量子信道多项式处理

论文信息

标题: Quantum Channel Polynomial Processing

作者: Tianhan Liu, Fedor Simkovic, Martin Leib

发布日期: 2026-07-07

PDF 链接: 下载 PDF

研究背景与动机

在量子算法领域，许多核心任务最终归结为在量子态上施加算符函数 $f(H)$ ，尤其是对哈密顿量 $H$ 的变换。多项式近似是实现此类操作的自然途径：首先用某个度数为 $d$ 的多项式逼近目标函数，再将问题转化为在量子硬件上执行对应的多项式变换。量子奇异值变换（QSVT）正是这一思想的成功实现，它通过线路块编码（block encoding）将 $H$ 嵌入到酉算符中，然后利用量子信号处理（QSP）以 $\mathcal{O}(d)$ 次查询实现多项式变换，这种查询复杂度在理论上是最优的。

然而，QSVT 的实际应用受制于需要构建算符的酉编码。主流的线性酉组合（LCU）方法需要将哈密顿量各项的系数加载到辅助量子比特中，并借助量子只读存储器（QROAM）和受控操作选取对应的酉项。对于量子化学中的哈密顿量，项数通常以 $\mathcal{O}(N^4)$ 增长，这不仅意味着巨大的辅助比特开销，也带来大量的 Toffoli 门和受控操作，使得标准块编码方案更适合大规模容错量子计算机，而非近期的中等规模含噪量子（NISQ）器件。尽管存在一些降低开销的变体块编码方法，但它们依然需要保留对于哈密顿量的相干酉编码，其效率强烈依赖问题的结构优化或代数特性。

另一条路线是完全避开相干编码，而采用随机电路采样。产品公式（Trotterization）和随机化方法（如 QDrift）通过概率采样将哈密顿量演化转化为单个项的受控旋转，大幅降低了单次电路的深度，但通常只能处理时间演化，缺乏对任意函数 $f(H)$ 的通适性，并且常常面临指数级的采样开销。

上述状况在块编码多项式变换与随机哈密顿量模拟之间留下了一个算法空白：能否将多项式函数近似与随机电路采样结合起来，在不构建确定性块编码的条件下实现通用多项式通道？这正是本文所解决的痛点。作者提出了量子通道多项式处理（QCPP）框架，用随机通道的乘积替代相干酉编码，在通道层面编码哈密顿量的对易子和反对易子，从而仅通过调节线路角度和采样概率即可嵌入多项式，实现了采样代价与查询深度之间的灵活权衡。

核心方法与技术框架

QCPP 工作流程分为四个关键阶段：

多项式分解与目标通道

假设待实现的变换为 $f(H)\rho f(H)^\dagger$ ，其超算符形式可利用对易子超算符 $\mathcal{C}_H \rho = \frac{i}{2}[H,\rho]$ 与反对易子超算符 $\mathcal{A}_H \rho = \frac{1}{2}\{H,\rho\}$ 表达。若多项式 $p(z)=a_d \prod_{i=1}^d (z-z_i)$ 可在区间 $[-1,1]$ 上插值逼近 $f$ ，则目标通道近似为：

\mathcal{F} \rho \approx |a_d|^2 \prod_{i=1}^d \Big[ (\mathcal{A}_H - \Re[z_i])^2 + (\mathcal{C}_H + \Im[z_i])^2 \Big] \rho .

这里 $H$ 已归一化使得谱范围在 $[-1,1]$ 内，并表示为带符号泡利算符的凸组合 $H = \lambda \sum_{g\in S} p_g \, g$ 。

概率性基础构建块

QCPP 的核心构建块是一个作用在计算寄存器和一个辅助量子比特上的概率混合酉通道：

\mathcal{E} = p_z [U_z] + (1-p_z) \sum_{g\in S} p_g [cR_g(\theta)] .

其中 $U_z = e^{i(\pi/4) z_a}$ 是 $\pi/4$ 的 $Z$ 旋转；而 $cR_g(\theta) = \exp\big(i\theta (|1\rangle\langle 1|_a \otimes g)\big)$ 表示辅助比特控制、由泡利项 $g$ 生成的旋转。该混合通道的形式与 QDrift 类似，但角度 $\theta$ 和混合概率 $p_z$ 并非固定，而是由多项式的一个根 $z_i$ 决定。通过将 $\theta$ 和 $p_z$ 分别设定为：

\theta_i = \arctan\!\Big(\frac{-1}{\Re[z_i]}\Big), \qquad p_{z_i} = \frac{\Re[z_i]}{\Re[z_i] + \sqrt{1+\Im[z_i]^2}},

构建块 $\mathcal{E}(z_i)$ 便携带了该根的全部信息。

通道组装与行列式计算

将多个这样的构建块串联，即 $\mathbf{B}(z_d)\cdots\mathbf{B}(z_1)$ （取辅助比特的 $X$ - $Y$ 子空间），其行列式正好正比于目标 $\mathcal{F}$ 。由于行列式对乘积顺序具有置换不变性，且每一块与一个根对应，因此整条通道便实现了所需的多项式变换。为了 “计算” 行列式，作者引入一种巧妙构造：利用辅助比特上的 $X$ 门实现部分泡利转移矩阵空间中的 $Z$ 运算，并重复两次通道序列，使得 $D_K = Z \prod_{i\in K} \mathbf{B}(\theta_i) Z \prod_{i\in K} \mathbf{B}(\theta_i) \propto \prod_{i\in K}[(\mathcal{A}_H - \Re[z_i])^2 + (\mathcal{C}_H + \Im[z_i])^2]\mathbb{1}$ 。最终通过辅助比特 $|+\rangle$ 初始化并在 $X$ 基测量，可得到两个通道的等概率混合，其中一部分正比于 $\mathcal{F}$ ，另一部分为无用的 $\mathcal{P}$ 。借助测量结果的标记，可以在后处理中将 $\mathcal{P}$ 的影响抵消，从而估计期望值。

