2. 量子轨迹的基本概念

在开放量子系统的数值研究中，我们真正关心的往往不是某一次实验里系统“究竟处于哪个态”，而是大量重复实验所呈现的统计规律。密度矩阵 ρ 正是这种统计的平均描述：对角元给出各基态布居，非对角元给出相干性。然而，当系统与环境耦合、发生耗散或测量时，ρ(t) 的演化由主方程（Lindblad 形式）给出，它是一个确定性的矩阵微分方程，维度随系统增大而平方增长，且难以直接对应“单次实验看到什么”。量子轨迹方法换了一个视角：把同一个主方程所描述的平均演化，拆解成一族随机纯态 |ψ(t)⟩ 的系综，用对纯态的随机采样与平均来重建 ρ(t)。

这一拆解的核心是“ unraveling（展开）”思想。以最简单的振幅阻尼为例，主方程写作

dρ/dt = -i[H, ρ] + Σ_k ( L_k ρ L_k† - ½{L_k†L_k, ρ} )

其中 L_k 是跳跃算符。若在极短时间步 dt 内观察，系统要么以概率 p_k = dt·⟨ψ|L_k†L_k|ψ⟩ 发生一次“量子跳跃” ψ → L_k|ψ⟩/‖L_k|ψ⟩‖，要么以概率 1−Σp_k 不发生跳跃，但波函数被一个非厄米的“无跳跃”哈密顿量 H_eff = H − (i/2)ΣL_k†L_k 连续演化。把所有随机实现按概率加权平均，恰好还原主方程的解。这就是量子跳跃（quantum jump）图像，也叫蒙特卡洛波函数方法。

图中三条轨迹共享同一组参数，却因随机数不同而呈现不同的跳跃时刻与次数：有的发生两次跳跃，有的只发生一次，有的在给定时间窗内完全不跳。单条轨迹看起来“随机、不可预测”，但把大量轨迹的纯态外积 |ψᵣ⟩⟨ψᵣ| 做算术平均，就收敛到主方程给出的 ρ(t)。这正是量子轨迹方法的统计本质：用随机纯态的系综平均替代密度矩阵的确定性演化。

跳跃图像与连续演化图像的关系

需要强调，跳跃图像与连续演化图像并非两种不同的物理，而是同一主方程的两种等价展开。跳跃图像把环境作用离散化为瞬时事件，适合描述光子计数、量子跳跃类实验；连续演化图像（如量子态扩散、随机薛定谔方程）则把噪声写成连续的维纳过程，适合描述 homodyne 探测等连续测量。二者在系综平均层面给出相同的主方程，选择哪一种取决于所模拟的探测方式与数值便利性。

在跳跃图像中，无跳跃演化由非厄米 H_eff 驱动，这会使波函数模长逐渐衰减，衰减量恰好对应“尚未发生跳跃”的概率。实现时必须每一步重新归一化，否则概率会漂移。一个典型的单步伪代码如下（示例参数，非实测结果）：

# 单步量子跳跃演化（示例）
dt = 1e-3
psi = 初始纯态
for step in range(N):
    p_jump = dt * sum(||L_k @ psi||^2 for k in jumps)
    r = random()
    if r < p_jump:
        # 按 p_k 比例选择跳跃算符并归一化
        psi = normalize(L_selected @ psi)
    else:
        # 用 H_eff 做一步演化后归一化
        psi = normalize(expm(-1j * H_eff * dt) @ psi)
    record(psi)

这里 p_jump 必须远小于 1，否则单步内可能发生多次跳跃而被漏计，通常要求 dt 足够小使 p_jump ≪ 1。跳跃算符的选择按各 p_k 的相对大小抽样。记录下来的 psi 序列就是一条轨迹；重复 R 次（例如 R=1000～10000）得到系综。

轨迹平均如何联系主方程

设第 r 条轨迹在时刻 t 的纯态为 |ψᵣ(t)⟩，则密度矩阵估计为 ρ̂(t) = (1/R)Σᵣ |ψᵣ(t)⟩⟨ψᵣ(t)|。由大数定律，R 越大，ρ̂ 越接近主方程解 ρ(t)。实际判断收敛时，可监控某个可观测量的轨迹平均，例如 ⟨σ_z⟩ 的滑动平均，当其随 R 增加的波动小于设定容差（如 1%）时认为收敛。也可用不同随机种子重复整批计算，比较批间差异来估计统计误差，误差大致按 1/√R 缩小。

理解本节的关键在于建立三层对应：主方程是平均层的确定性描述；单条量子轨迹是随机层的纯态实现；系综平均把随机层还原为平均层。掌握这一对应，后续才能正确设置跳跃算符、时间步长与采样数，并用收敛判据判断结果是否可信。