# Gibbs 态制备详解：量子热力学、虚时间演化与采样

*前置阅读：[Trotterization 与哈密顿量模拟](../ch05-hamiltonian-qsp/trotterization-tutorial.md)、[量子奇异值变换（QSVT）详解](../ch05-hamiltonian-qsp/qsvt-tutorial.md)；与 [广义 QSP 与 QETU](../ch05-hamiltonian-qsp/gqsp-qetu.md) 的滤波路线直接衔接。*

**课程目标：**

1. 理解 Gibbs 态 $\rho_\beta \propto e^{-\beta H}$ 为什么是"被低估的基础件"：热力学模拟、SDP 求解器、量子 Metropolis 的共同入口。
2. 掌握三条主路线的原理与代价：**虚时间滤波**（非酉 → 后选择/LCU/QSVT）、**热场双态/ purification**、**量子 Metropolis 采样**。
3. 理解 $\Omega(\beta)$ 查询下界的物理来源（制备热平衡至少要等"系统弛豫那么久"），以及 $\beta$ 与精度 $\varepsilon$ 的依赖为什么不同路线差别巨大。
4. 会按"谱隙已知否、需要态还是需要采样、容错时代"选择路线。

## 1. 问题：为什么制备一个"热平衡态"这么重要

温度 $\beta = 1/T$ 下的热平衡态（Gibbs 态）是

$$
\rho_\beta \;=\; \frac{e^{-\beta H}}{Z(\beta)}, \qquad Z(\beta) = \mathrm{tr}\, e^{-\beta H}.
$$

它在至少四类问题里出现：

- **材料与化学**：有限温性质（自由能、热容、输运系数）都从 $\rho_\beta$ 的期望值来；经典方法（量子蒙特卡洛）在符号问题面前经常失效，量子计算天然免疫。
- **热力学量与配分函数**：$Z(\beta)$ 给出自由能 $F = -\beta^{-1}\ln Z$；有了 Gibbs 态制备 + 量子幅度/相位估计（第 3 章振幅估计），可以把自由能估到 $\varepsilon$ 精度而只花 $O(1/\varepsilon)$（对比经典蒙特卡洛的 $1/\varepsilon^2$）。
- **半正定规划 (SDP)**：量子机器学习中的 SDP 求解器以 Gibbs 态为中间解的原像（Gibbs 态是相对熵投影的解），制备 Gibbs 态的复杂度直接决定求解器复杂度。
- **量子 Metropolis 采样**：一般系综采样的量子加速也需要热态作为不变分布。

**难点一眼可见**：$e^{-\beta H}$ 是**非酉**的衰减算符——量子线路只能做酉演化，"按能量压低权重"这件事必须绕道。所有 Gibbs 制备算法，本质都是在回答"非酉的 $e^{-\beta H}$ 怎么被酉线路逼出来"。

## 2. 路线一：虚时间滤波——把 $e^{-\beta H}$ 当多项式做

**与虚时间演化的关系**：实时间 $e^{-iHt}$ 在 $t = -i\beta$ 处解析延拓就是 $e^{-\beta H}$。所以"制备 Gibbs 态"的第一直觉是**虚时间演化** (imaginary-time evolution, ITE)：对任意初态 $\rho_0$，

$$
\frac{e^{-\beta H}\,\rho_0\, e^{-\beta H}}{\mathrm{tr}(e^{-2\beta H}\rho_0)} \;\xrightarrow{\ \beta \text{ 增大}\ }\; |\mathrm{GS}\rangle\langle\mathrm{GS}|
$$

低能态按 $e^{-2\beta\Delta}$ 被指数压制——ITE 是**滤波器**，与 [QETU 滤波](../ch05-hamiltonian-qsp/gqsp-qetu.md)是同一件事的两种语言。但要注意：**纯滤波只给基态，不给 Gibbs 态**；有限 $\beta$ 的 Gibbs 态是滤波后的态**再除以配分函数权重的混合**，需要更精细的构造——这正是"用多项式实现 $e^{-\beta x}/Z$ 型函数"的信号处理问题。

**QSVT 式实现**：把 $f(x) = e^{-\beta x}$（在 $H$ 的谱区间 $[-\|H\|, \|H\|]$ 上重标到 $[-1,1]$）做切比雪夫截断（[QSP 详解](../ch05-hamiltonian-qsp/qsp-tutorial.md)"逼近精度"节的 Bernstein 椭圆分析直接适用：截断次数 $d = O(\beta\|H\| + \log(1/\varepsilon))$），随后有两条组装方式：

