⚛️ quantum physics

Complex Quantum Dynamics Versus Classical Simulability of Noisy Random Circuits

本文表明，在噪声量子电路中，标准的复杂度动力学诊断指标（如魔性与纠缠扩散）可能会与经典可模拟性发生背离，因为这些指标探测的是泡利谱中不同的统计阶数，从而表明仅凭此类诊断不足以构成存在噪声情况下量子优越性的可靠证据。

原作者： Anjali Waghmare, Sergii Strelchuk, Sathyawageeswar Subramanian

发布于 2026-10-01

📖 1 分钟阅读🧠 深度阅读

原作者： Anjali Waghmare, Sergii Strelchuk, Sathyawageeswar Subramanian

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

在寻求证明量子计算机能够完成经典机器无法完成的任务的过程中，科学家们经常寻找其运行过程中极端复杂性的迹象。他们观察特定的行为，这些行为表明机器正在探索一个广阔且纠缠不清的可能性图景，其程度远超标准计算的范畴。其中两个最受信任的迹象是“魔力”（magic）和“扰动”（scrambling）。在这里，“魔力”并非指一种超自然力量，而是一个技术术语，指的是一种使系统难以预测或复制的量子资源。“扰动”则是指信息在整个系统中扩散并混合在一起的速度，使其变得无法追溯其来源。当这些迹象强烈时，研究人员便假定该计算机正在执行一项对于经典超级计算机而言，需要耗费极长且不切实际的时间才能模拟的任务。

然而，现实世界的量子计算机并不完美。它们在噪声环境中运行，外部世界的微小相互作用不断干扰着脆弱的量子态。这种噪声将纯净、锐利的量子信息变成了模糊、混合的混沌状态。该领域的一个核心问题一直是：当存在噪声时，代表复杂性的迹象——即魔力和扰动——是否仍然是可靠的指南？即使机器本身因为噪声而变得更容易建模，这些迹象是否仍能指向一个难以模拟的任务？来自牛津大学研究人员的一项新研究表明，答案是否定的。他们发现，在有噪声的电路中，复杂性的迹象可能会在任务已经变得易于被经典计算机解决之后仍然持续存在，或者在任务仍未被任何已知方法解决时就已消失。

研究人员通过构建两种不同类型的模拟量子电路来调查这种脱节现象。第一种类型基于许多量子实验中使用的标准架构，他们在背景操作中加入了特定数量的特殊门。第二种类型使用了为费米子系统（如电子等粒子）设计的不同规则，并加入了一种不同的门以实现通用性。在这两种情况下，他们都引入了噪声以模拟真实硬件的缺陷。随后，他们同时追踪了两件事：动力学诊断（即魔力和扰动的度量）以及模拟该电路的实际经典计算成本。他们想要观察“诊断显示此任务具有复杂性”的点，是否与“经典算法显示此任务易于解决”的点相匹配。

他们的发现显示出明显的脱节。动力学诊断与经典模拟边界并不一致。在某些场景下，电路保留了强烈的魔力特征，暗示它仍在进行某种量子且复杂的活动，尽管经典计算机已经可以高效地模拟它。在其他场景下，魔力特征消失了，使系统看起来很简单，但没有任何已知算法能高效地模拟它。这种不匹配之所以发生，是因为噪声以不同的速度影响着系统的不同数学属性。衡量魔力和扰动的指标依赖于系统状态的四阶统计量，这就像是其复杂性的详细指纹。然而，使经典模拟变得高效的算法主要依赖于二阶统计量，这是一种更为粗略的度量方式。

局部噪声（即影响系统各部分的干扰）对这些高阶统计量的抑制速度远快于低阶统计量。这就像是噪声在抹除量子指纹的精细细节之前，就已经模糊了其宏观轮廓。由于经典模拟算法只需要利用宏观轮廓即可运行，因此它们可以在精细细节——即诊断所测量的东西——仍然可见时就取得成功。反之，当宏观轮廓仍然复杂到任何已知算法都无法处理时，精细细节可能已经消失了。研究人员计算出，这种差距产生了一个特定的系统规模窗口，在此窗口内诊断是具有误导性的。对于较小的系统，魔力在模拟变得容易之前就会消失。对于较大的系统，在魔力仍然可检测到的同时，模拟已经变得容易。

