4. 保真度的定义与数值计算

在量子噪声信道仿真中，我们经常需要回答一个核心问题：经过信道作用后的量子态，与理想目标态到底“有多接近”？保真度（Fidelity）就是量化这种接近程度的数学工具。它不仅是评价信道性能的指标，也是量子态层析、量子纠错和量子门校准中的常用判据。本节从定义出发，梳理几种常用计算公式，并说明它们在仿真实现中的适用场景与数值注意事项。

保真度的基本定义

对于两个密度矩阵 ρ 和 σ，量子保真度最通用的定义为：

F(ρ, σ) = Tr √( √ρ · σ · √ρ )

其中 √ρ 表示 ρ 的唯一半正定平方根。该定义由 Jozsa 提出，满足对称性 F(ρ,σ)=F(σ,ρ)，取值范围为 [0,1]，当且仅当 ρ=σ 时取 1。需要注意，部分文献采用其平方形式 F² 作为保真度，仿真中必须明确所用约定，否则数值对比会系统性偏差。本课程统一采用上式（非平方）定义。

当其中一个态是纯态时，公式大幅简化。若 σ=|ψ⟩⟨ψ| 为纯态，则：

F(ρ, |ψ⟩) = √( ⟨ψ| ρ |ψ⟩ )

这正是仿真中最常见的情形——目标态通常是已知的纯态，而实际输出是含噪声的混合态。此时只需计算 ρ 在 |ψ⟩ 上的期望值再开方，计算量从矩阵平方根降为一次向量乘法，对多比特系统尤其重要。

三种常用计算路径

在具体实现中，保真度有三条典型计算路径，适用条件各不相同。

路径一：纯态—纯态内积。若 ρ=|φ⟩⟨φ|、σ=|ψ⟩⟨ψ| 均为纯态，则 F=|⟨φ|ψ⟩|。这是最简单的情形，只需一次内积的模。仿真中常用于理想信道自检或验证态制备模块。

路径二：纯态—混合态期望值。如上所述，F=√(⟨ψ|ρ|ψ⟩)。实现时先构造目标纯态向量，再与密度矩阵做两次矩阵—向量乘法。对于 n 比特系统，密度矩阵规模为 2ⁿ×2ⁿ，n≤10 时直接存储尚可接受；更大规模需借助张量网络或蒙特卡洛轨迹方法。

路径三：混合态—混合态通用公式。需要计算 √ρ，再求 √ρ·σ·√ρ 的平方根并取迹。数值上通常先对 ρ 做特征分解 ρ=UΛU†，则 √ρ=U√ΛU†，再对中间矩阵做一次特征分解求平方根。两次特征分解的复杂度为 O(d³)，d=2ⁿ。仿真中应优先利用厄米性，调用 eigh 而非通用 eig，并对小负特征值做截断，避免数值误差导致平方根出现 NaN。

不同定义的适用场景对比

除 Jozsa 定义外，仿真中还常见几种相关量，它们容易混淆但用途不同。下面的对比表给出选择依据。

选择时的一个实用原则是：若仿真目标是“输出态与理想纯态的接近程度”，直接用纯态保真度；若比较两个一般信道输出或两个混合态，才动用通用公式。迹距离虽然也常用，但它衡量的是可区分性，与保真度不是同一语义，报告中应明确标注所用指标。

一个可复现的数值示例

考虑单比特目标态 |0⟩，经过退极化信道后输出 ρ=(1−p)|0⟩⟨0|+p·I/2，取 p=0.2。则：

ρ = [[0.9, 0], [0, 0.1]]
F = √(⟨0|ρ|0⟩) = √0.9 ≈ 0.9487

若改用通用公式验证：√ρ=diag(√0.9, √0.1)，√ρ·ρ·√ρ=ρ²=diag(0.81,0.01)，其平方根为 diag(0.9,0.1)，迹为 1.0？这里需注意——通用公式作用于 ρ 与 σ 两个态，若取 σ=|0⟩⟨0|，则 √ρ·σ·√ρ=diag(0.9,0)，平方根迹为 √0.9≈0.9487，与纯态公式一致。这一交叉验证是仿真代码单元测试的推荐做法：用两种路径计算同一组态，结果应在 1e−10 内吻合。

仿真实现中的关键细节

把公式落到代码时，有几个细节直接决定结果是否可信。第一，密度矩阵的厄米性维护：信道作用后应做 ρ←(ρ+ρ†)/2 的对称化，否则特征分解可能返回复数特征值。第二，维度对齐：多比特系统中目标态与输出态的基矢顺序必须一致，张量积顺序错误会让保真度看似随机波动。第三，纯态情形优先走简化公式，既快又能规避通用公式在近纯态时的数值病态。

对于含噪仿真，建议同时输出保真度与迹距离两个指标：保真度对接近 1 的区域敏感，迹距离对接近 0 的区域更线性，二者互补能更全面刻画信道影响。在退极化信道的示例中，p 从 0 增至 0.5 时，保真度从 1 平滑降至约 0.707，而迹距离从 0 升至 0.25，两条曲线形状不同但单调性一致，可作为仿真结果合理性的快速判据。

综上，保真度的计算并不复杂，难点在于选对公式、守住数值稳定、并保持定义约定的一致性。掌握纯态简化路径与通用路径的对应关系，再配合交叉验证，就能在量子噪声信道仿真中可靠地量化态保真度。