无辅助比特的低深度随机酉

论文信息

标题: Low-Depth Random Unitaries without Ancillae

作者: Zhenyu Du, Siyuan Cheng, Xiongfeng Ma

发布日期: 2026-09-06

arXiv ID: 2609.06528v1

PDF 链接: 下载 PDF

3 分钟速览

研究问题：如何在不使用任何辅助量子比特的条件下，以最优电路深度生成随机酉矩阵，覆盖近似和精确的酉 $k$ -design。
核心方法：用 Hadamard-对角系综，将理想随机对角酉矩阵替换为基于随机哈希和催化计算的低深度电路，并用经典重加权把近似设计提升为精确设计。
关键结果：在 $\delta$ 维架构上实现了深度 $\widetilde{\mathcal{O}}(k)(\log n)^{1/\delta}$ 的零辅助比特近似 $k$ -design；精确 $k$ -design 深度为 $\widetilde{\mathcal{O}}(k)n^{1/\delta}$ ，总门数从指数级降至多项式（见表 1）。
主要局限：精确设计的经典权重评估和采样需要指数时间；同时实现量子高效和经典高效仍是未解决问题。
适合读者：量子信息、量子计算、随机酉设计、量子学习与计量、量子器件校准方向的研究者。

论文背景和研究动机

随机酉矩阵是量子信息处理和量子多体物理的基本构件，广泛用于量子学习、计量学、密码学、随机电路采样和量子器件基准测试。真实的 Haar 随机酉矩阵需要指数级数量的局部量子门，物理上无法实现。许多应用只关心 Haar 测度的低阶矩，因此酉 $k$ -design 足以替代。

过去的工作已经能在 $\delta$ 维架构上实现 $\mathcal{O}((\log n)^{1/\delta})$ 深度的近似设计，在全连接架构上实现 $\mathcal{O}(\log\log n)$ 深度，但除了个别一维构造外，几乎所有方案都需要大量辅助量子比特，其数量常常超过原系统本身。例如，表 1 列出有限维架构下先前方案需要 $\mathcal{O}(kn)$ 个辅助比特。这在近中期量子设备中构成严重空间开销。

论文的核心问题是：能否在所有有限维和全连接架构上，不使用辅助比特实现深度最优的随机酉矩阵？作者给出了肯定答案，并进一步将近似设计提升为精确设计。

核心方法和技术细节

构造起点是 Hadamard-对角系综：三个独立采样的对角酉矩阵 $D_1,D_2,D_3$ 与两层 $H^{\otimes m}$ Hadamard 门交错排列。理想情况下，每个计算基态 $|\xi\rangle$ 获得独立随机相位。这对应矩算子 $P_{\mathrm{Z}}^{(r)}$ 充当 “多集相等测试”：只有当两个 $r$ 元组 $\bm{x},\bm{y}$ 包含相同的标签多集时才保留状态（见论文图 1b）。

论文首先证明了该系综的张量积展开器（TPE）误差满足 $\lambda_r(\nu_{\mathrm{HD}}) \le \frac{9r^4}{2^m}$ （见论文公式(4)）。这比先前已知的阶乘依赖 $r$ 大幅改进，是后续低开销高阶设计的关键。

然而，理想对角系综需要 $2^m$ 个独立相位，指数级代价。作者用一小族随机哈希函数替代：构造形如

D|\xi\rangle = \exp\left(\mathrm{i}\sum_{j=1}^{s}\theta_j h_j(\xi)\right)|\xi\rangle,

其中 $s=\Theta(m)$ ， $h_j$ 是精心设计的布尔哈希函数。对随机相位 $\theta_j$ 取平均后，只保留所有哈希特征和匹配的状态（见论文公式(6)）。

哈希函数的实现需要临时工作空间。为消除辅助比特，论文引入催化计算：借用系统中不活跃的量子比特作为 “脏” 工作空间，并在计算结束后精确恢复原态，无论其初始状态如何。具体做法是将系统比特划分为若干寄存器，其中 $X,Y$ 为活跃寄存器，其余寄存器临时充当脏辅助比特。电路依次执行：

浓度步骤：用随机线性映射将所有寄存器数据累积到 $Y$ ；
哈希步骤：用随机多项式 $M(z)=\mu_0 z+\mu_1 z^2+\mu_2 z^4$ 将 $Y$ 哈希到 $X$ ；
二次混合：向 $Y$ 的每个比特加入 $w=\Theta(\log k)$ 个随机两比特汉明积，以增强检测能力；
施加随机相位；
反转前三步完成反计算。

