# Double-Bracket 量子算法：等谱梯度流、群交换子与虚时间演化

Double-bracket flow 是矩阵微分方程

$$
\dot H=[[N,H],H]
$$

（或整体负号约定），它始终沿 $H$ 的 unitary orbit 移动，稳定点与 $N$ 对易，可实现对角化、排序和优化。量子算法用 group commutator product formula 合成 $e^{\eta[N,H]}$，无需非酉演化或 postselection；代价是递归模拟更新后的 Hamiltonian，电路深度常随迭代数指数增长。

## 1. 等谱性为何自动成立

$H,N$ Hermitian，则

$$
K(H)=[N,H]
$$

anti-Hermitian。Flow 可写

$$
\dot H=[K(H),H].
$$

若

$$
\dot U=K(H)U,\qquad H(t)=U(t)H(0)U(t)^\dagger,
$$

就满足该方程。$U$ 始终 unitary，所以 $H(t)$ 的 eigenvalues、trace powers、determinant 全不变；改变的是 eigenvectors/basis。

因此它不能把错误 eigenvalues“优化成”目标谱，只能在固定谱的 unitary orbit 上重排/对角化。

## 2. Lyapunov function 与排序

取

$$
F(H)=\operatorname{Tr}(NH).
$$

沿上述符号 flow：

$$
\begin{aligned}
\frac{dF}{dt}
&=\operatorname{Tr}(N[[N,H],H])\\
&=-\operatorname{Tr}([N,H]^2)\\
&=\|[N,H]\|_F^2\ge0,
\end{aligned}
$$

因为 commutator anti-Hermitian。稳定点满足

$$
[N,H]=0.
$$

若 $N=\operatorname{diag}(n_1<\cdots<n_d)$ 非简并，稳定 $H$ 在该基中对角。Von Neumann trace inequality 决定哪个 eigenvalue 排列最大化 $\operatorname{Tr}(NH)$；选择 $N$ 顺序即可完成 eigenvalue sorting。

这是 unitary manifold 上的 Riemannian gradient flow：commutator 把 Euclidean gradient 投影到 tangent space $[K,H]$。

## 3. 离散 double-bracket iteration

Euler 沿 tangent 后再 exponentiate：

$$
K_k=[N,H_k],\qquad
U_k=e^{\eta_kK_k},
$$

$$
H_{k+1}=U_kH_kU_k^\dagger.
$$

与直接 $H+\eta[[N,H],H]$ 相比，conjugation 精确保持 Hermiticity 与 spectrum。步长小时时

$$
H_{k+1}=H_k+\eta_k[[N,H_k],H_k]
+O(\eta_k^2).
$$

$N$ 可固定 diagonal，也可每轮 variationally 选择以最大下降非对角 norm。

## 4. Group commutator 合成 generator

若有 Hamiltonian simulation oracles for $H_k,N$，四段 product

$$
e^{i\sqrt\eta N}
e^{i\sqrt\eta H_k}
e^{-i\sqrt\eta N}
e^{-i\sqrt\eta H_k}
=e^{-\eta[N,H_k]+O(\eta^{3/2})}
$$

由 Baker--Campbell--Hausdorff 得到 commutator exponential（调换顺序校正符号）。它不需 ancilla/controlled-$U$；高阶 symmetric formulas 可改善误差。

然后用该 unitary conjugate $H_k$，实现一步 double bracket。Input Hamiltonian 的局部/稀疏 simulation 成本和 product-formula error 必须计入。

## 5. 递归深度为什么爆炸

虽然

$$
H_k=V_kH_0V_k^\dagger,
$$

可通过

$$
e^{itH_k}=V_ke^{itH_0}V_k^\dagger
$$

模拟，但下一步 $U_k$ 的 group commutator 多次调用 $e^{itH_k}$，每次展开又包含整个 $V_k$。若直接内联，recurrence 类似

$$
D_{k+1}\gtrsim cD_k+O(1),\qquad c>1,
$$

所以 depth 指数于 recursive steps。数值上少数步骤可能有效，但渐近上原始 diagonalization algorithm 不高效。

Quantum dynamic programming/parallelization 可保存中间 channels/states、用额外 copies 与 qubits 避免全递归重算，降低 depth 但增加宽度与 state-preparation 成本。

## 6. Imaginary Time 是 projector 上的 double bracket

归一化 imaginary-time pure state

$$
|\psi(\tau)\rangle
\propto e^{-\tau H}|\psi_0\rangle
$$

的 projector $\rho=|\psi\rangle\langle\psi|$ 满足

$$
\dot\rho
=-\{H,\rho\}+2\operatorname{Tr}(H\rho)\rho.
$$

利用 $\rho^2=\rho$：

$$
[[\rho,H],\rho]
=-\{H,\rho\}+2\rho H\rho
=-\{H,\rho\}+2\langle H\rangle\rho.
$$

所以 pure-state QITE 正是 Brockett double-bracket flow。它在 projector unitary orbit 上用 commutator rotations 模拟非酉 imaginary time，保持纯度且无需 postselection。

若 ground state 唯一、初态 overlap 非零，energy gap 控制 fixed-size system 的指数步数收敛；但 system size 增长时 gap、初始 overlap 和每步电路 depth 都可能指数差。

## 7. DB-QSP 与其他任务

Double-bracket commutator synthesis 可构造 Hamiltonian polynomial transformations，形成无 postselection 的 DB-QSP；已知构造 runtime 可指数于 polynomial degree，尚不替代高效标准 QSP。DBF 还关联 QR decomposition、linear programming、sorting 与 matrix diagonalization，但每一应用要给 convergence 和 implementation complexity。

目前 Zoo 将 speedup 标为 unknown 是合理的：算法框架有 purposeful convergence/近端数值优势，但原始递归深度缺乏通用 polynomial bound。

## 8. Source 审计勘误

Zoo 的 classical DBF 引用写作 anchor `HM`、显示编号 321；实际 bibliography 是

$$
\text{Helmke--Moore, Optimization and Dynamical Systems, 编号 521}
$$

（anchor `HM12`）。编号 321 实为无关的 quantum Lovász local lemma。另有 RPP24/RPP22 anchor 命名不一致。教程按论文标题与实际 521--526 记录引用。

## 9. 小结与习题

- Double-bracket flow 是 unitary orbit 上的等谱 Riemannian gradient flow。
- $\operatorname{Tr}(NH)$ 单调，稳定点与 $N$ 对易并完成对角/排序。
- Group commutator product formula 合成 $e^{\eta[N,H]}$，但 recursive Hamiltonian simulation 可指数增深。
- Pure-state imaginary time projector equation等于 Brockett double bracket。

1. 完整验证 $d\operatorname{Tr}(NH)/dt=\|[N,H]\|_F^2$。
2. 展开 conjugation 得到一阶 double-bracket step。
3. 用 BCH 推导 group commutator leading term。
4. 证明 rank-one $\rho H\rho=\langle H\rangle\rho$。

## 参考文献与 Zoo 覆盖

- 实际 Zoo 521：Helmke--Moore, *Optimization and Dynamical Systems*（页面误标 321）。
- Zoo 522：Marek Gluza, [Double-Bracket Quantum Algorithms for Diagonalization](https://arxiv.org/abs/2206.11772).
- Zoo 523--526：ground-state preparation、DB-QITE、Riemannian geometry 与 DB-QSP。
- Zoo 519--520、250：depth--width tradeoff、Hermitian-preserving map exponentiation 与 density-matrix exponentiation。