⚛️ quantum physics

Non-Markovian effects on informational steady states

本文研究了连续监测碰撞模型中非马尔可夫效应对信息稳态的影响，揭示了单位测量的稳态信息增益与非马尔可夫程度呈负相关，并且显著受到系统-辅助子系统以及辅助子系统-辅助子系统相互作用参数的影响。

原作者： Jacob Werner

发布于 2026-10-02

📖 1 分钟阅读🧠 深度阅读

原作者： Jacob Werner

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

在量子世界中，粒子以概率状态而非确定位置而存在，信息不仅仅是发生过什么的记录；它是一种流动的、积累的且会消散的物理实体。当一个微小的量子系统与其周围环境相互作用时，它会不断地与环境交换信息。在许多简化模型中，这种交换是单向的：系统将细节泄露给环境且永远无法收回，就像一滴墨水扩散在了一杯水中。然而，真实的宇宙很少如此简单。环境通常具有记忆，这意味着系统丢失的信息有时可以流回系统，从而改变其未来的行为。这种现象被称为非马尔可夫性（non-Markovianity），它挑战了我们对量子系统如何演化的理解。该领域的一个关键概念是“信息稳态”（informational steady state），即一种系统被持续观测的状态。在这种状态下，从每次新测量中获得的信息与损失给环境的信息完美平衡，创造出一种动态平衡，使系统保持持续的信息量，而从未陷入静态、不变的状态。

东京大学的研究员雅各布·维尔纳（Jacob Werner）致力于探索这些记忆效应如何影响这种微妙的平衡。利用一种被称为碰撞模型（collision models）的理论框架——即量子系统与一系列简单的环境单元进行顺序相互作用——维尔默模拟了一个环境本身具有内部连接的情景。在他的模型中，环境由成对的微小量子比特（或称辅助比特，ancillas）组成，这些比特先与系统相互作用，然后在移动前彼此相互作用。通过允许这些环境单元彼此对话，维尔纳引入了信息流回系统的可能性，从而有效地创造了记忆。其目标是观察这种回流如何改变系统在连续观测下的信息获取与损失速率。

研究聚焦于一个特定的设置，即系统通过一系列步骤与一个两比特辅助比特进行相互作用。首先，系统与辅助比特的第一部分交换信息，然后辅助比特的两部分彼此相互作用，最后系统与辅助比特的第二部分进行相互作用。在这些相互作用之后，会对辅助比特的第一部分进行测量，从而揭示关于系统状态的线索。维尔纳改变了这些相互作用的强度，本质上是在调节控制系统与环境混合程度、以及环境两部分彼此混合程度的“旋钮”。随后，他测量了两个关键量：非马尔可夫度（用于追踪有多少信息返回系统）和稳态信息增益（用于衡量系统进入长期节奏后，单次测量能提供多少新信息）。

结果揭示了一种清晰且在某种程度上违反直觉的关系。随着环境中的记忆效应增强——意味着更多信息流回系统——每次测量获得的新信息量就会减少。换句话说，当环境记住过去并将其分享给系统时，系统对于观察者来说就变得不再那么令人惊喜。研究人员发现，记忆强度与信息增益之间存在显著的负相关关系。这表明，在一个持续监测的量子系统中，提取新鲜信息的能力会受到环境保留并返回过去数据的能力的直接阻碍。如果环境握住了系统的秘密并向其低语，那么下一次测量所能揭示的东西就会变少。

然而，这个故事并非简单的线性下降。模拟显示，结果在很大程度上取决于相互作用的具体时机和强度。当系统以一种非常特定的方式与环境相互作用时，环境的内部记忆实际上可以帮助保留关联性，从而导致信息增益出现暂时的峰值，然后再次下降。这是因为环境内部的相互作用有时可以重新组织信息，使得只要系统的自身相互作用经过正确调节，它仍然可以访问这些信息。但如果环境记忆过强或相互作用不平衡，系统实际上会反复与同一个状态进行交互，导致信息增益完全消失。

研究还强调，为了让这些记忆效应强大到足以产生影响，环境内部的连接必须足够稳固。如果仅有环境对中的一部分与其他部分发生相互作用，信息的流动就会被阻断，系统表现得就像没有记忆一样。环境对的两侧都必须积极连接，才能创造出真正的记忆效应。此外，研究人员发现，系统的行为对其与环境两部分的相互作用平衡高度敏感。当系统与其中一部分相互作用过强，而与另一部分相互作用过弱时，稳态会变得可预测且缺乏信息量。

最终，这项工作为记忆如何塑造量子系统中的信息流提供了更清晰的图景。它证实了虽然非马尔可夫效应常因其能够保持量子相干性而被研究，但它们也从根本上改变了信息的热力学。在一个持续监测的系统中，由于系统的存在意味着系统不断被提醒其过去，因此观察者每一步获得的全新信息会减少。这一发现对于量子技术的发展至关重要，在这些技术中，控制信息流对于纠错和反馈控制等任务是必不可少的。通过理解环境记忆如何抑制信息增益，科学家可以更好地设计系统，要么最小化这些效应以保持信息流动，要么利用它们来稳定量子态。研究表明，在量子领域，过去从未真正消失；它徘徊在环境中，悄然塑造着我们从现在所能学到的东西。