1. **后选择**：信号处理线路以振幅 $\sim e^{-\beta E}/\sqrt{Z'}$ 保留能量本征态分支，对辅助比特测量成功即得（近似）Gibbs 态——成功率 $1/\mathrm{poly}$，用振幅放大（第 3 章）拉回；
2. **LCU/线性组合**：把 $e^{-\beta H}$ 与"剩余部分"组成一个更大的酉（块编码思想），确定性输出混合态——无失败分支，常数更大。

**关键复杂度事实**：查询复杂度对 $\beta$ 是**线性** $\Theta(\beta)$——这是物理必然（下界），见第 4 节；对精度，截断只贡献 $\log(1/\varepsilon)$，但"混合态输出的精度"（迹距离）通常再引入 $1/\varepsilon$ 或 $\log(1/\varepsilon)$ 依赖，取决于是否允许后选择与重复。

**变分捷径 (variational QITE / QMETTS)**：NISQ 时代不追求严格的 QSVT，而用参数化线路做 McLachlan 方程的虚时间流、或"METTS：最大纠缠态 + 虚时间投影交替"的经典-量子混合采样。精度无严格保证，但小系统上好用，是近中期实验的主力。

## 3. 路线二与三：purification 与 Metropolis

**热场双态 (thermofield double, TFD / purification)**。Gibbs 态 = 一个**纯态的半边约化**：

$$
|\mathrm{TFD}_\beta\rangle \;=\; \frac{1}{\sqrt{Z}}\sum_E e^{-\beta E/2}\, |E\rangle_S |E\rangle_E, \qquad \mathrm{tr}_E\,|\mathrm{TFD}\rangle\langle\mathrm{TFD}| = \rho_\beta .
$$

这把"制备混合态"转化为"制备纯态"——而纯态制备是谱滤波的老本行（QETU/GQSP 或 QPE + 幅度放大，第 5、6 章）。代价：(1) 需要系统两倍大的寄存器（$E$ 侧是"热浴影子"）；(2) 逐能级的幅度 $e^{-\beta E/2}$ 是无奇偶性的光滑目标——正是 [GQSP](../ch05-hamiltonian-qsp/gqsp-qetu.md) 拆掉奇偶约束后大显身手的场景。TFD 路线在现代资源估计里常给出最优常数。

**量子 Metropolis (quantum Metropolis sampling)**。Temme–Osborne–Vollbrecht–Lidar (2009) 把经典 Metropolis–Hastings 算法搬进量子：在能量本征值间做提议-接受-拒绝的随机游走，且用"相位回踢式"的量子化拒绝步骤避免测量坍缩破坏记忆。不动分布恰为 $\rho_\beta$，因此**不需要知道配分函数**，天然适合"只要采样、不要波函数"的应用（关联函数、热观测量的系综平均）。Chowdhury–Somma (2017) 的容错版本给出多项式复杂度；缺点是混合时间 (mixing time) 依赖问题的物理（无一般保证），且线路结构比滤波路线复杂。

**三条路线画像**：

| 路线 | 输出 | 对 $\beta$ | 对 $\varepsilon$ | 需要 | 适合 |
|---|---|---|---|---|---|
| 虚时间滤波 / QSVT | Gibbs 态（迹距离 $\varepsilon$） | $O(\beta)$ | $\mathrm{poly}\log$ 到 $1/\varepsilon$（视变体） | 块编码或演化黑盒、能隙或谱信息 | 已知要"态"本身 |
| TFD / purification | 纯态双倍寄存器 | $O(\beta)$ | $\log(1/\varepsilon)$ 友好 | 谱滤波 (QETU/GQSP) | 追最优常数、容错时代 |
| 量子 Metropolis | 系综采样 | $\Omega(\beta)$ + 混合时间 | $\log(1/\varepsilon)$/样本 | 受控演化 | 只要观测值、不需知道 $Z$ |

## 4. 下界与极限：$\beta$ 是硬通货

**查询下界 $\Omega(\beta)$**：无论何种算法，制备 $\rho_\beta$（或从它采样）必须调用黑盒至少 $\Omega(\beta)$ 次。物理来源很直观：热平衡是信息从系统扩散到"热浴"的过程，而量子传播（Lieb–Robinson 型速度极限）以 $O(t)$ 的光锥展开——要建立温度 $\beta$ 对应的关联结构，至少需要"演化 $\beta$ 那么久"。滤波路线恰好做到 $\Theta(\beta)$：**理论已经顶格**。

