supp}(o) \setminus J |$，其中 $J$ 是已经注入的输入集合）。这种方法计算效率高（$O(N^2 s)$，其中 $s$ 是最大支撑大小），通常能产生低内存需求的顺序，但对于任意变换，它并不保证能获得全局最优解。

关键结果

• 精确内存界限： 本文为任何顺序实现高斯变换的情况建立了一个严格的资源下界，并证明了存在能够达到该界限的协议。
• 线性时间评估： 对于固定的顺序，可以通过简单的计数规则（$|P_k| - k + 1$）在线性时间内计算内存成本，从而绕过了复杂的线性代数运算。
• 顺序敏感性： 本研究表明，发射顺序会剧烈影响资源需求。通过一个“链码”（chain code）示例，作者展示了同一个变换在正向顺序下可能只需要常数个内存量子模（$O(1)$），而在反向顺序下则需要全部 $N$ 个量子模。
• 局部缩放特性： 对于在 $D$ 维立方晶格上具有局部支撑的变换，内存成本随 $O(N^{(D-1)/D})$ 缩放。具体而言，对于一维链，内存为常数；对于二维晶格，内存按 $O(\sqrt{N})$ 缩放。这种缩放是由已发射区域与未发射区域之间的边界尺寸决定的，而非整个系统的规模。
• 对非高斯态的适用性： 这些协议对于输入是与状态无关的。虽然纠缠生成是高斯的，但该框架适用于包括 Gottesman–Kitaev–Preskill (GKP) 态和猫态在内的任意非高斯输入资源。

意义与主张

作者声称，这项工作为模块化架构中实现通用连续变量量子计算的模块间通信，提供了首个显式的、资源高效的方案。通过将纠缠生成（高斯操作）与状态制备（可能为非高斯操作）解耦，该框架允许以最小化的内存开销顺序生成复杂的多模态态。

其重要性在于：

1. 资源优化： 提供了一种确定并实现顺序高斯变换绝对最小内存成本的方法，这是实现可扩展模块化量子系统的关键约束。
2. 算法效率： 提供了能够基于变换支撑结构高效运行的实用算法（贪婪选择和门调度），使其适用于大规模系统。
3. 可扩展性： 证明了对于物理上相关的局部相互作用（例如晶格上的簇态），内存需求随系统规模的变化非常理想，仅随边界维度增长，而非随体积增长。

论文最后指出了一些开放性问题，包括寻找全局最优发射顺序的计算复杂度（这可能是 NP-hard 问题），以及在基于矩阵的协议中如何选择能最小化基本门数量的门分解。此外，文章也强调了将分析扩展到包含内存衰减和不完美交换（swaps）等硬件缺陷情况的必要性。