量子计算机上规范理论的谱指纹

论文信息

标题: Spectral Fingerprints of Gauge Theories on a Quantum Computer

作者: Graham Van Goffrier, Debasish Banerjee, Bipasha Chakraborty, et al.

发布日期: 2026-08-27

arXiv ID: 2608.27457v1

PDF 链接: 下载 PDF

3 分钟速览

• 研究问题：这篇论文要解决如何在量子计算机上无偏地提取哈密顿量的完整能谱信息，特别是格点规范理论中基态、中谱热化与无序多体局域化等不同能量区间的谱学指纹。
• 核心方法：用最大混合态（MMS）作为初态的 Hadamard 测试，测得幺正演化 $e^{-iHt}$ 的归一化迹，再通过傅里叶变换得到有限分辨率的态密度；针对 $SO(3)$ 量子链路模型，结合 Trotter 分解与 Pauli 框架优化来构造受控时间演化电路。
• 关键结果：在 IQM Emerald 超导量子硬件上实现了最深 78 个两比特门层的谱学采样电路，并成功分辨出选定重子数扇区中谱谱中部能级；该实验设置下恢复峰与精确峰的中位能量差为 0.0043（使用 Hann 窗，见论文第 V.1 节）。
• 主要局限：硬件演示集中于小系统或对角化哈密顿，未能充分展示 Trotter 标度优势；无序硬件结果仅来自单一无序实现，无法据以判断 GOE 与 Poisson 统计；LLR 后处理中的窗口宽度与噪声权衡尚未完整分析。
• 适合读者：对量子算法、格点规范理论、量子多体谱学、量子硬件误差缓解或密度态方法感兴趣的理论物理与量子计算研究者。

论文背景和研究动机

传统量子模拟方法大多聚焦于制备基态、求解少数低能激发态或追踪特定初态的实时演化。这些目标通常只能获取谱的低能端少数状态。然而，完整能谱或适当粗粒化的谱分布包含互补的物理信息：配分函数、热力学观测量、能级间距分布、量子混沌、多体局域化、Hilbert 空间碎片化等。经典上精确对角化消耗随系统规模指数增长的资源；张量网络与 Krylov 方法主要面向基态与少数极值本征态；核多项式与随机迹估计可以给出平滑谱密度，但精度受采样数量限制，并且在强关联系统中方差可能较大。

量子算法中，量子相位估计需要接近本征态的初态，而变分或子空间方法天然偏向低能流形。本文关注的是一条不同的路线：直接从时间序列中提取谱信息。Ferris 等人此前提出的最大混合态（MMS）协议，用 $\rho_{\rm MMS}=\mathds{1}_D/D$ 作为模型寄存器初态，在 Hadamard 测试中测量

$$g_{\rm MMS}(t)=\frac{1}{D}\mathrm{Tr}(e^{-iHt}),$$

其傅里叶变换即为归一化态密度。相比随机纯态平均，最大混合态对任意正交基都有精确均匀支持，消除了随机向量采样层的涨落。本文把该协议扩展到相互作用非阿贝尔格点规范理论：$(1+1)$ 维 $SO(3)$ 量子链路模型与单味交错费米子耦合。该模型具有大量非对易 Pauli 项、规范约束导致的简并，以及快速增长的物理 Hilbert 空间，因此是一个比少量子比特演示更严峻的测试台。

核心方法和技术细节

最大混合态光谱采样

MMS 协议的关键是制备最大混合态并测量受控演化。Hadamard 测试中，辅助比特初始化为 $|+\rangle$，模型寄存器初始化为 MMS；受控 $U(t)=e^{-iHt}$ 作用后，测量辅助比特的 $X_a$ 与 $Y_a$，分别给出 $g(t)$ 的实部与虚部。论文用可重用垃圾比特制备 MMS：一个垃圾量子比特依次与每个模型比特纠缠、测量、复位，最终将所需量子比特数从 $2n+1$ 降到 $n+2$（见论文第 II.4 节）。在动态电路支持中测量复位时，这几乎将可访问系统规模翻倍。

