技术摘要：驱动-耗散基态制备：混合时间与随机性

1. 问题陈述

为大型哈密顿量制备基态是量子信息科学中的一个核心挑战，它是解决量子化学、材料科学和分子建模等问题的先决条件。现有的相干量子算法（例如相位估计、绝热制备、谱过滤）通常面临成本随谱隙（spectral gap）和初始态与基态之间初始重叠度反比例缩放的问题。这种重叠度往往随系统规模呈指数级衰减，使得这些方法在面对“冷启动”（任意初始态）时效率低下。

虽然耗散动力学（储库工程）提供了一种不依赖于初始重叠度的基态制备路径（通过使基态成为一个吸引不动点），但以往的构建方案主要依赖于时不变林德布拉德算符（Lindbladians）或从固定分布中采样的随机林德布拉德算符。这些方法在处理一般哈密顿量时，往往难以在不假设特定局部性或高温度机制的情况下提供严格的混合时间界限。

本文通过提出驱动-耗散协议来填补这一空白，其中生成元（Lindbladian）随时间变化。其目标是构建迭代耗散通道，将任意初始密度矩阵驱动至低能子空间，且其混合时间界限仅取决于哈密顿量的特征值分布，而非其特征基或局部性。

2. 方法论

作者提出了两种不同的迭代方法，两者都依赖于利用目标哈密顿量 $H$ 下随机矩阵的幺正演化来构建随机跳跃算符。核心策略涉及一系列阶段 $j=1, \dots, m$（或 $J$），每个阶段将状态的支持集从较大的谱子空间 $P_j$ 减少到较小的 $P_{j-1}$（其中 $P_0$ 是基态子空间）。

通用框架

该协议使用一系列林德布拉德算符 $L_j$。对于单个跳跃算符 $a$，生成器为 $L_a(\rho) = 2a\rho a^* - a^*a\rho - \rho a^*a$。协议将 $L_j$ 构建为 $M_j$ 个独立随机跳跃算符的经验平均：
$$L_j = \frac{1}{M_j} \sum_{k=1}^{M_j} L_{a_j(\omega_k)}$$
跳跃算符是通过对随机矩阵在目标哈密顿量下的幺正演化进行傅里叶滤波来构造的：
$$a(\omega) = \frac{1}{\sqrt{N}} \int_{-\infty}^{\infty} \phi(t) e^{itH} g(\omega) e^{-itH} dt$$
其中 $\phi(t)$ 是用于选择特定能量差的滤波器函数。

方法 1：通用谱（第 3 节）

此方法适用于特征值分布遵循“规则轮廓”的一般哈密顿量。

• 构建： 在每个阶段 $j$，设计一个光滑的傅里叶滤波器 $\hat{\phi}_j$，使其仅在特定区间 $[\alpha'_j, \beta'_j]$ 的能量差内非零。这确保了跳跃算符将状态从活跃子空间 $P_j$ 映射到较低的子空间 $Q_j \subseteq P_{j-1}$。
• 随机性： 跳跃算符使用具有独立高斯条目的随机矩阵 $g$（或幺正 $t$-设计）。
• 核心机制： 滤波器抑制了那些未能显著降低能量的跃迁。“活跃角”（active corner）$P_j$ 被压缩到 $Q_j$，而“扩张”后的子空间 $P^{\beta'_j}_j$ 则解释了由耗散器产生的耦合。
• 收敛性： 混合时间由分布的谱隙性质决定。作者证明，只要样本数 $M_j$ 与系统参数呈多项式缩放，经验平均就会以高概率收敛到理想的林德布拉德算符。

方法 2：聚类谱（第 4 节）

此方法专为特征值形成明显、分离簇（例如自旋链、自由费米子）的哈密顿量而设计。

• 构建： 将谱划分为不相交的区间（簇）$I_j = [m_j - \delta, m_j + \delta]$。跳跃算符是随机矩阵演化的频率分量，专门针对能量差为 $w \in W = \{m_j - m_i\}$ 的簇间跃迁。
• 分离假设： 不同簇中心之间的差异必须大于 $6\delta$，以实现精确滤波。
• 优势： 单一类型的随机矩阵和滤波器即可服务于所有阶段，区别仅在于归一化因子 $1/N_j$。与方法 1（滤波器在每个阶段都会改变）相比，这简化了构建过程。
• 收敛性： 该方法依赖于算符 $K_M = \sum a^* a$ 与簇投影对易这一事实，这确保了耗散器在驱动能量从高能簇向低能簇转移的同时，保持了累积的角结构。

