Schrödingerization

Schrödingerization（薛定谔化）是 Shi Jin、Nana Liu、Yue Yu 于 2022–2024 年间系统发展的方法。它通过一个被称为缠绕相位变换（warped phase transformation）的变量替换，把任意线性常微分方程或偏微分方程（在空间离散化之后）转化为一个更高维空间中的薛定谔方程，其哈密顿量自动是 Hermitian 的，从而可以直接用本百科教程中的任意哈密顿量模拟算法求解。这一方法打破了”只有厄米系统才能量子模拟”的限制，为耗散系统、非幺正演化和经典偏微分方程的量子求解开辟了路径。它与本百科 LCHS 教程属于同一研究方向：两者共享同一组傅里叶恒等式与同一正性条件，我们在正文中给出对照。

问题背景

量子计算机天然地执行幺正、且由 Hermitian 哈密顿量驱动的演化，但科学计算中大量出现的微分方程并非如此：

• 耗散系统：$\dot{u}=Gu$，$G$ 的特征值具有负实部，演化 $e^{Gt}$ 是压缩（非幺正）的；
• 非正规矩阵：$G$ 非 Hermitian，甚至不可对角化；
• 非线性方程：$\dot{u}=f(u)$，如 Navier–Stokes 方程；
• 抛物方程：热方程 $u_t=\kappa \Delta u$、扩散方程。

以往的量子模拟技术难以直接处理这些系统：

• 哈密顿量模拟（Trotter、LCU、Qubitization 等）只能实现 $e^{-iHt}$（$H$ Hermitian）；
• 块编码与 QSVT 依赖谱映射定理，需要 $A$ 具有可用的块编码且函数作用于奇异值；
• 把演化视为线性方程组求解（QLSP）虽然可行，但条件数与初态制备的开销很大。

薛定谔化的核心思想是：引入一个辅助的连续变量 $p$（缠绕变量），把非 Hermitian 系统嵌入一个更大的 Hermitian 系统。原来系统的解可以从增广系统的解中投影出来，代价是额外的辅助量子比特与一次后选择。

核心思想：缠绕相位变换

问题的标准形式

我们先把问题写成标准形式。给定 ${\mathbb{C}}^N$ 上的线性方程

$\frac{d}{dt}\mathbf{u}(t)=\mathbf{G}\mathbf{u}(t),\mathbf{u}(0)={\mathbf{u}}_0,$

令 $\mathbf{A}:=-\mathbf{G}$，并把 $\mathbf{A}$ 分解为 Hermitian 部分与反 Hermitian 部分：

$\mathbf{A}={\mathbf{H}}_{+}+i{\mathbf{H}}_{-},{\mathbf{H}}_{+}=\frac{\mathbf{A}+{\mathbf{A}}^{†}}{2},{\mathbf{H}}_{-}=\frac{\mathbf{A}-{\mathbf{A}}^{†}}{2i}.$

直接验证两者的 Hermitian 性：${\mathbf{H}}_{+}^{†}=\frac{{\mathbf{A}}^{†}+\mathbf{A}}{2}={\mathbf{H}}_{+}$；${\mathbf{H}}_{-}^{†}=\frac{{\mathbf{A}}^{†}-\mathbf{A}}{-2i}={\mathbf{H}}_{-}$。于是方程成为

$\frac{d}{dt}\mathbf{u}=-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})\mathbf{u},\mathbf{u}(t)=e^{-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})t}{\mathbf{u}}_0.$

正性条件。薛定谔化要求 ${\mathbf{H}}_{+}⪰0$（半正定）。若不满足，我们做代换 $\mathbf{u}(t)=e^{ct}\mathbf{v}(t)$：代入方程，左边为 $e^{ct}(c\mathbf{v}+\dot{\mathbf{v}})$，右边为 $-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})e^{ct}\mathbf{v}$，移项得

$\frac{d}{dt}\mathbf{v}=-({\mathbf{H}}_{+}+cI+i{\mathbf{H}}_{-})\mathbf{v},\mathbf{v}(0)={\mathbf{u}}_0.$

取 $c\ge -{\lambda }_{\min }({\mathbf{H}}_{+})$ 即可使新方程的 Hermitian 部分 ${\mathbf{H}}_{+}+cI⪰0$；解出 $\mathbf{v}$ 后乘以已知标量 $e^{ct}$ 即得 $\mathbf{u}$。以下恒设 ${\mathbf{H}}_{+}⪰0$。

第一步：从线性微分方程到输运方程

现在引入增广未知量 $\mathbf{v}(t,p)$，其中 $p\in \mathbb{R}$ 是新增的连续变量。我们先陈述目标：希望构造一个关于 $(t,p)$ 的偏微分方程，使它的解在半轴 $p>0$ 上恰好是

$\mathbf{v}(t,p)=e^{-p}\mathbf{u}(t),p\ge 0.$

若能做到这一点，则原方程的解可由 $\mathbf{u}(t)=e^p\mathbf{v}(t,p)$（在任意 $p>0$ 处）或 $\mathbf{u}(t)={\int }_0^{\infty }\mathbf{v}(t,p)dp$ 读出——后者由 ${\int }_0^{\infty }{e}^{-p}dp=1$ 保证。

构造的关键是恒等式 $e^{-p}=-{\partial }_p{e}^{-p}$，即对于目标形式有 $\mathbf{v}=-{\partial }_p\mathbf{v}$。把 $\mathbf{u}=e^p\mathbf{v}$ 代入方程 $\dot{\mathbf{u}}=-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})\mathbf{u}$，得 $e^p{\partial }_t\mathbf{v}=-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})e^p\mathbf{v}$，即 ${\partial }_t\mathbf{v}=-{\mathbf{H}}_{+}\mathbf{v}-i{\mathbf{H}}_{-}\mathbf{v}$；再把右端第一项中的 $\mathbf{v}$ 用 $-{\partial }_p\mathbf{v}$ 替换，得到输运方程（transport equation）