基于有限域 $\mathbb{F}_{2^s}$ 的算术可在 $\delta$ 维架构上以 $\mathcal{O}(m^{1/\delta}\log k)$ 深度实现；全连接架构则使用常数速率、常数距离的二进制线性纠错码，以 $\mathcal{O}(\log m)$ 深度实现（见论文公式(10)、(11)）。这些哈希族将近似误差压低到 $\epsilon_{\mathrm{diag}}(r)\le \exp(-\Omega(m/\log k))$ （见论文公式(12)）。

重复 Hadamard-对角块 $T=\widetilde{\mathcal{O}}(k)$ 次可将误差压缩到所需乘法精度，而重叠局部块再拼接为全局设计（见论文定理 1）。

论文还引入精确化引理：若近似设计的 TPE 误差满足 $\max\{\lambda_k,\lambda_{2k}\}\le 1/(32d^{4k})$ ，则存在权重函数 $\omega(U)\in[3/4,5/4]$ ，使重加权分布恰好形成精确 $k$ -design，且不改变底层量子电路（见论文引理 1）。该引理将定理 1 的构造提升为定理 2 的精确设计。

创新点和贡献

论文在以下方面做出了实质推进：

首次同时实现零辅助比特与最优深度。在 $\delta$ 维架构和全连接架构上，近似 $k$ -design 的深度标度达到 $\mathcal{O}(\log n)^{1/\delta}$ 和 $\mathcal{O}(\log\log n)$ 的最优依赖，且不引入额外空间（见表 1）。此前无辅助比特的最优深度仅在 1D 架构已知（见论文引述）。

Hadamard-对角系综矩差距的指数级改善。将 TPE 误差从先前阶乘依赖改进为 $\mathcal{O}(r^4/2^m)$ （见公式(4)），减少了高阶设计所需的重复次数。

一般精确化引理的应用。此前一般精确 $k$ -design 的构造总门数随 $k$ 和 $n$ 指数级增长（见表 1 中 Ref. [57]）；本工作以多项式深度和门数实现精确设计，带来指数级资源缩减（见论文定理 2 及表 1）。

催化计算编译器的开发。论文构建了一套将常数、线性、双线性算术指令编译为零辅助比特电路的系统性方法（见附录 D.3，引理 S10）。该编译器在有限维和全连接架构上均保持原深度标度，使得先前需要干净辅助比特的有限域算术和纠错码编码可以催化执行。

实验结果分析

论文不包含传统数据集实验，其核心贡献是通过严格证明给出的渐近资源边界。表 1 和附录 A 的对比表汇总了近似与精确设计的深度和辅助比特数。在本工作之前，有限维架构的精确高阶设计要么需要 $n$ 的线性深度且无辅助比特但仅对 $k=3$ 有效，要么需要指数门数。本工作的理论标度显示：有限维架构深度 $\mathcal{O}(n^{1/\delta}k\log^2 k)$ 、零辅助比特；全连接架构深度 $\mathcal{O}(k\log k(\log n+\log k))$ 、零辅助比特（见表 3）。这些是渐近上限，实际常数因子论文未给出。

局限与待解决问题

作者明确指出了若干局限和未解问题。首先，精确设计的经典效率缺失：尽管量子电路深度和门数降为多项式，但评估或采样重加权分布目前需要指数级经典计算时间（见论文 “讨论” 部分）。这意味着精确设计的 “总” 资源成本可能被经典后处理主导，在实际应用中受限。

其次，深度标度尚未解耦 $n$ 与 $k$ 。最近在 1D 架构中出现了 $\mathcal{O}(\log(n\epsilon^{-1})+k\log k)$ 深度的近似 $k$ -design（见论文讨论部分），突破了 $n$ 与 $k$ 的乘性耦合。将其推广到更高维架构、全连接架构和更宽参数区间仍是有待解决的问题。

第三，实用非 Clifford 门数量未优化。论文只优化了电路深度和辅助比特数，没有最小化魔法态等昂贵资源。作者认为这是未来方向之一。

第四，论文讨论部分也提到，对于更物理自然的随机砖墙电路（random brickwork circuits）形成设计的临界深度仍未解决。本工作的构造并非砖墙结构，其架构之间的迁移性和物理可实现性有待进一步检验。