3. 主要贡献与结果

理论保证

本文为两种方法建立了关于混合时间和资源需求的严格界限。

• 定理 1.1（非正式）： 对于作用在 $n$ 个量子比特上的哈密顿量 $H$，存在 $m = O(\text{poly}(n))$ 个林德布拉德算符和时间 $t_j$，使得通道的组合能将任何初始态 $\rho$ 驱动到支持在基态子空间 $P_0$ 上的状态 $\sigma$，且钻石范数误差为 $\epsilon$。
• 混合时间： 总演化时间取决于谱分布（具体为子空间的维度比例和谱隙），但与初始态与基态的重叠度无关。
• 样本复杂度： 近似理想林德布拉德算符所需的随机矩阵数量 $M$ 是系统规模 $n$、误差倒数 $1/\epsilon$ 以及谱隙参数倒数 $\gamma^{-1}$ 的多项式。
  • 对于高斯样本，$M \sim O(\gamma^{-1} + \log(J/\zeta))$。
  • 对于幺正样本，$M \sim O(\gamma^{-2} p^4)$。

具体示例（第 5 节）

作者在以下几类哈密顿量上验证了其方法：

1. 具有几何系数的数算符（$H = \sum b^s n_s$）： 当 $b > 1$ 时，方法 1 成功制备了基态。当 $b < (3+\sqrt{5})/2$ 时，阶段数随 $n$ 线性缩放。
2. 几何特征值： 对于特征值为 $\Lambda_\ell = C x^{-\ell}$ 的哈密顿量，这些方法产生了与系统规模无关的常数级混合参数的可行阶段。
3. 半圆分布分位数（类 GUE）： 对于特征值分布遵循半圆律的哈密顿量，该方法能在 $O(n)$ 个阶段内完成基态制备，且具有多项式样本复杂度。
4. 自旋哈密顿量与自由费米子： 方法 2 被应用于横场伊辛模型（映射为自由费米子）和自旋链。该方法高效地处理了聚类谱，阶段数等于簇的数量（$n$）。混合时间被限制在 $O(n \log n)$。

数值验证

数值模拟（图 1, 4-7）展示了经验动力学的收敛情况。轨迹显示了能量的快速衰减以及人口（population）从高能本征态向基态的转移。结果证实，理论上关于混合时间和样本数的界限在适中规模的系统（如 $n=18$）中是可以实现的。

4. 重要性与主张

本文声称提供了一个系统的驱动-耗散框架，用于基态制备，该框架具有以下特点：

1. 消除了对初始重叠度的需求： 与相干算法不同，其成本不依赖于初始态与基态的保真度。
2. 仅依赖于谱分布： 构建过程需要先验了解特征值分布（可以通过直方图估算），但不需要了解哈密顿量的特征基或局部性。
3. 处理“冷启动”： 这些协议对任意初始密度矩阵都是有效的。
4. 提供多项式界限： 对于包括具有几何谱和聚类结构的广泛类哈密顿量，资源成本（时间与随机矩阵数量）均为系统规模的多项式。

作者强调，尽管理论构建使用了理想化的随机矩阵，但该框架为设计随时间变化的生成元（以克服静态储库工程局限性）的耗散协议提供了一条具体的路径。这项工作弥合了抽象的耗散态制备与实际的时间依赖控制策略之间的鸿隙，为基态制备提供了一条能够克服许多量子算法中固有的“重叠问题”的途径。

文章最后指出，虽然随机算符和滤波器的实现成本仍是一个独立的工程挑战，但其理论界限确立了该方法在已知或可估算谱分布的系统中应用的可行性。