$\frac{\partial \mathbf{v}}{\partial t}={\mathbf{H}}_{+}\frac{\partial \mathbf{v}}{\partial p}-i{\mathbf{H}}_{-}\mathbf{v},\mathbf{v}(0,p)=e^{-|p|}{\mathbf{u}}_0.$

我们验证 $\mathbf{v}(t,p)=e^{-p}\mathbf{u}(t)$ 在 $p>0$ 上确实是它的解：此时 ${\partial }_p\mathbf{v}=-e^{-p}\mathbf{u}(t)=-\mathbf{v}$，于是右端 $={\mathbf{H}}_{+}(-\mathbf{v})-i{\mathbf{H}}_{-}\mathbf{v}=-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})\mathbf{v}=-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})e^{-p}\mathbf{u}(t)=e^{-p}\dot{\mathbf{u}}(t)={\partial }_t\mathbf{v}$，两边相等。

关于初值的取法需要说明两点。第一，初值取偶延拓 $e^{-|p|}{\mathbf{u}}_0$ 而非 $e^{-p}{\mathbf{u}}_0$，是因为实轴上的傅里叶变换（以及量子寄存器）要求函数在整个 $\mathbb{R}$ 上定义。第二，这个延拓不影响 $p>0$ 半轴上的解。理由是特征线（characteristics）的方向：考察纯输运部分 ${\partial }_t\mathbf{v}={\mathbf{H}}_{+}{\partial }_p\mathbf{v}$，${\mathbf{H}}_{+}$ 的每个特征值 $\lambda \ge 0$ 对应以速度 $\lambda$ 向左（负 $p$ 方向）传播的分量（${\partial }_{t}v=\lambda {\partial }_{p}v$ 的通解是 $v(0,p+\lambda t)$）。因此信息只从 $p>0$ 区域流向 $p<0$ 区域，而不会反向；从半轴 $p>0$ 内部某点沿特征线回溯，始终停留在 $p>0$ 内。所以 $p<0$ 半轴上的初值如何选取并不影响我们在 $p>0$ 半轴上读出的结果。半轴 $p<0$ 的作用只是让增广系统成为一个完整的、可以整体幺正演化的系统。

第二步：傅里叶空间中的薛定谔方程与增广哈密顿量

对 $p$ 作傅里叶变换 $\hat{\mathbf{v}}(t,\eta )={\int }_{\mathbb{R}}{e}^{-i\eta p}\mathbf{v}(t,p)dp$，替换 ${\partial }_p\mapsto i\eta$：

$\frac{\partial \hat{\mathbf{v}}}{\partial t}=i\eta {\mathbf{H}}_{+}\hat{\mathbf{v}}-i{\mathbf{H}}_{-}\hat{\mathbf{v}},$

两边乘以 $i$ 得到薛定谔方程的标准形式

$i\frac{\partial \hat{\mathbf{v}}}{\partial t}=({\mathbf{H}}_{-}-\eta {\mathbf{H}}_{+})\hat{\mathbf{v}}.$

由于 ${\mathbf{H}}_{\pm }$ 是 Hermitian 矩阵而 $\eta$ 是实数，${\mathbf{H}}_{-}-\eta {\mathbf{H}}_{+}$ 是 Hermitian 的：对每个 $\eta$，$\hat{\mathbf{v}}(t,\eta )$ 都做幺正演化。这正是”薛定谔化”的含义。

把上式写成算符形式。令 $\hat{p}:=-i{\partial }_p$ 为 $p$ 上的动量算符（Hermitian，傅里叶空间中对角，特征值为 $\eta$），则由 $i{\mathbf{H}}_{+}{\partial }_p=-{\mathbf{H}}_{+}\otimes \hat{p}$，增广方程在实空间中为

$i\frac{\partial \mathbf{v}}{\partial t}=\hat{\mathcal{H}}\mathbf{v},\hat{\mathcal{H}}:={\mathbf{H}}_{-}\otimes {\mathbf{I}}_p-{\mathbf{H}}_{+}\otimes \hat{p}.$

增广哈密顿量 $\hat{\mathcal{H}}$ 是两个 Hermitian 算符的张量和，因此是 Hermitian 的。它就是我们要在量子计算机上模拟的对象。

初值在傅里叶空间中同样可以显式算出。$e^{-|p|}$ 的傅里叶变换在 LCHS 教程中已经完整计算过：

${\int }_{\mathbb{R}}{e}^{-|p|}{e}^{-i\eta p}dp=\frac{1}{1+i\eta }+\frac{1}{1-i\eta }=\frac{2}{1+{\eta }^2},$

故 $\hat{\mathbf{v}}(0,\eta )=\frac{2}{1+{\eta }^2}{\mathbf{u}}_0$。注意初态的谱密度正是 Cauchy–Lorentz 核——它与 LCHS 中作为 LCU 权重出现的是同一个函数，这不是巧合，见下文”与 LCHS 的关系”。

第三步：投影回收原始解（留数证明）

增广方程的解为

$\hat{\mathbf{v}}(t,\eta )=e^{-i({\mathbf{H}}_{-}-\eta {\mathbf{H}}_{+})t}\frac{2}{1+{\eta }^2}{\mathbf{u}}_0,$