采样复杂度与查询深度的权衡

QCPP 的实现引入了重复采样成本：观测值需要通过 $M$ 次测量来抑制噪声，而因子 $\Gamma(p) = |a_d| \prod_{i=1}^d (\Re[z_i] + \sqrt{1+\Im[z_i]})$ 决定了所需样本数 $M \gg \Gamma(p)$ 。这使得采样代价成为查询深度 $d$ 之外的另一个核心资源。

论文首先揭示了经典的 Jacobi–Anger 展开（常用于实时间演化 $\exp(-i t z)$ 和虚时间演化 $\exp(-\tau(z+1))$ ）虽然能在对数级别的误差内提供最优查询复杂度，但其采样复杂度随 $d$ 指数级增长。定理 1 严格证明了这一点，并指出根源在于该类多项式的大部分根既不在正实轴也不在虚轴上。

为突破这一瓶颈，作者设计了一类积式多项式 $p(x) = q(x) h(x)$ ，其中 $q(x)$ 的所有根均落在正实轴或虚轴上——例如对于实时间演化取 $q^{\text{real}}(z) = \frac{(1 - i\frac{t}{d_q}z)^{d_q}}{(1 + t^2/d_q^2)^{d_q/2}}$ ，其样本复杂度 $\Gamma(q) = 1$ 。剩余部分 $h(x)$ 用低度 Chebyshev 展开（ $d_h \propto \log d$ ）逼近 $f/q$ ，从而整体采样成本保持多项式级别。定理 2 证明这种构造在区间 $[-1,1]$ 上具有超代数收敛特性：误差界为 $C \cdot (t^2/d) d^{-\log d}$ ，意味着即使采样成本恒定为多项式，仅需对数级提升查询深度即可指数级压低误差。进一步，给定采样预算 $\Gamma_\star$ ，最优查询深度为 $d \sim \frac{t^2}{\log \Gamma_\star} + \log(1/\epsilon)$ ，实现了灵活的查询-样本折中。

创新点与贡献

本文的创新性体现在以下几个层面：

随机通道多项式变换：首次将多项式函数实现与概率性电路采样统一在同一框架中，消除了对相干块编码的依赖。这实质上是将量子信号处理从纯酉流形扩展到了随机通道流形，为 NISQ 时代应用 QSVT 类算法开辟了道路。
行列式构造巧思：利用泡利转移矩阵的部分空间直和结构，通过通道乘积的行列式间接实现多项式，并借助辅助比特的测量结果 “计算” 行列式。该方法绕过了传统 QSP 中对信号处理相位序列的精细优化，代之以角度与概率的解析设定。
采样与查询复杂度的全谱权衡：不仅建立了多项式根分布与采样代价的理论联系，还给出了一套构造性方法，可在指数/多项式/次多项式查询和采样复杂度之间连续调节。结合其提供的理论界限，该方法为实际硬件约束下的算法编译提供了可调节的 “资源旋钮”。
NISQ 兼容性分析：每个基础构建块仅需一个辅助比特和若干受控泡利旋转，电路结构简单且适合当前量子设备的噪声特征。作者明确指出该框架可无缝缩放至容错量子计算，使其成为一条切实可行的技术路线。

实践应用建议与未来展望

QCPP 当前最直接的应用场景是实时间演化模拟和虚时间演化（Gibbs 态制备），这两类任务在量子化学、量子多体物理和机器学习中需求广泛。实践中，可根据具体硬件的连通性、门保真度和最大电路深度，选择采样代价与查询深度的组合。例如，在低连通性或高噪声的设备上，可偏向使用较低 $d$ 和高采样次数；反之，在保真度较高但量子比特稀缺的系统中，则可增大查询深度以节省样本。此外，QCPP 的置换不变性允许灵活重排构建块顺序，为针对特定拓扑的量子电路编译提供了自由度。

未来发展方向包括：

更广泛的函数类：当前构造依赖于解析可分解的多项式，后续应将理论拓展到非多项式函数的高效插值，如对数、幂律等。
硬件实现与基准测试：在真实量子硬件（如超导、离子阱）上实现 QCPP 并比较其与 Trotter、QDrift 及变分方法的实际性能，特别是在误差积累和采样效率方面。
与噪声缓和技术结合：可将 QCPP 视为一种内置随机化的算法，其采样过程本身带有随机编译（randomized compiling）的效应，或可与零噪声外推、错误抑制技术进一步整合。
多函数乘积与高级应用：将框架推广到多算符函数（例如 $f(H_1) g(H_2)$ ）或求解线性系统的量子算法中，探索在矩阵运算、优化等问题上的能力。

总结与展望

《量子通道多项式处理》一文在量子算法的实现范式上迈出了重要一步：它证明了无需昂贵的相干哈密顿量编码，仅通过随机采样的统一框架，即可实现任意厄米算符的多项式变换。这一成果不仅弥合了 QSVT 与随机化模拟之间的鸿沟，也为量子计算从 NISQ 向容错阶段过渡提供了一种平滑升级的路径。通过挖掘多项式根分布与采样代价的内在关系，作者巧妙地构建了查询深度与样本数之间的弹性权衡，使得该算法在面对不同硬件特征时具备极高的适应性。

展望未来，QCPP 与量子信号处理的深度融合可能催生出一套新的 “随机化量子信号处理” 理论，推动量子模拟、优化乃至机器学习算法在近中期量子硬件上的实用化进程。