这一发现对于如何解读当前量子设备的实验具有重要意义。当科学家在有噪声的处理器上测量魔力或扰动时，不能假设强信号自动证明该设备正在执行一项经典模拟困难的任务。该信号可能仅仅是系统结构的残余，噪声尚未将其抹除，即便系统已经跨过了可经典模拟性的阈值。这项研究表明，我们观察到的量子演化与我们能够进行经典计算之间的关系并不是一条直线，而是一个两者可能发生分歧的复杂景观。

研究人员通过对第一类电路族进行精确数学计算，以及对第二类电路族进行数值模拟，证实了这些结果。他们并非仅凭猜测，而是推导出了展示不同统计矩随时间衰减的精确公式。他们发现，诊断失效的点取决于系统规模和采样误差容忍度，而非取决于噪声强度本身。这意味着这种不匹配是噪声与量子复杂性相互作用的一种基本特征，而非特定设置下的偶然现象。

该研究还探讨了涉及费米子的另一种电路类型，以确保结果并非特定于某种架构。他们发现了相同的模式：动力学上的非高斯性度量（即费米子版本的魔力）与模拟成本并不一致。在这种情况下，经典模拟成本取决于信息在不同自由度之间的分布情况，而动力学诊断并未捕捉到这一属性。这进一步强化了结论，即这种不匹配是一个普遍现象，源于我们衡量复杂性的工具与我们模拟系统的工具所关注的系统层面不同。

最终，这项工作阐明了在有噪声的设备上测得的魔力或扰动值本身，并不构成经典难度的证明。它表明，该领域需要开发出与经典算法实际利用的二阶属性联系更紧密的全新诊断工具。在此之前，在有噪声的实验中观察到的复杂性特征应当谨慎对待。研究人员已经证明，量子优势的景观比此前认为的更为微妙，其复杂性信号与可模拟性的现实往往在各自不同的路径上并行。

技术摘要：复杂量子动力学与噪声随机电路的经典可模拟性

1. 问题陈述

对量子优势的宣称通常依赖于模拟随机量子电路输出分布在经典计算上的困难性。虽然基于复杂度理论的论证确立了理想化（无噪声）电路的困难性，但将其扩展到现实的有噪声硬件方面的研究仍然有限。目前的实验演示运行在一个既没有建立起经典困难性，也没有建立起高效经典模拟性的机制的区间内。

为了弥补这一差距，研究人员通常依赖于动力学诊断（dynamical diagnostics）——即量子演化的结构属性，例如魔力（magic，即非稳定器性）、算符纠缠/遍历性（operator scrambling）、反集中性（anticoncentration）以及费米子非高斯性（fermionic non-Gaussianity）。在无噪声设置下，这些诊断指标与经典可模拟性有着严格的联系（例如，消失的魔力意味着高效的 Gottesman-Knill 模拟）。然而，目前尚不清楚当输出态由于噪声而变为混合态时，这些诊断指标是否能可靠地追踪高效经典模拟的界限。

本文探讨的核心问题是：在有噪声的量子电路中，诸如魔力、纠缠和反集中性等动力学诊断指标是否能可靠地追踪经典可模拟性？

2. 研究方法

作者通过分析两个不同的有噪声随机电路族，将动力学诊断的行为与已知高效经典模拟算法的边界进行对比，来研究这一问题。

电路族

掺杂 Clifford 电路： 由随机双比特 Clifford 门组成的砖块结构（brickwork architectures），通过引入 $T$ 门（非 Clifford 资源）进行“掺杂”，并受局部去极化噪声影响。
掺杂 Matchgate 电路： 最近邻 matchgate 电路（费米子高斯电路），通过掺杂 SWAP 门来实现通用性，并受 Majorana 去相干影响。

诊断指标 vs. 算法

本研究对比了动力学诊断（探测状态的结构）与经典模拟算法（确定计算成本）：

诊断指标：
- 魔力（Magic）： 通过基于 Pauli 谱 4 阶矩 ( $\Delta_4$ ) 和 2 阶矩 ( $\Delta_2$ ) 的纯度归一化见证算符 $W$ 来测量。
- 纠缠（Scrambling）： 通过平均外时序相关函数（OTOCs）进行量化。
- 反集中性（Anticoncentration）： 通过逆参与率（IPR，输出分布的 2 阶矩）进行测量。
算法：
- 张量网络（Tensor Networks）： 对于浅层电路（低键维数）是高效的。
- 稳定器秩（Stabilizer-Rank）： 当非 Clifford 门的数量与系统尺寸呈对数关系时是高效的。
- Pauli 路径截断（Pauli-Path Truncation）： 当噪声抑制了高权重的 Pauli 路径时是高效的，这取决于 2 阶矩（IPR）。
- 费米子度数截断（Fermionic Degree Truncation）： 基于 Majorana 单项式次数分布，对于 matchgate 电路是高效的。