作傅里叶反演 $\mathbf{v}(t,p)=\frac{1}{2\pi }{\int }_{\mathbb{R}}{e}^{i\eta p}\hat{\mathbf{v}}(t,\eta )d\eta$：

$\mathbf{v}(t,p)=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }\frac{2e^{i\eta p}}{1+{\eta }^2}{e}^{-i({\mathbf{H}}_{-}-\eta {\mathbf{H}}_{+})t}{\mathbf{u}}_{0}d\eta .$

定理（回收公式）：设 ${\mathbf{H}}_{\pm }$ Hermitian、${\mathbf{H}}_{+}⪰0$。则对一切 $t\ge 0$ 与 $p>0$，

$\mathbf{v}(t,p)=e^{-p}{e}^{-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})t}{\mathbf{u}}_0.$

证明：我们用围道积分（contour integration）。先建立一个矩阵指数的范数预备事实：若 $X=X^{†}⪯0$、$Y^{†}=-Y$，则 $\Vert e^{X+Y}\Vert \le 1$。由 Lie 乘积公式 $e^{X+Y}={\lim }_{n\to \infty }(e^{X/n}{e}^{Y/n}{)}^n$，其中 $e^{Y/n}$ 酉（范数 $1$）、$e^{X/n}$ 的谱半径 $\le 1$，故每个有限乘积范数 $\le 1$，取极限即得。

考察被积函数的生成元 $-i({\mathbf{H}}_{-}-\eta {\mathbf{H}}_{+})t=-i{\mathbf{H}}_{-}t+i\eta {\mathbf{H}}_{+}t$。写 $\eta =a+ib$，则 $i\eta =ia-b$，生成元的 Hermitian 部分为 $-bt{\mathbf{H}}_{+}$。在上半平面（$b\ge 0$）且 ${\mathbf{H}}_{+}⪰0$ 时它半负定，反 Hermitian 部分为 $-i{\mathbf{H}}_{-}t+iat{\mathbf{H}}_{+}$，故由预备事实

$\Vert e^{-i({\mathbf{H}}_{-}-\eta {\mathbf{H}}_{+})t}\Vert \le 1(\mathrm{Im}\eta \ge 0).$

现在对 $p>0$ 把积分围道在上半平面闭合。有理因子满足 $|\frac{2}{1+{\eta }^2}|\le \frac{2}{(R-1{)}^2}$（半径 $R$ 的半圆弧上），指数因子范数 $\le 1$，弧长 $\pi R$，故半圆弧上的积分范数不超过 $\frac{2\pi R}{(R-1{)}^2}\to 0$。被积函数在上半平面内只有极点 $\eta =i$（来自 $\frac{1}{1+{\eta }^2}=\frac{1}{(\eta -i)(\eta +i)}$；矩阵指数因子是 $\eta$ 的整函数，处处解析）。记 $M(\eta ):=e^{-i({\mathbf{H}}_{-}-\eta {\mathbf{H}}_{+})t}{\mathbf{u}}_0$，由留数定理

${\int }_{-\infty }^{\infty }\frac{2e^{i\eta p}}{(\eta -i)(\eta +i)}M(\eta )d\eta =2\pi i\cdot {\mathrm{Res}}_{\eta =i}=2\pi i\cdot \frac{2e^{i\cdot i\cdot p}}{2i}M(i)=2\pi e^{-p}M(i).$

代入反演公式，$\mathbf{v}(t,p)=\frac{1}{2\pi }\cdot 2\pi e^{-p}M(i)=e^{-p}M(i)$。最后化简 $M(i)$：把 $\eta =i$ 代入生成元并逐项分配因子 $-i$，

$-i({\mathbf{H}}_{-}-i{\mathbf{H}}_{+})t=(-i{\mathbf{H}}_{-})t+(-i)(-i{\mathbf{H}}_{+})t=-{\mathbf{H}}_{+}t-i{\mathbf{H}}_{-}t,$

其中第二个乘积用到了 $(-i)\times (-i)=i^2=-1$。因此 $M(i)=e^{-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})t}{\mathbf{u}}_0$，定理得证。$■$

这个证明同时揭示了正性条件的位置：围道必须闭向使指数因子不增长的半平面，而这对 ${\mathbf{H}}_{+}$ 的符号提出了要求；若 ${\mathbf{H}}_{+}⪯0$，同样的论证要在下半平面完成。增广系统在两个半轴上”各司其职”，我们只在 $p>0$ 半轴读取。

与 LCHS 的关系

把回收定理与 LCHS 的核心恒等式并排：

$\underset{\text{薛定谔化：实空间投影}}{\underbrace{e^{-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})t}{\mathbf{u}}_0=e^p\mathbf{v}(t,p){|}_{p>0}}}\underset{\text{LCHS：直接积分}}{\underbrace{e^{-(L+iH)t}={\int }_{\mathbb{R}}\frac{dk}{\pi (1+k^2)}{e}^{-i(H+kL)t}}}$

两者本质上在傅里叶空间中演化同一族幺正 $e^{-i({\mathbf{H}}_{-}-\eta {\mathbf{H}}_{+})t}$、使用同一个 Cauchy 核 $\frac{2}{1+{\eta }^2}$、依赖同一个半正定条件（${\mathbf{H}}_{+}=L⪰0$；${\mathbf{H}}_{-}=H$）。区别只在”组装方式”：LCHS 把核作为 LCU 系数对 $\eta$（那里记作 $k$）直接求和，一步得到非酉传播子；薛定谔化把核作为增广初态的傅里叶谱装载进辅助寄存器，先做一次整体幺正演化，再投影回收。两者互为对偶视角，复杂度的主导项相同。

