3. 量子信道的形式化与仿真建模

在仿真中处理量子噪声，第一步不是写噪声模型，而是把“信道”变成一个可计算的对象。量子信道在数学上是完全正迹保持映射（CPTP map），记作 \(\mathcal{E}\)，作用在密度矩阵 \(\rho\) 上。它必须满足两个条件：完全正性保证与任意辅助系统纠缠时仍映射到合法量子态；迹保持保证概率守恒，即 \(\mathrm{Tr}[\mathcal{E}(\rho)]=\mathrm{Tr}[\rho]=1\)。仿真框架中，信道对象的核心任务就是把这个抽象映射落地为可调用的矩阵运算。

Kraus算符：信道的“分解实现”

任何CPTP映射都可以写成Kraus表示：

\(\mathcal{E}(\rho)=\sum_{k=1}^{r} K_k \rho K_k^{\dagger}\)，且满足完备性关系 \(\sum_k K_k^{\dagger}K_k = I\)。

Kraus算符 \(K_k\) 是 \(d\times d\) 复矩阵，\(r\) 为Kraus秩。仿真实现时，信道对象内部保存一个Kraus算符列表，作用时逐项计算 \(K_k\rho K_k^\dagger\) 再求和。以单比特退极化信道为例，其Kraus算符为：

import numpy as np

I = np.eye(2, dtype=complex)
X = np.array([[0, 1], [1, 0]], dtype=complex)
Y = np.array([[0, -1j], [1j, 0]], dtype=complex)
Z = np.array([[1, 0], [0, -1]], dtype=complex)

def depolarizing_kraus(p):
    # p 为退极化概率，示例取 p = 0.1
    return [np.sqrt(1 - 3*p/4) * I,
            np.sqrt(p/4) * X,
            np.sqrt(p/4) * Y,
            np.sqrt(p/4) * Z]

def apply_kraus(rho, kraus_ops):
    return sum(K @ rho @ K.conj().T for K in kraus_ops)

这里 \(p=0.1\) 是教学示例参数，表示以一定概率引入X/Y/Z三类Pauli错误。注意系数 \(\sqrt{1-3p/4}\) 与 \(\sqrt{p/4}\) 的平方和恰为1，这正是完备性关系的体现。实现后应做一次自检：计算 \(\sum_k K_k^\dagger K_k\) 是否等于单位矩阵，误差控制在 \(10^{-12}\) 量级，否则说明Kraus算符构造有误。

Choi矩阵：信道的“等价表征”

Kraus表示便于正向作用，但不便于判断信道性质。Choi矩阵把信道映射为 \(d^2\times d^2\) 的矩阵：

\(J(\mathcal{E}) = \sum_{i,j} |i\rangle\langle j| \otimes \mathcal{E}(|i\rangle\langle j|)\)。

它与Kraus算符的关系是 \(J(\mathcal{E})=\sum_k \mathrm{vec}(K_k)\mathrm{vec}(K_k)^\dagger\)，即Choi矩阵是Kraus向量化后的外积和，秩等于Kraus秩。仿真中常用Choi矩阵做三件事：判断完全正性（\(J\ge 0\)）、判断迹保持（对第二个子系统求偏迹得单位矩阵）、以及在不同表示之间转换。下面给出从Kraus构造Choi并验证的示例：

def kraus_to_choi(kraus_ops, d=2):
    J = np.zeros((d*d, d*d), dtype=complex)
    for K in kraus_ops:
        v = K.reshape(-1, 1)          # 列向量化
        J += v @ v.conj().T
    return J

def check_trace_preserving(J, d=2):
    # 对第二个子系统求偏迹，应得到单位矩阵
    Jt = J.reshape(d, d, d, d)
    pt = np.einsum('ijkj->ik', Jt)
    return np.allclose(pt, np.eye(d), atol=1e-10)

对退极化信道取 \(p=0.1\)，构造出的Choi矩阵应为 \(4\times4\) 厄米矩阵，最小特征值非负，偏迹等于 \(I_2\)。若最小特征值出现负值，说明映射不完全正；若偏迹偏离单位矩阵，说明迹不保持。这两个判据是仿真建模中最直接的合法性检查。

仿真中的信道对象设计

一个可复用的信道对象通常同时持有Kraus列表与Choi矩阵，并提供双向转换。推荐接口包括：apply(rho) 正向作用、to_choi() 与 from_choi() 表示转换、is_cp() 与 is_tp() 合法性校验、compose(other) 信道复合。复合在Choi层面表现为矩阵乘法 \(J(\mathcal{E}_2\circ\mathcal{E}_1)=J(\mathcal{E}_2)J(\mathcal{E}_1)\)（按合适维度重排），在Kraus层面则是算符两两相乘后重新枚举，仿真中优先用Choi复合以避免Kraus秩膨胀带来的组合爆炸。

上图把两条等价路径并列呈现：左侧从输入态经Kraus算符正向作用得到输出态，下方从Kraus构造Choi矩阵，再分别用“最小特征值非负”和“偏迹等于单位阵”两个判据校验完全正性与迹保持。校验通过后，信道对象才可进入后续保真度计算；校验失败则回到Kraus系数检查，重点核对完备性关系 \(\sum_k K_k^\dagger K_k = I\) 是否成立。

建模中的常见陷阱

第一，Kraus算符不唯一，同一信道可有无穷多组Kraus分解，仿真中不必追求“标准形式”，只需保证完备性关系成立且作用结果一致。第二，振幅阻尼信道的Kraus算符含 \(\sqrt{\gamma}\) 与 \(\sqrt{1-\gamma}\) 项，当 \(\gamma=1\) 时部分算符退化为零矩阵，代码中应保留零算符或显式剔除，避免除零与秩判断异常。第三，Choi矩阵的维度是 \(d^2\times d^2\)，双比特信道即为 \(16\times16\)，做特征分解时注意内存与精度，建议使用 np.linalg.eigvalsh 而非通用特征值求解。第四，复合信道优先在Choi层面做矩阵乘法，Kraus层面复合会导致算符数量相乘，秩快速膨胀。

完成上述建模后，信道对象已具备“可作用、可校验、可复合”三项能力，后续计算输出态与理想态的保真度时，只需调用 apply(rho) 得到 \(\mathcal{E}(\rho)\)，再与目标态做保真度评估即可。形式化表示的价值正在于此：把噪声的物理描述转化为矩阵运算，使仿真结果可复现、可验证。