时间采样参数有直接物理含义：最大演化时间 $T$ 决定能量分辨率 $\Delta E\sim 2\pi/T$，时间步长 $\Delta t$ 决定无混叠带宽，能移可以居中频谱。信号仍受有限测量次数限制，但读出差错缓解只需要 $2\times 2$ 混淆矩阵，与系统规模无关。

$SO(3)$ 量子链路模型的规范不变编码

论文采用 RICO 等人引入的 $SO(3)$ QLM。原始哈密顿量包含物质-规范跳跃、交错质量、在位与近邻密度相互作用。在强加 Gauss 定律后，每个格点的规范不变局域 Hilbert 空间是四维，可映射到自旋 $3/2$ 链。编码后哈密顿量变成

$$H_{\rm sp} = -t\sum_x(B_{x,+}^\dagger B_{x+1,-}+B_{x,+}B_{x+1,-}^\dagger) + m\sum_x(-1)^x M_x + G\sum_x(M_x-\tfrac32)^2 + V\sum_x(M_x-\tfrac32)(M_{x+1}-\tfrac32),$$

其中 $M_x$ 是粒子数算符，$B_{x,\pm}$ 是重子产生/湮灭算符。这样规范非物理态从一开始就被排除，而不需要能量惩罚。

Trotter 化与 Pauli 框架编译

对于 $L=2$ 系统，哈密顿量展开为 22 个 Pauli 项。论文将这些项分入四个互相交换的块（图 4），并系统比较了一阶与 Suzuki 高阶乘积公式。在固定过程保真度阈值 $F_{\rm pro}\ge 0.999$ 下，数值模拟显示高阶公式需要更少 Trotter 步，但每步成本更高；在多数研究时长内，四阶公式给出最有利的指数成本平衡（图 6）。

为压缩受控演化电路，作者提出递归分支限界搜索的 Pauli 框架编译器。它不再对每个 Pauli 旋转做完整的计算-非计算展开，而是保留中间 Clifford 框架，在框架之间直接移动。该编译器在四个交换块的排列内搜索最少 CNOT 门数，并产出了 78 个两比特门深度的受控 Trotter 步电路（图 14）。

创新点和贡献

本文的主要创新包括：

1. 首次将最大混合态光谱采样应用于相互作用非阿贝尔格点规范理论。前一工作只覆盖了两量子比特海森伯模型，本文处理了具有规范约束、重子扇区和大量简并的 $SO(3)$ QLM。
2. 开发了面向多 Pauli 项 Trotter 步的 Pauli 框架优化方法。文中将其称为 “新颖的编译策略”，用于共享多个非交换多体 Pauli 旋转所需的 Clifford 结构；在本文测试的 $L=2$ 哈密顿上，该方法相对手工启发式减少了电路深度（见论文第 III.2 节讨论）。
3. 展示了动态电路对于 MMS 制备的实际价值：利用 IQM Emerald 的测量与复位能力，只用单个垃圾比特准备最大混合态，并在该实验设置下与 “fresh” 版本得到一致结果（图 9）。
4. 提出将谱采样输出与经典 LLR 密度态方法结合的混合后处理流程。该流程通过离散中点条件估计局部对数态密度斜率，为从量子谱数据提取平滑态密度提供了框架。
5. 阐明谱采样在无序多体局域化转变与中谱态密度提取方面的应用逻辑，并给出重子数分辨的对称扇区谱学。

实验结果分析

论文包含仿真与真实硬件两类结果。

在仿真层面，作者首先对比精确量子 MMS 谱和经典随机相位迹估计器。精确谱包含四重简并 $E=0$、二重简并 $E=\pm2$、$\approx\pm6.083$，以及非简并 $\approx\pm3.531$、$\approx\pm11.556$。图 8 显示，在使用 $R=1000$ 个随机相位态时，以无质量 $SO(3)$ QLM 本征基构造的抽样基比计算基更接近量子 MMS 谱，但两者均能大致复现 $1:2:4$ 的简并层级。这说明了迹估计对采样基的敏感性。