算法步骤详解

以 $\frac{d}{dt}\mathbf{u}=-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})\mathbf{u}$（${\mathbf{H}}_{+}⪰0$）为例，目标是制备与 $\mathbf{u}(T)$ 成正比的量子态。

第一步：Hermitian 分解与移位

由 $\mathbf{G}$ 计算 $\mathbf{A}=-\mathbf{G}$、${\mathbf{H}}_{\pm }=\frac{\mathbf{A}\pm {\mathbf{A}}^{†}}{2\text{ 或 }2i}$。若 ${\lambda }_{\min }({\mathbf{H}}_{+})<0$，按前文的移位技巧取 $c\ge -{\lambda }_{\min }({\mathbf{H}}_{+})$，改解 ${\mathbf{H}}_{+}+cI$ 对应的方程，最后乘标量因子 $e^{cT}$（就归一化量子态而言甚至不需要这个因子）。两个 $2\times 2$ 的验算例子见”具体例子”一节。

第二步：构造增广哈密顿量

把 $p\in [-L,L]$ 均匀离散为 $N_p=2^{n_p}$ 个格点（周期边界），间距 $\Delta p=2L/N_p$；对辅助寄存器作离散傅里叶变换（QFT）后，动量算符 $\hat{p}$ 成为对角矩阵

${\mathbf{D}}_{\eta }=\mathrm{diag}({\eta }_0,{\eta }_1,\dots ,{\eta }_{N_p-1}),{\eta }_j\in O\left(\frac{\pi N_p}{2L}\right),{\mathbf{D}}_{\eta }={\mathrm{QFT}}^{†}\cdot \mathrm{diag}({\eta }_j)\cdot \mathrm{QFT}.$

增广哈密顿量为

${\mathbf{H}}_{\mathrm{tot}}={\mathbf{H}}_{-}\otimes {\mathbf{I}}_{\eta }-{\mathbf{H}}_{+}\otimes {\mathbf{D}}_{\eta }.$

它是 Hermitian 矩阵的张量和与实系数线性组合，故为 Hermitian 的。若 ${\mathbf{H}}_{\pm }$ 是 $s$-稀疏的且以稀疏访问（sparse access）预言机给出，则 ${\mathbf{H}}_{\mathrm{tot}}$ 是 $s^2$-稀疏的（若 ${\mathbf{H}}_{+}{\mathbf{H}}_{-}$ 已稀疏则更少），可用标准的稀疏哈密顿量模拟技术演化。

第三步：制备初态

增广初态是系统寄存器的初态与辅助寄存器上”指数衰减态”的直积：

$|w(0)⟩=\frac{|{\mathbf{u}}_0⟩}{\Vert {\mathbf{u}}_0\Vert }\otimes |e^{-|p|}⟩,|e^{-|p|}⟩:=\frac{1}{\Vert e^{-p}\Vert }{\sum }_{j:p_j>0}{e}^{-p_j}|j⟩,$

即辅助寄存器的振幅正比于离散化后的衰减型 $e^{-p_j}$（注意振幅本身是 $e^{-p_j}$，而非 $e^{-p_j/2}$，这样它编码的函数才是缠绕变换所要求的 $e^{-p}$）。其范数为

$\Vert e^{-p}{\Vert }^2={\sum }_{p_j>0}{e}^{-2p_j}\approx \frac{1}{\Delta p}{\int }_0^{\infty }{e}^{-2p}dp=\frac{1}{2\Delta p}.$

制备该态只需加载一个单变量正实值序列，可用 $O(n_p)$ 次旋转（配合一元编码）或 $O(N_p)$ 次查询的任意初态制备例程完成。制备后对辅助寄存器施加 QFT，即得傅里叶空间中的初态。

第四步：时间演化

用任意哈密顿量模拟算法实现 $e^{-i{\mathbf{H}}_{\mathrm{tot}}T}$。以一阶 Trotter 为例，取步长 $\delta =T/r$：

$e^{-i{\mathbf{H}}_{\mathrm{tot}}\delta }\approx e^{-i{\mathbf{H}}_{-}\otimes \mathbf{I}\delta }\cdot e^{i{\mathbf{H}}_{+}\otimes {\mathbf{D}}_{\eta }\delta },$

高阶公式按 Suzuki 递归构造。两个因子各有清晰的物理意义：

• $e^{-i{\mathbf{H}}_{-}\delta }$ 只作用于系统寄存器，是原方程反 Hermitian 部分的普通薛定谔演化；
• $e^{i{\mathbf{H}}_{+}\otimes \hat{p}\delta }$ 在 $p$ 表象中是 $e^{{\mathbf{H}}_{+}\delta {\partial }_p}$。由泰勒展开 $e^{a{\partial }_p}f(p)={\sum }_{n\ge 0}\frac{a^n{f}^{(n)}(p)}{n!}=f(p+a)$，它把函数沿 $p$ 平移：$f(p)\mapsto f(p+{\mathbf{H}}_{+}\delta )$，即按 ${\mathbf{H}}_{+}$ 的每个特征值 $\lambda \ge 0$ 把相应分量向左平移 $\lambda \delta$。

因此 Trotter 分解就是在交替执行”薛定谔演化”与”左向输运”，与第一步的特征线图像完全一致。演化后的态为 $|w(T)⟩=(e^{-i{\mathbf{H}}_{\mathrm{tot}}T}\otimes I)|w(0)⟩$（离散化的幺正演化，范数严格守恒）。