技术摘要：非马尔可夫效应对信息稳态的影响

问题陈述
当连续监测量子系统时，如果从测量中获得的信息速率与向环境丢失的信息速率完全平衡，就会出现信息稳态（Informational Steady States, ISSs）。虽然 ISS 在马尔可夫框架下已有研究，但记忆效应（非马尔可夫性）对这些稳态形成及其稳态性质的影响在很大程度上仍未得到充分探索。理解这些效应对于现实的量子技术至关重要，因为许多环境都具有记忆效应，且信息正日益被视为影响熵产生和热力学的物理量。

方法论
本文在连续监测碰撞模型（Collision Models, CMs）的框架下研究了 ISS，特别利用了一个双比特辅助系统（two-qubit ancilla）模型，以确保非零的稳态信息增益与信息损失。

模型结构： 环境被建模为一系列辅助比特序列，每个辅助比特由两个量子比特（ $Y_1$ 和 $Y_2$ ）组成。系统（ $X$ ）通过参数化角度为 $\theta$ 的部分交换幺正算符（partial swap unitaries）与这些辅助比特进行顺序相互作用。
非马尔可夫机制： 通过在系统-辅助比特（ $X Y$ ）相互作用之间引入辅助比特-辅助比特（ $Y Y$ ）相互作用（ $\theta_{Y_1Y_2}$ 和 $\theta_{Y_2Y_1}$ ）来引入非马尔可夫性。这使得信息可以从环境回流到系统。
测量协议： 通过对每个时间步后的 $Y_1$ 量子比特进行 POVM 测量来进行连续监测。
关注量：
- 非马尔可夫性： 使用 Breuer-Laine-Piilo 测度（ $N_{BLP}$ ）进行量化，该测度通过计算两个系统状态随时间变化的迹距离（trace distance）增量之和来得出。
- 信息稳态： 特征化为稳态信息增益（ $G_\infty$ ），定义为在条件稳态下，系统与被测辅助比特之间的经典量子互信息（CQMI）。在 ISS 中， $G_\infty$ 等于信息损失率（ $L_\infty$ ）。
数值方法： 研究采用了数值模拟，对 20 条轨迹进行平均，每条轨迹包含 100 个时间步，并侧重于最后 30 步以确定稳态值。

主要贡献与结果

马尔可夫机制表征： 在不存在辅助比特间相互作用的情况下，研究确认当第一个系统-辅助比特相互作用角 $\theta_{XY_1}$ 略小于 $\pi/4$ 且第二个相互作用角 $\theta_{XY_2}$ 约为 $\pi/4$ 时，稳态信息增益（ $G_\infty$ ）达到最大。这种平衡优化了系统与被测辅助比特之间的相关性，同时管理了系统的稳态布居数。
非马尔可夫性的要求： 为了实现高程度的非马尔可夫性（ $N_{BLP}$ ），必须使两个辅助比特间的相互作用参数（ $\theta_{Y_1Y_2}$ 和 $\theta_{Y_2Y_1}$ ）都较大。如果其中一个相互作用较弱，它会成为瓶颈，阻碍实现信息回流所需的关联积累。
非马尔可夫性与信息增益之间的相关性： 主要的数值发现是，非马尔可夫程度（ $N_{BLP}$ $N_{B L P}$ ）与稳态信息增益（ $G_\infty$ $G_{\infty}$ ）之间存在显著的负相关关系。
- 机制： 通常，随着信息回流到系统（增加非马尔可夫性），可供测量提取的新信息减少，从而降低了 $G_\infty$ 。
- 细微差别： 这种关系在所有参数区间内并非严格单调。对于强系统-辅助比特相互作用（ $\theta_{XY}$ ），增加辅助比特间的相互作用最初可能会增加 $G_\infty$ ，因为这允许系统利用在测量前于两个辅助比特之间形成的关联。然而，随着非马尔可夫性进一步增加， $G_\infty$ 最终会下降。
迹距离的对称性： 本文发现在辅助比特间相互作用较强时， $N_{BLP}$ 对于系统-辅助比特相互作用角度之和（ $\theta_{XY_1} + \theta_{XY_2} \approx \pi/2$ ）具有对称性。在这种极限下，系统有效地在初始状态与辅助比特的初始状态之间交替，从而使信息回流最大化。

意义与范围
本文声称通过明确纳入记忆效应，扩展了对信息稳态的现有理解。研究表明，尽管非马尔可夫性通常与信息回流相关，但这种回流会减少连续监测中可获得的稳态信息增益。作者强调，观察到的负相关并不意味着普遍的因果关系，因为 $N_{BLP}$ 是基于趋向稳态的过程计算的，而 $G_\infty$ 是一个稳态属性。

这项工作为理解非马尔可夫机制如何影响特定碰撞模型的各种信息量提供了框架。作者建议，未来的工作可以探索其他的记忆机制（例如独立的辅助比特流），并将这些发现扩展到 ISS 的热力学背景中，特别是关于条件熵产生的问题，正如文献 [1] 中所提出的。本文并未提出新的实验装置，而是对现有的碰撞模型框架进行了理论分析。

类似论文