在真实硬件层面，论文在 IQM Emerald 上进行了两组测试。第一组针对 $L=1,Q=2$ 的小系统，不需要 Trotter 化。图 9 显示在三种频率分辨率 $d\omega=0.2,0.1,0.05$ 下，硬件、模拟器、复用垃圾比特与 fresh 版本均吻合，峰位随分辨率提高更接近精确能量。第二组测试针对 $L=4,B=2$ 扇区，Hilbert 空间维度为 31，配合一个额外能级填满 5 量子比特。电路为 78 个两比特门深、总共 93 个两比特门。在这一设置下，作者恢复了中谱能级，使用 Hann 窗后恢复峰与精确峰的中位能量差为 0.0043；算出的 $\langle r\rangle$ 为 $0.58\pm0.11$，与精确值 $0.54\pm0.08$ 一致，但作者强调单一无序实现不足以确立 GOE 或 Poisson 统计（见论文第 V.1 节末段）。

此外，图 10 展示了 $L=4,6$ 的重子数为 0 扇区中，随着无序质量 $m$ 增大，平均能级间距比 $\langle r\rangle$ 从 GOE 值 $0.5307$ 向 Poisson 值 $0.3863$ 的转变；图 11 展示了 $B=2$ 扇区的小规模 MBL 过渡与 Emerald 硬件频谱。图 12 展示了在淬火极限 $m\to\infty$ 下，使用 LLR 混合方法从合成傅里叶数据估计态密度：$L=10$ 时窗口宽度 4 更好，$L=40$ 时窗口宽度 8 更好，中谱区域精度最高，尾部迅速受噪声污染。

局限与待解决问题

本文偏重量子算法与基础物理，直接的工程场景较有限，但仍有一些方法层面的限制值得注意。

首先，真实硬件实验虽然展示了 78 个两比特门深度的电路，但未实际同时展示 Trotter 化与长时演化的联合标度。论文作者指出，“一旦有足够的相干深度用于充分 Trotter 步，算法原则上为多项式时间”，但在当前硬件上，他们选择使用对角化哈密顿来聚焦于频谱分辨能力，这避免了深层 Trotter 误差的干扰，也使该硬件演示更像谱分辨率的原理验证，而非对完整 $SO(3)$ QLM 时间演化的端到端测试。

其次，对无序多体局域化的硬件验证仅基于单一随机实现。即使计算出的 $\langle r\rangle$ 在误差范围内与精确谱一致，作者明确提醒，这不足以在统计上区分 GOE 与 Poisson（见论文第 V.1 节最后一段）。要得到可靠的转变判断，需要大量不同无序实现，论文尚未报告这些实验的运行数量或平均结果。

第三，Pauli 框架编译器使用分支限界搜索，在限定的交换块结构和特定 Pauli 项排序族内寻找短深度电路，并未证明获得全局最优。论文也报告了多种被拒绝的策略（如过度使用可达球搜索、过大内部转移界），并承认该方法是 “在选定交换分解和限界搜索策略内找到的最佳电路，而不是任意 Pauli 排序和 Clifford 电路上的全局最优证明”（附录 C）。随着系统规模增长，搜索空间可能急剧扩大，编译花费会成为额外限制。

第四，MMS 谱采样与 LLR 后处理的混合方案仍遗留若干定量问题。作者在论文中指出的窗口宽度偏差上界为 $\Delta E^2/(8\sigma^2)$，而统计误差则随窗口宽度的减小而增大；如何在给定相干时间、测量预算和频谱曲率下选择最优窗口，以及不同窗口间由共享时间序列引入的相关性，论文没有加以解决（见论文第 V.2 节末段）。这限制了该方法直接应用于更大系统时的可靠性预估。

总的来说，该工作成功证明了最大混合态光谱采样在非阿贝尔规范模型上的可行性，并利用动态电路、Pauli 框架编译和廉价读出差错缓解改善了资源需求。但在可控回路深度、无序统计置信以及混合后处理理论方面，仍需更多仿真与实验积累，才能把该算法推进到当前量子硬件真正占优势的规模。