第五步：测量与提取

对辅助寄存器施加逆 QFT 回到 $p$ 表象，然后投影到半轴 $p>0$。由回收定理，$p>0$ 部分的波函数是可分离变量的：

${\hat{P}}_{p>0}|w(T)⟩=\frac{\Vert \mathbf{u}(T)\Vert \Vert e^{-p}\Vert }{\Vert \mathbf{w}(T)\Vert }|e^{-p}⟩\otimes \frac{|\mathbf{u}(T)⟩}{\Vert \mathbf{u}(T)\Vert },$

其中 ${\hat{P}}_{p>0}$ 是半轴投影。推导：$p>0$ 上的离散波函数为 $\frac{1}{\Vert \mathbf{w}(T)\Vert }{\sum }_{p_j>0}{e}^{-p_j}\mathbf{u}(T)\otimes |j⟩$（把定理中的连续公式逐格点代入），把求拆成归一化态与范数的乘积即得。后选择成功的概率为

$P_{\text{success}}=\frac{\Vert \mathbf{u}(T){\Vert }^2\Vert e^{-p}{\Vert }^2}{\Vert \mathbf{w}(T){\Vert }^2}.$

分子分母的范数都能算准。分母由演化幺正性守恒，并由黎曼和逼近连续积分：

$\Vert \mathbf{w}(T){\Vert }^2=\Vert \mathbf{w}(0){\Vert }^2={\sum }_{j=1}^{N_p}|\mathbf{v}(0,p_j){|}^2\approx \frac{1}{\Delta p}{\int }_{-\infty }^{\infty }{e}^{-2|p|}dp\Vert {\mathbf{u}}_0{\Vert }^2=\frac{\Vert {\mathbf{u}}_0{\Vert }^2}{\Delta p},$

其中用了 ${\int }_{-\infty }^{\infty }{e}^{-2|p|}dp=2{\int }_0^{\infty }{e}^{-2p}dp=1$。分子中的 $\Vert e^{-p}{\Vert }^2\approx \frac{1}{2\Delta p}$（第三步）。代入得

$P_{\text{success}}\approx \frac{\Vert \mathbf{u}(T){\Vert }^2}{2\Vert {\mathbf{u}}_0{\Vert }^2}.$

可见成功概率只反映物理衰减（解的范数平方），$\Delta p$ 与 $N_p$ 全部消去。直接重复需要 $O(\Vert {\mathbf{u}}_0{\Vert }^2/\Vert \mathbf{u}(T){\Vert }^2)$ 次；使用振幅放大后降为

$O\left(\frac{\Vert {\mathbf{u}}_0\Vert }{\Vert \mathbf{u}(T)\Vert }\right)$

次对整个演化电路的调用，与 LCHS 的后选择开销一致。若问题本身无衰减（$\Vert \mathbf{u}(T)\Vert =\Vert {\mathbf{u}}_0\Vert$，如纯对流），概率为常数 $\frac{1}{2}$，无需放大。

除投影读取外，也可以在某个固定格点 $p_{\ast }>0$ 上做逐点读取 $\mathbf{u}(T)=e^{p_{\ast }}\mathbf{v}(T,p_{\ast })$；两者由回收定理保证给出同一个态（相差归一化）。后续的改进工作（所谓增强薛定谔化）进一步优化了读取电路的深度与对读取噪声的鲁棒性。

理论推导

热方程的逐模式严格验证

薛定谔化的全部构造可以在热方程上逐步验证——这既是一个完整性检查，也给出每个公式的直观含义。考虑周期边界的热方程 $u_t=\kappa u_{xx}$（$\kappa >0$），作空间傅里叶分解后每个模式 $\xi$ 满足标量方程

$\frac{du}{dt}=-\kappa |\xi {|}^{2}u,\text{即}{\mathbf{H}}_{+}=\kappa |\xi {|}^2\ge 0,{\mathbf{H}}_{-}=0.$

增广解由核心公式给出：

$v(t,p)=\frac{u_0(\xi )}{2\pi }{\int }_{-\infty }^{\infty }\frac{2e^{i\eta p}}{1+{\eta }^2}{e}^{i\eta \kappa |\xi {|}^{2}t}d\eta =\frac{u_0(\xi )}{2\pi }{\int }_{-\infty }^{\infty }\frac{2e^{i\eta \left(p+\kappa |\xi {|}^{2}t\right)}}{1+{\eta }^2}d\eta .$

第二个积分与 LCHS 教程中已验证的 Poisson 核恒等式 $\frac{1}{\pi }\int \frac{e^{-ik\mu }}{1+k^2}dk=e^{-|\mu |}$ 是同一个计算（把 $\mu$ 换成 $-(p+\kappa |\xi {|}^{2}t)$），于是

$v(t,p)=e^{-|p+\kappa |\xi {|}^{2}t|}{u}_0(\xi ).$

当 $p\ge 0$ 时 $p+\kappa |\xi {|}^{2}t\ge 0$，绝对值可以去掉：

$v(t,p)=e^{-p}\cdot e^{-\kappa |\xi {|}^{2}t}{u}_0(\xi ),p\ge 0.$

在 $p=0$ 处读取即得热方程的精确解 $v(t,0)=e^{-\kappa |\xi {|}^{2}t}{u}_0(\xi )$：增广幺正演化精确地重构了耗散半群，没有任何悖论。这个计算还直观解释了特征线图像：初始剖面 $e^{-|p|}$ 的”折点”以速度 $\kappa |\xi {|}^2$ 向左移动，$p>0$ 半轴上留下的正是乘了衰减因子的原剖面。高频模式（$|\xi |$ 大）移动得快、衰减得也快，两者由同一个 $\kappa |\xi {|}^2$ 控制。