分析工具

作者采用转移矩阵技术和四阶 Clifford 对易子来推导 Pauli 谱各阶矩的精确解析表达式。他们利用了 Clifford 群是酉 3-设计（使得 2 阶矩对 $T$ 门掺杂不敏感）但不是 4-设计（使得 4 阶矩对魔力敏感）这一事实。

3. 核心贡献与结果

A. 诊断指标与可模拟性的分离

主要结果是，在有噪声的电路中，动力学诊断与经典可模拟性边界并不重合。作者展示了两种方向的“失配”：

具有非平凡诊断指标的高效模拟： 即使在高效经典采样算法（如 Pauli 路径截断或均匀采样）已经适用的情况下，电路仍可能保留非零的魔力或非高斯性（诊断指标指示了复杂性）。
缺乏高效模拟的平凡诊断指标： 在不存在已知高效经典算法的区间内，诊断指标可能会变得平凡（指示了简单性）。

B. 机制：阶矩抑制速率

论文确定了驱动这种分离的物理机制：局部去极化噪声对 Pauli 谱高阶矩的抑制速度快于低阶矩。

二阶矩： 经典模拟算法（如 Pauli 路径截断和均匀采样）主要取决于二阶矩（例如 IPR 或纯度）。
四阶矩： 动力学诊断（如魔力和纠缠）依赖于四阶统计量（例如 $\Delta_4$ ）。
衰减速率： 作者表明， $2m$ 阶矩的渐近衰减速度比二阶矩快 $m$ 倍。因此，4 阶矩（魔力）的衰减速度是二阶矩（模拟成本）的两倍。

C. 交叉系统规模

这种衰减速率的差异导致了一个交叉系统规模 $N^*$ ：
$N^* = 3 \log_2 \left( \frac{1}{\epsilon^2 \delta_c} \right) + O(1)$
其中 $\epsilon$ 是采样误差， $\delta_c$ 是失败概率。

对于 $N < N^*$ ，魔力见证算符在高效采样成为可能之前就变得平凡。
对于 $N > N^*$ ，输出在魔力见证算符消失之前就变得与均匀分布无异（允许平凡采样）。
至关重要的是，这个交叉点仅取决于采样容差，而不取决于噪声强度。

D. 特定电路族的发现

Clifford 电路： 魔力边界横跨了模拟图谱。在稀疏噪声下，存在一个区域，在此区域内高效采样是可能的（由于 IPR 衰减），而魔力仍然可以被检测到。
Matchgate 电路： 尽管 matchgate 电路在没有 SWAP 的情况下可以在 $O(N^3)$ 内进行经典模拟，但这种失配依然存在。作者表明，截断成本是由算符权重（次数分布）的分布决定的，而不是由像 IPR 这样的标量动力学诊断指标决定的。一个电路可能在度数截断算法看来是“难”的，但在非高斯性方面却很低，反之亦然。

4. 意义与主张

论文得出结论：在有噪声的量子设备上测得的动力学诊断指标本身并不构成经典困难性的证据。

重新评估量子优势： 结果表明，在有噪声的实验中观察到非平凡的魔力或纠缠，并不能保证该电路在经典模拟上是困难的。实现量子优势的“资源”可能在经典算法已经变得高效的区间内依然存在。
算法与动力学的脱节： 这种脱节源于模拟算法和动力学诊断在探测不同统计特性（2 阶矩 vs. 4 阶矩）时，对噪声的响应时间尺度不同。
未来方向： 作者建议，建立无条件的经典困难性仍然是一个开放问题（涉及 BPP vs. BQP）。他们提出，未来的工作应致力于寻找其在噪声下的行为与已知算法所消耗的二阶结构联系更紧密的动力学量，或者探索资源理论中的配分函数，以更好地将诊断指标与困难性联系起来。

本文并非提出新的实验协议，也不声称解决了 BPP vs. BQP 的分离问题；相反，它提供了一个严谨的理论框架，证明了在存在噪声的情况下，当前的动力学指标不足以作为经典模拟复杂性的可靠代理指标。