4. 量子态与量子通道的数学表示

在量子回归与参数估计工程中，我们最终要处理的对象不是抽象的“量子态”，而是可计算、可更新、可测量的数学量。本节把量子态、量子通道和量子测量统一到一套线性代数语言中：密度矩阵描述“我们已知什么”，Bloch 球给出单比特状态的可视化坐标，Kraus 算符描述通道如何作用，POVM 描述测量如何把量子态映射为经典概率。理解这四者的关系，是后续参数估计、噪声建模和回归拟合的基础。

密度矩阵：从态矢量到统计混合

纯态可以用态矢量 |ψ⟩ 表示，但工程中更常见的是统计混合：系统以概率 pi 处于 |ψi⟩。此时用密度矩阵 ρ = Σi pi |ψi⟩⟨ψi| 描述。密度矩阵必须满足三个条件：厄米（ρ† = ρ）、半正定（⟨φ|ρ|φ⟩ ≥ 0）、迹为 1（Tr ρ = 1）。纯态满足 Tr(ρ²) = 1，混合态满足 Tr(ρ²) < 1，因此 Tr(ρ²) 可作为“纯度”指标。

单比特密度矩阵可写成 ρ = (I + rxσx + ryσy + rzσz)/2，其中 σ 为泡利矩阵，向量 r = (rx, ry, rz) 称为 Bloch 向量。纯态对应 |r| = 1，混合态对应 |r| < 1，完全混合态对应 r = 0。这个对应关系把抽象的密度矩阵变成三维空间中的点，是参数估计中非常直观的工具。

Bloch 球：单比特状态的可视化坐标

Bloch 球把单比特状态映射到单位球内：球面上的点表示纯态，球内的点表示混合态，球心表示完全混合态。例如 |0⟩ 对应 +z 轴，|1⟩ 对应 −z 轴，|+⟩ = (|0⟩+|1⟩)/√2 对应 +x 轴。对密度矩阵做测量时，测量结果概率与 Bloch 向量在测量方向上的投影直接相关。

在参数估计中，Bloch 球常用于表示待估参数如何改变状态。例如待估相位 φ 使状态绕 z 轴旋转，Bloch 向量在 xy 平面转动；退相干噪声则使 Bloch 向量向球心收缩，长度从 1 减小到 e−γt。因此，观察 Bloch 向量的长度和方向变化，就能同时判断信号与噪声。

单比特 Bloch 球与密度矩阵参数关系 x z y 纯态 |r|=1 混合态 |r|<1 完全混合 r=0 密度矩阵 ρ ρ = (I + r·σ)/2 Tr ρ = 1，ρ† = ρ，ρ ≥ 0 纯度 Tr(ρ²) = (1+|r|²)/2 测量与 POVM p(m) = Tr(Mm ρ) Σ Mm = I，Mm ≥ 0 投影测量：Mm² = Mm POVM：允许非投影、过完备

Kraus 算符：量子通道的数学表示

量子通道描述量子态随时间的演化或经过噪声后的变化。最一般的表示是 Kraus 形式：ρ′ = Σk Kk ρ Kk†，其中 {Kk} 是 Kraus 算符，必须满足完备性条件 Σk Kk†Kk = I。这个条件保证通道是保迹的，即 Tr(ρ′) = 1。

常见的通道都可以写成 Kraus 形式。例如退相位通道（dephasing）在单比特上为 K0 = √(1−p) I，K1 = √p σz，它使 Bloch 向量的 xy 分量按 (1−2p) 衰减，z 分量不变。振幅阻尼通道（amplitude damping）为 K0 = [[1,0],[0,√(1−γ)]]，K1 = [[0,√γ],[0,0]]，它使 |1⟩ 以概率 γ 衰减到 |0⟩，Bloch 向量整体向 +z 方向移动并收缩。

在参数估计中，Kraus 算符常带有待估参数。例如 γ 是待估的衰减率，p 是待估的退相位强度。通过测量输出态 ρ′ 的统计量，可以反推这些参数。Kraus 表示的好处是：它把“通道作用”写成矩阵乘法，便于数值计算和梯度求导。

量子测量与 POVM

量子测量把量子态映射为经典结果。最一般的形式由一组测量算符 {Mm} 描述，结果 m 的概率为 p(m) = Tr(Mm ρ)，且 Σm Mm = I，Mm ≥ 0。若 Mm 是投影算符（Mm² = Mm），则称为投影测量；若允许更一般的半正定算符，则称为 POVM（Positive Operator-Valued Measure）。

POVM 的工程价值在于：它允许“过完备”测量，即测量结果数多于系统维度，从而在参数估计中提取更多信息。例如单比特有 3 个泡利分量，但投影测量一次只能测一个方向；若用 3 个或 6 个方向的 POVM，可以同时获得多个方向的期望值，提高参数估计精度。在量子回归中，POVM 的选择直接决定 Fisher 信息量，进而决定参数估计的 Cramér–Rao 下界。

在参数估计中，先写出密度矩阵 ρ(θ)，再写出通道 Kraus 算符 Kk(θ)，最后写出 POVM {Mm}，就能得到概率分布 p(m|θ) = Tr(Mm Σk Kk ρ(θ) Kk†)。这个表达式是后续最大似然估计和贝叶斯估计的起点。

工程示例：单比特退相位参数估计

假设待估参数为退相位强度 p，初始态为 |+⟩，即 Bloch 向量 r = (1,0,0)。经过退相位通道后，ρ′ = (1−p)|+⟩⟨+| + p|−⟩⟨−|，Bloch 向量变为 r′ = (1−2p, 0, 0)。若我们在 x 方向做投影测量，得到结果 +1 的概率为 p(+1) = (1 + r′x)/2 = 1 − p，结果 −1 的概率为 p。若重复 N 次测量，得到 n+ 次 +1，则 p 的最大似然估计为 p̂ = 1 − n+/N。

这个例子说明：密度矩阵给出状态，Kraus 算符给出通道，POVM 给出测量，三者组合后得到可观测的概率分布。实际工程中，我们往往先根据物理模型写出这三者，再用实验数据拟合参数。若模型正确，估计量应随 N 增大而收敛到真值；若模型有偏，则会出现系统误差，此时需要检查 Kraus 算符是否遗漏了某些噪声通道，或 POVM 是否标定准确。

关键关系速查

对象数学形式约束条件工程含义
密度矩阵 ρρ = Σ pi |ψi⟩⟨ψi|Tr ρ = 1，ρ ≥ 0，ρ† = ρ描述已知量子态
Bloch 向量 rρ = (I + r·σ)/2|r| ≤ 1单比特状态可视化
Kraus 算符 Kkρ′ = Σ Kk ρ Kk†Σ Kk†Kk = I描述通道/噪声
POVM {Mm}p(m) = Tr(Mm ρ)Σ Mm = I，Mm ≥ 0描述测量与读出
← 上一章 📖 返回目录 下一章 →