一个常见的误解需要澄清：有人会把增广哈密顿量误写成 $\kappa \Delta \otimes I$ 之类的形式，进而质疑”幺正演化怎么会给出耗散”。正确的增广哈密顿量是 $\hat{\mathcal{H}}=\kappa \Delta \otimes \hat{p}$（本例 ${\mathbf{H}}_{-}=0$、${\mathbf{H}}_{+}=-\kappa \Delta$）：它在傅里叶空间中对每个 $\eta$ 模式给出相位 $e^{i\eta \kappa |\xi {|}^{2}t}$，正、负 $\eta$ 的相位看似对称，但初态的 Cauchy 谱 $\frac{2}{1+{\eta }^2}$ 不是对称地”取样”这些相位——上面的留数计算表明，只有 $\eta =i$ 处的极点（解析延拓到 $\eta =i$ 恰好给出 $e^{-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})t}$，因为 $-i({\mathbf{H}}_{-}-i{\mathbf{H}}_{+})=-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})$）最终贡献到 $p>0$ 半轴。耗散信息藏在初态谱与生成元的解析结构里，而不是裸露在相位中。

误差分析

增广算法的误差来源与控制如下：

区域截断误差。初始剖面 $e^{-|p|}$ 在 $|p|>L$ 处的尾部质量为 $2{\int }_L^{\infty }{e}^{-2p}dp=e^{-2L}$，故取 $L\ge \frac{1}{2}\ln (2/\epsilon )$ 可将其压到 $\epsilon$ 以下。此外，输运使剖面向左平移，平移量可达 $\Vert {\mathbf{H}}_{+}\Vert T$；采用周期边界时，移出左端的内容会从右端绕回并污染读取区域，因此保守地取 $L=O(\Vert {\mathbf{H}}_{+}\Vert T+\log (1/\epsilon ))$ 以避免绕回（winding）污染。

格点分辨率。读取区域的解 $e^{-p}\mathbf{u}(T)$ 以及初始剖面都以 $O(1)$ 的尺度变化，格点间距取 $\Delta p=O(\epsilon )$ 即可将离散化误差控制在 $O(\epsilon )$，从而格点数 $N_p=O(L/\Delta p)$。由于 $\Vert {\mathbf{D}}_{\eta }\Vert =O(\pi N_p/2L)$，增广哈密顿量的范数随 $N_p$ 线性增长，这是复杂度中 $1/\epsilon$ 因子的来源；文献的复杂度陈述按 $N_p=O(1/\epsilon )$ 估计并把 $L$ 的依赖吸收进 $\tilde{O}$ 记号。

哈密顿量模拟误差。用 $p$ 阶乘积公式或稀疏访问最优模拟算法演化 $e^{-i{\mathbf{H}}_{\mathrm{tot}}T}$，误差按所选方法的标准界（见本百科相关教程）分配预算，例如二阶 Trotter 的误差为 $O(\Vert {\mathbf{H}}_{\mathrm{tot}}{\Vert }^3{T}^3/r^2)$（$r$ 为步数），其中交换子范数可按 ${\mathbf{H}}_{\pm }$ 的结构进一步缩放。

资源估计

资源	复杂度
系统寄存器量子比特	$n=\lceil {\log }_{2}N\rceil$
辅助寄存器量子比特	$n_p=\lceil {\log }_2{N}_p\rceil =O(\log (1/\epsilon ))$
演化电路调用	$\tilde{O}(q\cdot s^{2}T\Vert {\mathbf{H}}_{\mathrm{tot}}{\Vert }_{\max })$，$q=\Vert {\mathbf{u}}_0\Vert /\Vert \mathbf{u}(T)\Vert$，$\Vert {\mathbf{H}}_{\mathrm{tot}}{\Vert }_{\max }\sim \Vert \mathbf{H}{\Vert }_{\max }\cdot N_p$
后选择成功概率	$\approx \Vert \mathbf{u}(T){\Vert }^2/(2\Vert {\mathbf{u}}_0{\Vert }^2)$
振幅放大轮数	$O(q)$
读取辅助比特	$O(1)$（投影测量）

其中 $s$ 为稀疏度，$\tilde{O}$ 隐藏对数因子。复杂度的主导结构与 LCHS 一致：正比于物理衰减比 $q$、演化时间 $T$、矩阵范数，以及来自辅助维度分辨率的 $1/\epsilon$。

具体例子

例一：耗散谐振子

取 $\frac{d}{dt}\mathbf{u}=\mathbf{G}\mathbf{u}$，$\mathbf{G}=\left(\begin{array}{cc}0& 1\\ -1& -\gamma \end{array}\right)$，$\gamma >0$。特征值为 $\frac{-\gamma \pm \sqrt{{\gamma }^2-4}}{2}$；当 $0<\gamma <2$ 时为 $-\frac{\gamma }{2}\pm i\sqrt{1-{\gamma }^2/4}$，解是衰减振荡，$\Vert \mathbf{u}(t)\Vert \sim e^{-\gamma t/2}\Vert {\mathbf{u}}_0\Vert$。

按标准形式计算 $\mathbf{A}=-\mathbf{G}=\left(\begin{array}{cc}0& -1\\ 1& \gamma \end{array}\right)$：

${\mathbf{H}}_{+}=\frac{\mathbf{A}+{\mathbf{A}}^{†}}{2}=\frac{1}{2}\left(\begin{array}{cc}0& -1\\ 1& \gamma \end{array}\right)+\frac{1}{2}\left(\begin{array}{cc}0& 1\\ -1& \gamma \end{array}\right)=\left(\begin{array}{cc}0& 0\\ 0& \gamma \end{array}\right)⪰0,$