**精度依赖的分层**：若允许输出"任意 $\varepsilon$-接近的态"，滤波型算法对 $\varepsilon$ 只需 $\mathrm{poly}\log(1/\varepsilon)$（截断多项式足够光滑）；若要求输出严格 Gibbs 态的**样本**（如 Metropolis 的马尔可夫输出），每样本精度一般带 $1/\varepsilon$ 或混合时间因子。资源估计时务必分清自己买的是哪一种"精度"。

**低温极限**：$\beta \to \infty$ 时 Gibbs 态退化为基态，问题变成第 6 章的基态制备（[QETU 滤波](../ch05-hamiltonian-qsp/gqsp-qetu.md)路线），复杂度由谱隙 $\Delta$ 与初态重叠决定而非 $\beta$——两章在低温处无缝衔接；反过来，基态制备的"模糊二分"也可以看作 Gibbs 制备在 $\beta\Delta \to \infty$ 的极限情形。

## 5. 应用接口

- **配分函数与自由能**：$\rho_\beta$ 制备 + 振幅估计给出 $\log Z$ 的 $O(1/\varepsilon)$ 估计；相变点定位（自由能交叉）由此而来。
- **量子 SDP 求解器**：以 Gibbs 态为对偶变量的原像，制备复杂度 $\times$ 迭代次数 = 求解器复杂度；Gibbs 的 $\Theta(\beta)$ 下界直接翻译为 SDP 的规模依赖。
- **有限温关联与输运**：Metropolis/TFD 输出的系综样本 + 影子读出（[经典影子应用](classical-shadow-applications.md)）= 完整的有限温物性流水线。
- **验证**：制备出的 $\rho_\beta$ 应通过影子保真度见证（对角熵分布、能量涨落 $\langle H^2\rangle - \langle H\rangle^2 = \partial_\beta^2 \ln Z$ 的自洽检查）。

## 本课总结

- Gibbs 态是热力学模拟、配分函数、SDP、Metropolis 的公共入口；核心难点是 $e^{-\beta H}$ 非酉。
- 三条主路线：虚时间滤波（QSVT/GQSP 实现，$\Theta(\beta)$ 顶格）、TFD purification（纯态化 + 谱滤波，常数友好）、量子 Metropolis（免配分函数，付混合时间）。
- $\Omega(\beta)$ 查询下界由量子传播速度限制背书；精度依赖分层（态距离 $\mathrm{poly}\log$ vs 采样 $1/\varepsilon$）。
- 低温极限连接基态制备，读出端连接经典影子——Gibbs 制备是第 5、6 章技术在中端温度的汇合点。

## 习题

1. 证明 ITE 的滤波极限：对 $\rho_0$ 与基态重叠 $\eta>0$ 的初态，虚时间投影后的激发权重以 $e^{-2\beta\Delta}$ 衰减；由此估算"用 ITE 把重叠从 $\eta$ 提到 $1-\varepsilon$"需要的 $\beta$（设谱隙 $\Delta$）。
2. 用 Bernstein 椭圆分析（[QSP 详解](../ch05-hamiltonian-qsp/qsp-tutorial.md)）证明 $f(x)=e^{-\beta x}$ 的切比雪夫截断次数 $d = O(\beta\|H\| + \log(1/\varepsilon))$：写出 $M = \max_{E_\rho}|f|$ 与 $\rho$ 的选取。
3. TFD 构造题：写出二维系统 $H = \mathrm{diag}(0, \Delta)$ 的 $|\mathrm{TFD}_\beta\rangle$ 显式形式；求 $\mathrm{tr}_E$ 后验证为 Gibbs 态；计算制备它需要的幅度比 $\frac{\cos\text{-权重}}{\sin\text{-权重}}$ 并与 $\beta\Delta$ 联系。
4. 思考题：为什么量子 Metropolis 的"拒绝"步骤不能直接测量能量再回退？（提示：测量坍缩破坏提议分布的记忆；查 Temme 等人的相位记录解决方案并用自己的话复述。）
5. 能隙已知时，比较"QETU 模糊二分到基态"（大 $\beta$ 极限）与"QSVT 直接做 $e^{-\beta x}/Z$"两条路线的调用次数公式，找出交叉点（$\beta\Delta \approx ?$）并解释物理含义。