作者: Malay Marut Das, Mark A. Novotny, Yaroslav Koshka

1. 核心物理图象

这篇论文的核心物理图象是利用量子退相干（decoherence）作为工具来计数一个经典优化问题中的最优解数量（即简并度）。作者发现，当一个小型探针系统（仅4个量子比特）与一个大型问题系统（最多20个量子比特）共同处于一种特殊的量子热平衡态（CTPQ态）时，探针的退相干程度与问题系统的基态简并度存在明确的数学关系。通过测量探针的退相干，而无需扫描整个问题空间，即可推断出最优解的总数。这项研究的贡献在于：（1）首次将该方法从特定量子模型推广到经典随机能量模型，展示了其普适性；（2）系统性地刻画了温度、系统尺寸和能量范围等因素对计数精度的影响；（3）扩展到“准简并”情况，即能量接近但不完全相等的最优解，提供了一个可调温窗口来计数此类解和精确简并解。

2. 关键术语解释

• CTPQ态（Canonical Thermal Pure Quantum State）：这是一种纯量子态，但能等效地复现正则系综（热平衡）中所有可观测量的统计平均值。论文用它作为制备系统初始态的框架，使得探针和问题系统在高温随机态下通过“虚时演化”被冷却到目标温度。CTPQ态使算法可以避免直接构造混合态密度矩阵，而是通过纯态测量即可获取热力学信息。
• 退相干度σₛ（Decoherence Measure）：衡量探针系统在自身能量本征基下密度矩阵中非对角元素（即量子相干性）消失的程度。当探针与问题系统相互作用时，相干性会流失，σₛ的值则反映了这种流失的程度。论文证明σₛ在低温极限下直接编码了问题系统的基态简并度，是计数算法的核心观测量。
• 准简并（Quasi-Degeneracy）：指问题系统中有多个态的能量非常接近但并非完全相等的全局最小值。论文研究了算法如何区分这些近似最优解，并通过设置温度窗口（介于两个阈值之间）来计数所有能量在给定容差内的解。

3. 主要贡献 (Key Contributions)

• 验证了退相干计数算法的普适性：该算法之前仅被推导并验证于海森堡自旋链模型。本文首次将其应用于对角线随机能量哈密顿量（REM类），这类哈密顿量结构上与量子模型完全不同，更接近经典优化问题的编码方式（如QUBO），从而证明了算法的广泛适用性。
• 建立了实用的参数阈值：系统地描述了温度、问题大小和能量范围如何影响计数精度。论文揭示了关键温度阈值T₁，低于该温度退相干才进入饱和区且可用于精确计数的简并度。这为实际操作提供了明确的温度选择准则。
• 提出了准简并计数的新方法：发现了双阈值结构（T₂ < T < T₁），在这个中间温度窗口中算法能计数“足够好”的解（即能量接近全局最优的解），而低于T₂则回到精确简并计数。这使得用户可以根据能量容差灵活选择计数目标。
• 极小探针测量方案：整个算法只需对4个量子比特的探针进行量子态层析，避免了在指数增长的问题希尔伯特空间上进行全系统测量的瓶颈，大大节省了测量资源。

4. 研究方法 (Methodology)

作者的研究方法建立在微扰论推导的基础之上。理论上，对于无耦合的探针-问题系统（λ=0），在低温极限下，微扰论给出了一个解析表达式，将探针的退相干度期望值E(σₛ²)与问题系统的基态简并度gₚ联系起来（见式19）。该公式成立的前提是探针自身具有简并的基态（gₛ>1），且整个系统处于有限温度的CTPQ态。在数值模拟中，作者将问题系统表示为对角线随机能量哈密顿量（REM类），能量值随机取自均匀分布；探针固定为4个量子比特，基态简并度为4。CTPQ态通过在经典计算机上对无限温度随机态应用虚时投影算符来制备。通过固定探针和问题哈密顿量、对随机CTPQ态进行多次采样（平均100至350次），计算探针的部分约化密度矩阵，从而提取σₛ²的期望值。最后，通过解微扰论给出的二次方程，从测量到的σₛ²反解出问题系统的简并度gₚ。

5. 实验结果与结论 (Results and Conclusion)

实验结果表明，在足够低的温度（T < T₁）下，算法能够在所有测试的简并度值（1, 4, 8, 12, 16）上精确地恢复问题系统的简并度，对最多20个问题量子比特的系统均有效。温度阈值T₁随问题大小增大而降低（因能量最小间隙缩小），而简并度对T₁影响较弱；能量范围参数R越小，所需工作温度越低。在准简并情况下，存在一个温度窗口，其中算法可以计数近似最优解的数量，且该窗口宽度由用户定义的能量容差决定。这些结论意味着该算法为在不枚举所有解的情况下计数最优解提供了一个可行的、可调的量子方案，尤其适合当前NISQ硬件。

然而，论文也指出了一些开放性问题：在真正的量子硬件上实现时，如何高效制备CTPQ态（例如通过变分热化方案）和如何处理实际噪声环境仍待解决；此外，随着问题规模增大，单个CTPQ态样本的方差是否会增大，以及需要多少个样本才能保证足够的统计精度，这些都值得进一步研究。

6. 论文标签 (Tags)

量子算法, 量子复杂性, 模拟, 量子信息, 编译与优化

📄 点击此处展开/折叠原文 PDF

原文链接： Degeneracy Counting Quantum Algorithm using Decoherence