4. 模拟与数字的桥梁

模拟量子模拟与数字量子模拟并不是两套彼此隔绝的技术路线，它们之间真正发生“翻译”的地方，是编码。模拟器天然处理的是连续量：哈密顿量中的耦合强度、外场幅度、相位积累时间；数字量子处理器天然处理的是离散量：量子比特、门序列、测量采样。要把一个物理问题放到数字量子计算机上求解，必须先把连续问题映射成离散的量子线路，再用资源度量和精度指标判断这条线路是否可行。本节围绕“怎么编码、怎么算资源、怎么定义精度”三个问题展开。

一、编码方式：从哈密顿量到量子比特

数字量子模拟的第一步是把目标哈密顿量写成量子比特算符的线性组合。以横场伊辛模型为例，其哈密顿量为

H = -J Σ⟨i,j⟩ Z_i Z_j - h Σ_i X_i

其中 Z_i、X_i 是作用在第 i 个量子比特上的泡利算符，J 为耦合强度，h 为横场强度。这个形式本身就是“编码”：自旋向上/向下对应 |0⟩/|1⟩，相互作用项 Z_i Z_j 对应两比特关联，横场项 X_i 对应单比特翻转。更一般地，任何可以写成 Σ_k c_k P_k 的哈密顿量（P_k 为泡利串）都能直接映射到量子比特上，系数 c_k 保留为实数权重。

编码完成后，需要把连续时间演化 e^{-iHt} 离散化。最常用的是Trotter-Suzuki 分解：把 H 拆成若干易实现的部分 H = Σ_m H_m，用

e^{-iHt} ≈ ( Π_m e^{-iH_m t/r} )^r

近似。r 称为 Trotter 步数，每一步的误差随步长减小而下降。这里出现了一个关键权衡：r 越大，精度越高，但线路深度和门数也越大。编码方式决定了“能不能做”，Trotter 步数决定了“做得多准、多贵”。

二、资源度量：门数、深度与量子比特数

数字量子模拟的资源度量通常看三个量：量子比特数 n、总门数、线路深度。以横场伊辛模型为例，若采用一阶 Trotter 分解，每个 Trotter 步包含：

• 每个近邻相互作用项 Z_i Z_j：用两个受控-Z 加两个 Hadamard 实现，约 2 个 CNOT；
• 每个横场项 X_i：一个单比特旋转 R_x(2hΔt)；
• 若用二阶对称分解，单步门数约为上述的 2 倍，但误差从 O(Δt²) 降到 O(Δt³)。

假设一个 1 维链、n = 20 个自旋、近邻耦合，则每个 Trotter 步约有 19 个 ZZ 项和 20 个 X 项，对应约 38 个 CNOT 加 20 个单比特旋转。若取 r = 100 步，总 CNOT 数约 3800，深度约 3800 量级。这个数字直接决定在含噪设备上是否还能保持相干。资源度量的意义在于：它把“物理问题规模”翻译成“硬件可承受的线路规模”，是模拟与数字之间的第二座桥。

三、精度概念：Trotter 误差、统计误差与总误差

数字量子模拟的精度不是单一数字，而是几类误差的叠加。第一类是Trotter 误差，来自时间离散化，一阶分解为 O(t²/r)，二阶为 O(t³/r²)。第二类是统计误差，来自有限次测量采样，若测量 M 次，能量估计的标准差约为 σ/√M。第三类是硬件误差，包括门保真度、退相干和读出错误。

判断一个模拟是否“够准”，通常看目标量（如基态能量）的误差是否小于化学精度或物理精度阈值。例如在量子化学中常以 1.6 mHa 作为参考精度；在凝聚态模型中，则看能量密度或序参量的相对误差。精度目标反过来约束 Trotter 步数和采样次数：若要求 Trotter 误差小于 ε，一阶分解需 r ≳ t²/ε，二阶需 r ≳ t^{3/2}/√ε。这个关系是资源估算的核心公式。

四、一个可操作的估算示例

假设我们要用数字量子模拟估算一维横场伊辛链的基态能量，参数取 n = 20、J = 1、h = 1、t = 1，目标 Trotter 误差 ε = 0.01。采用一阶分解，需要 r ≳ t²/ε = 100 步。每步约 38 个 CNOT 和 20 个单比特旋转，总 CNOT 约 3800。若硬件双比特门保真度为 99.5%，则 3800 个 CNOT 的累积保真度约为 0.995^{3800} ≈ 5×10^{-9}，这意味着在当前含噪设备上直接执行几乎不可行。此时可行的策略包括：减小 n、增大 ε、改用二阶分解降低 r，或采用误差缓解与部分测量方案。这个估算过程本身就是“资源—精度”桥梁的具体体现。

总结来看，编码方式决定了物理问题能否被量子比特表示，资源度量决定了表示之后是否跑得动，精度概念决定了跑出来的结果是否可信。三者共同构成模拟量子模拟与数字量子模拟之间的桥梁：模拟侧提供连续物理模型和目标精度，数字侧提供离散线路和可执行资源，而 Trotter 步数、门数、深度和误差预算就是这座桥上最关键的几个参数。