${\mathbf{H}}_{-}=\frac{\mathbf{A}-{\mathbf{A}}^{†}}{2i}=\frac{1}{2i}\left(\begin{array}{cc}0& -2\\ 2& 0\end{array}\right)=\left(\begin{array}{cc}0& i\\ -i& 0\end{array}\right)=-Y.$

正性条件自动满足（这正是系统耗散、稳定的矩阵表述）。增广哈密顿量为

$\hat{\mathcal{H}}=-Y\otimes I-\left(\begin{array}{cc}0& 0\\ 0& \gamma \end{array}\right)\otimes \hat{p}.$

后选择开销为 $O(e^{\gamma T/2})$，即只由解的物理衰减决定。

例二：热方程

$u_t=\kappa \Delta u$。周期边界下 $\Delta$ 的特征值为 $-|\xi {|}^2\le 0$，于是 $\mathbf{G}=\kappa \Delta$、$\mathbf{A}=-\kappa \Delta$、${\mathbf{H}}_{+}=-\kappa \Delta ⪰0$、${\mathbf{H}}_{-}=0$（$\Delta$ 实对称，反 Hermitian 部分为零）。增广哈密顿量为

$\hat{\mathcal{H}}=\kappa \Delta \otimes \hat{p}.$

完整的逐模式推导见”理论推导”一节；结论是增广幺正演化在 $p\ge 0$ 半轴精确重构 $e^{\kappa \Delta t}$，成功概率 $\approx \frac{\Vert e^{\kappa \Delta T}{\mathbf{u}}_0{\Vert }^2}{2\Vert {\mathbf{u}}_0{\Vert }^2}$，主导模式决定衰减率。

例三：非对称线性系统

取 $\frac{d}{dt}\mathbf{u}=\mathbf{G}\mathbf{u}$，$\mathbf{G}=\left(\begin{array}{cc}-1& 10\\ 0& -2\end{array}\right)$，特征值 $-1,-2$（稳定），但 $\mathbf{G}$ 非正规。计算 $\mathbf{A}=-\mathbf{G}=\left(\begin{array}{cc}1& -10\\ 0& 2\end{array}\right)$：

${\mathbf{H}}_{+}=\frac{\mathbf{A}+{\mathbf{A}}^{†}}{2}=\left(\begin{array}{cc}1& -5\\ -5& 2\end{array}\right),{\mathbf{H}}_{-}=\frac{\mathbf{A}-{\mathbf{A}}^{†}}{2i}=\frac{1}{2i}\left(\begin{array}{cc}0& -20\\ 20& 0\end{array}\right)=\left(\begin{array}{cc}0& 5i\\ -5i& 0\end{array}\right)=-5Y.$

${\mathbf{H}}_{+}$ 的特征值为 $\frac{3\pm \sqrt{101}}{2}$，其中较小者约 $-3.52<0$，不满足半正定条件——稳定（特征值实部为负）并不自动保证生成元按我们的符号约定半正定，必须逐例检查。解决办法是移位：取 $c\ge \frac{\sqrt{101}-3}{2}\approx 3.52$，改解 ${\mathbf{H}}_{+}+cI$ 对应的方程（其解为 $e^{-cT}\mathbf{u}(T)$，归一化态不变）。此例说明移位技巧不是可有可无的修补，而是流程的常规一环。

例四：对流方程

$u_t+c{u}_x=0$，周期边界，空间用中心差分矩阵 $D_x$（实、反对称：$D_x^T=-D_x$）离散化。则 $\mathbf{G}=-c{D}_x$、$\mathbf{A}=c{D}_x$：

${\mathbf{H}}_{+}=\frac{c{D}_x+c{D}_x^T}{2}=\frac{c{D}_x-c{D}_x}{2}=0,{\mathbf{H}}_{-}=\frac{c{D}_x-c{D}_x^T}{2i}=\frac{c{D}_x}{i}=-ic{D}_x.$

增广哈密顿量退化为 $\hat{\mathcal{H}}=-ic{D}_x\otimes I$：辅助寄存器完全解耦，问题本来就是幺正的（对流保范数），薛定谔化正确地”识别”了这一点——不需要额外的维度参与演化，后选择成功概率为常数。这与例一、例二形成对照：薛定谔化把”非幺正性”全部装进 $\otimes \hat{p}$ 那一项，非幺正性越弱，额外开销越小。

Schrödingerization 的推广

一般偏微分方程

对 ${\partial }_{t}u=\mathcal{L}u$（$\mathcal{L}$ 是空间微分算子，如扩散、对流、色散算子），先把空间离散化为矩阵 $\mathbf{A}=-{\mathcal{L}}_h$（${\mathcal{L}}_h$ 为离散化矩阵），再套用标准流程。例二（扩散）与例四（对流）是两个极端：扩散算子是 Hermitian 负定的，非幺正性全部来自 Hermitian 部分；对流算子是反 Hermitian 的，本来就没有耗散。一般的对流–扩散方程介于两者之间，两个张量因子同时非零。含物理边界条件与界面的推广以及电路层面的系统实现是后续工作的主题。

Lindblad 方程

开放量子系统的 Lindblad 方程

$\dot{\rho }=-i[H,\rho ]+{\sum }_k(L_k\rho L_k^{†}-\frac{1}{2}\{L_k^{†}{L}_k,\rho \})$

可以通过向量化（vectorization）化为标准形式。采用行堆叠向量化 ${\mathrm{vec}}_r(X)$，其满足 ${\mathrm{vec}}_r(AXB)=(A\otimes B^T){\mathrm{vec}}_r(X)$，逐项代入得

