2. 量子模拟的物理与数学基础

分布式量子模拟系统的工程实现，最终都要落到一组明确的数学对象上：量子态、哈密顿量、时间演化算符、可观测量，以及衡量模拟是否可信的精度指标。理解这五者之间的映射关系，是后续设计分片策略、通信协议和误差控制机制的前提。本节从物理定义出发，逐步过渡到工程中可直接使用的表示与判据。

量子态：从物理对象到可存储的数据结构

一个 n 量子比特的纯态可写为计算基的线性组合：

|ψ⟩ = Σ_{x∈{0,1}^n} α_x |x⟩,   Σ_x |α_x|² = 1

其中 α_x 为复数振幅，|x⟩ 是 n 位二进制串对应的基态。对 n=30 的系统，振幅数量为 2³⁰ ≈ 1.07×10⁹，每个复数按双精度 16 字节计，单份态向量约 17 GB。这正是分布式模拟必须切分状态的根本原因：单机内存无法容纳，必须按振幅索引区间或按张量网络结构拆分到多个进程。

工程上常用三种表示：全振幅向量（适合态制备、测量概率计算）、张量网络（适合低纠缠电路，存储量随纠缠熵增长）、稳定子表（仅适用于 Clifford 电路，多项式存储）。选择哪种表示，取决于电路纠缠结构与精度要求，而非单纯看比特数。

哈密顿量：决定演化规律的算符

哈密顿量 H 是厄米算符，决定系统的时间演化。在量子模拟中，H 通常写成局部相互作用之和：

H = Σ_k h_k P_k

P_k 是作用在少数几个量子比特上的泡利串（如 X⊗Y⊗I），h_k 为实系数。例如横场伊辛模型：

H = -J Σ_{⟨i,j⟩} Z_i Z_j - h Σ_i X_i

其中 J 为耦合强度，h 为横场强度，⟨i,j⟩ 表示近邻对。这种“局部项求和”结构对分布式实现极为关键：每个 P_k 只涉及少数比特，因此作用在态向量上时只需访问局部索引，便于按比特分组做并行计算与通信。

时间演化：从连续算符到可执行门序列

封闭系统的时间演化由薛定谔方程给出，形式解为：

|ψ(t)⟩ = e^{-iHt} |ψ(0)⟩

直接对 2ⁿ 维矩阵做指数运算不可行。工程上采用Trotter-Suzuki 分解，把 H 拆成若干局部项，按小步长 Δt 交替作用：

e^{-iHΔt} ≈ Π_k e^{-i h_k P_k Δt} + O(Δt²)

每一步 e^{-i h_k P_k Δt} 对泡利串而言就是一次旋转门，可直接映射为量子门序列。二阶分解可将误差降到 O(Δt³)。在分布式系统中，跨节点的两比特门需要通信，因此 Trotter 步的排列顺序会直接影响通信轮数——把同一节点内的项尽量排在一起，可显著减少跨节点门数量。

量子模拟五要素关系与精度传递链 量子态 |ψ⟩ 振幅向量 / 张量网络 哈密顿量 H Σ hₖPₖ 局部项 时间演化 U(t) Trotter 门序列 可观测量 ⟨O⟩ 测量与采样 模拟精度指标 态保真度 F · 能量误差 ΔE · 可观测偏差 |Δ⟨O⟩| Trotter 误差 · 截断误差 · 通信舍入误差 精度不达标 → 调整 Δt / 分片策略 / 表示方法 迭代直至 F ≥ 0.99 且 |Δ⟨O⟩| ≤ 容差

可观测量：从算符到可统计的数值

可观测量 O 是厄米算符，其期望值为：

⟨O⟩ = ⟨ψ|O|ψ⟩

在模拟中，O 通常也分解为泡利串之和，O = Σ_m c_m Q_m。对每个 Q_m，可在计算基下做多次测量采样，用测量结果的 ±1 本征值加权平均估计 ⟨Q_m⟩，再线性组合得到 ⟨O⟩。采样次数 N 带来的统计误差约为 1/√N，因此若要求 ⟨O⟩ 的绝对误差 ≤ ε，单次估计的采样数需满足 N ≳ (Σ|c_m| / ε)²。分布式环境下，各节点可独立采样后汇总，但需保证随机种子独立，否则误差不会按 1/√N 下降。

精度指标：判断模拟是否可信

工程中至少需要同时跟踪三类指标：

  • 态保真度 F = |⟨ψ_exact|ψ_sim⟩|²，衡量整体态偏差，F ≥ 0.99 通常视为可接受。
  • 能量误差 ΔE = |⟨H⟩_sim − E_exact|，对基态模拟尤为关键，常以化学精度 1.6×10⁻³ Ha 为参照。
  • 可观测偏差 |Δ⟨O⟩| = |⟨O⟩_sim − ⟨O⟩_exact|，直接对应物理结论是否可靠。

误差来源需分层归因：Trotter 截断误差随 Δt² 下降；态向量截断误差取决于丢弃的振幅总量；分布式通信中的浮点舍入误差随节点数缓慢累积。实践中建议先在小规模（如 n=20）上标定 Δt 与误差的关系曲线，再外推到目标规模，而不是直接在大规模上试错。

参照约定：本文及图示中，时间演化取 U(t)=e^{-iHt}（自然单位 ħ=1），泡利算符本征值为 ±1，测量采样按计算基 Z 进行。若改用 e^{+iHt} 约定，所有相位符号需整体取反，但精度指标定义不变。

一个可执行的小规模标定示例

以 4 比特横场伊辛模型为例，J=1.0，h=0.5，目标演化时间 t=2.0。可按如下流程标定 Trotter 步长：

# 伪代码：Trotter 步长标定
for dt in [0.2, 0.1, 0.05, 0.025]:
    steps = int(t / dt)
    psi = initial_state()          # |0000⟩
    for s in range(steps):
        psi = apply_ZZ_terms(psi, J, dt)
        psi = apply_X_terms(psi, h, dt)
    F = fidelity(psi, exact_evolve(t))
    print(dt, steps, F)

预期观察：dt 减半时，Trotter 误差约降为原来的 1/4（二阶分解），F 逐步趋近 1。若 F 不随 dt 减小而改善，说明误差主因不是 Trotter 截断，而应检查态表示截断或通信舍入。这一判断逻辑在分布式扩展后同样适用：先定位误差主因，再决定优化方向，避免盲目增加节点或减小步长。

常见误区：把“增加采样次数”当作万能精度手段。采样只降低统计误差，无法修正 Trotter 截断、态截断或通信舍入带来的系统性偏差。若 ⟨O⟩ 的偏差不随 N 增大而收敛，应优先排查演化算符与态表示的实现，而非继续加采样。

综上，量子态、哈密顿量、时间演化、可观测量与精度指标构成一条完整的工程链：态是数据，H 是规则，演化是计算，可观测量是输出，精度指标是验收标准。分布式设计中的分片、通信与并行策略，都必须围绕这条链上的误差传递关系来权衡，而不是孤立地优化某一环。

← 上一章 📖 返回目录 下一章 →