1. 课程导入

量子模拟的目标，是用一个可控的量子系统去复现另一个难以直接计算的量子系统的行为。按照实现方式的不同，它通常被划分为两条技术路线：模拟量子模拟（analog quantum simulation）与数字量子模拟（digital quantum simulation）。理解这两者的差别，是进入本课程的第一道门槛。

模拟量子模拟的思路是“用相似的物理系统直接模仿目标系统”。例如，用超冷原子在光晶格中的跃迁来模拟 Hubbard 模型，用离子阱中的自旋链来模拟横场 Ising 模型。它的优点是实验上相对直接、可扩展性好、能容纳大量粒子；缺点是“可编程性”弱——你搭好一个系统，它天然对应的哈密顿量就基本固定了，想换一个模型往往要重新设计整个实验平台，而且很难精确控制每一项耦合系数。

数字量子模拟则走另一条路：把目标哈密顿量的演化拆解成一系列离散的、可由量子门实现的酉操作，再按顺序作用到量子寄存器上。它的核心思想来自一个关键事实——如果哈密顿量可以写成若干“容易实现”的项之和，那么短时间演化可以近似为这些项各自演化的乘积。这正是Trotter–Suzuki 分解的基础。数字量子模拟的优点是通用、可编程、精度可控；代价是需要大量量子门，对相干时间和门保真度要求高。

那么，为什么本课程要把“哈密顿量演化”放在核心位置？因为在数字量子模拟中，几乎所有任务最终都归结为对某个哈密顿量 H 执行时间演化 U(t) = e^−iHt（本文取 ħ = 1）。无论是求基态能量、模拟量子动力学、估计热力学量，还是作为量子相位估计与量子线性求解器的子程序，底层都需要高效、可控地实现这一演化。可以说，哈密顿量演化是数字量子模拟的“通用指令”：谁掌握了它，谁就掌握了把物理问题翻译成量子线路的钥匙。

下面这张图给出本课程的整体结构关系。它不按章节顺序罗列标题，而是按“问题—方法—实现—验证”的逻辑，把数字量子模拟的知识链条串起来：从目标哈密顿量出发，经过分解与线路综合，落到具体量子硬件上执行，再通过测量与误差分析判断结果是否可信。

围绕这条链条，本课程将依次展开以下内容。首先是数学基础：哈密顿量的 Pauli 分解、费米子到量子比特的映射（Jordan–Wigner、Bravyi–Kitaev）、以及演化算符的严格定义。接着进入分解方法：一阶与高阶 Trotter–Suzuki 公式、误差阶数分析、随机化编译与 qDRIFT 等替代方案。然后是线路实现：如何把 e^−iθP 这样的 Pauli 旋转翻译成 CNOT 与单比特旋转，如何控制线路深度与并行性。再往后是资源与误差：门数估计、Trotter 误差与硬件噪声的权衡、以及如何判断“结果是否可信”。最后通过若干案例——横场 Ising 模型、小分子哈密顿量、自旋链热化——把上述方法串成完整的工作流。

需要特别强调的是，数字量子模拟并不是“把经典模拟搬到量子计算机上”那么简单。经典模拟受限于希尔伯特空间维度随粒子数指数增长，而数字量子模拟的挑战转移到了线路深度与噪声上。一个 20 量子比特的系统，希尔伯特空间维度约 10⁶，经典计算机尚可处理；但 50 量子比特就达到 10¹⁵，此时量子硬件的优势才开始显现，而 Trotter 步数带来的门序列长度可能达到数万甚至数百万，远超当前硬件的相干时间。因此，“如何用尽量少的门实现足够精确的演化”，是贯穿全课程的核心工程问题。

本课程不要求你先成为量子硬件专家，但需要你熟悉基本的线性代数、狄拉克符号与量子门模型。如果你对 e^−iHt 的物理意义还感到陌生，可以先把它理解为“让量子态在哈密顿量生成的轨道上旋转时间 t”。接下来的章节会逐步把这句话变成可执行的线路与可测量的结果。