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、量子奇异值变换（QSVT）详解；与 广义 QSP 与 QETU 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"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 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）= 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）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。