$\frac{d}{dt}{\mathrm{vec}}_r(\rho )=\mathcal{L}{\mathrm{vec}}_r(\rho ),\mathcal{L}=-i(H\otimes I-I\otimes H^T)+{\sum }_k(L_k\otimes L_k^{\ast }-\frac{1}{2}{L}_k^{†}{L}_k\otimes I-\frac{1}{2}I\otimes L_k^T{L}_k^{\ast }).$

（若采用列堆叠约定，各张量积的因子顺序需按 $\mathrm{vec}(AXB)=(B^T\otimes A)\mathrm{vec}(X)$ 相应交换。）我们对 $\mathcal{L}$ 验证半正定条件是否自动满足。反厄米部分 $-i(H\otimes I-I\otimes H^T)$ 不影响 Hermitian 部分；对每个耗散项，记 $X_k=L_k\otimes I-I\otimes L_k^T$，直接展开

$X_k^{†}{X}_k=L_k^{†}{L}_k\otimes I-L_k^{†}\otimes L_k^T-L_k\otimes L_k^{\ast }+I\otimes L_k^T{L}_k^{\ast },$

于是耗散项与其伴的差恰为

$(L_k\otimes L_k^{\ast }+L_k^{†}\otimes L_k^T)-L_k^{†}{L}_k\otimes I-I\otimes L_k^T{L}_k^{\ast }=-X_k^{†}{X}_k⪯0.$

因此 $\mathcal{L}$ 的 Hermitian 部分半负定，从而标准形式生成元 $\mathbf{A}=-\mathcal{L}$ 的 ${\mathbf{H}}_{+}=-\mathrm{Herm}(\mathcal{L})=\frac{1}{2}{\sum }_k{X}_k^{†}{X}_k⪰0$ 自动半正定——这正是 Lindblad 方程的保迹性（演化是压缩映射）在生成元上的体现。向量化后系统维数为 $N^2$，薛定谔化照样适用，代价是 $2n$ 个系统量子比特。

非线性方程

对 $\dot{u}=f(u)$ 型非线性方程，主流做法是先做线性化或自洽线性化（把非线性项冻结在试探轨迹上）、或对动力学做 Carleman 类嵌入得到 enlarged 线性系统，再对所得线性系统应用薛定谔化。非线性带来的误差分析与线性化截断的控制是当前研究的活跃方向。

复杂度对比

方法	量子比特	单轮开销	后选择	适用范围
哈密顿量模拟（Trotter）	$n$	$O(r{L}_{\mathrm{term}})$	无	Hermitian $H$
LCU（Taylor 截断）	$n+O(\log d)$	$O(d{L}_{\mathrm{term}})$	$O(e^{\lambda t})$ 次放大	Hermitian $H$
LCHS	$n+O(\log M)$	$\tilde{O}({\Gamma }^{1+1/p}{q}^{1+2/p}{T}^{1+1/p}/{\epsilon }^{1+2/p})$	$O(q)$ 次放大	任意线性系统（$L⪰0$）
Schrödingerization	$n+O(\log (1/\epsilon ))$	$\tilde{O}(q{s}^{2}T\Vert \mathbf{H}{\Vert }_{\max }/\epsilon )$	$O(q)$ 次放大	任意线性系统（$H_{+}⪰0$）
QSVT/QLSP 类	$n+O(\log (1/\epsilon ))$	$O(\kappa \log (1/\epsilon ))$ 次块编码调用	依赖实现	有块编码的矩阵

其中 $q=\Vert {\mathbf{u}}_0\Vert /\Vert \mathbf{u}(T)\Vert$。薛定谔化的独特优势与代价：

• 优势：不要求 Hermitian、不要求矩阵有块编码、对耗散与非幺正演化自然适用；增广哈密顿量形式简单（张量积结构），电路友好；
• 代价：额外的辅助量子比特 $O(\log (1/\epsilon ))$ 个；辅助维度离散化使哈密顿量范数带上 $\frac{1}{\epsilon }$ 因子；读取需要一次后选择（$O(q)$ 轮振幅放大）。

当前进展

年份	贡献	内容
2022	Jin, Liu, Yu	薛定谔化原始论文：线性 ODE/PDE 的增广薛定谔形式
2023	Jin, Liu, Yu	增强薛定谔化：改进读取电路与鲁棒性
2023	Jin, Liu 等	Lindblad 方程的薛定谔化（向量化 + 自动半正定）
2024	Jin, Liu 等	含源项与非齐次问题的系统处理；非线性方程的线性化结合

总结

薛定谔化为量子科学计算提供了一座桥梁：任何线性微分方程（无论是否 Hermitian）都可以通过引入一个辅助维度并做缠绕相位变换 $e^{-p}$，转化为增广空间中的薛定谔方程 $i{\partial }_t\mathbf{v}=({\mathbf{H}}_{-}\otimes I-{\mathbf{H}}_{+}\otimes \hat{p})\mathbf{v}$，其中增广哈密顿量自动 Hermitian。推导链条环环相扣：恒等式 $e^{-p}=-{\partial }_p{e}^{-p}$ 给出输运方程；傅里叶变换给出幺正演化族；留数定理证明回收公式 $\mathbf{v}(t,p)=e^{-p}{e}^{-({\mathbf{H}}_{+}+i{\mathbf{H}}_{-})t}{\mathbf{u}}_0$（$p>0$）；范数恒等式给出成功概率 $\approx \frac{\Vert \mathbf{u}(T){\Vert }^2}{2\Vert {\mathbf{u}}_0{\Vert }^2}$ 与 $O(q)$ 的振幅放大开销。它要求且只要求 ${\mathbf{H}}_{+}⪰0$（必要时用移位技巧），与 LCHS 共享同一组傅里叶恒等式。这一方法打开了把量子计算应用于更广泛科学计算问题的大门。

---

参考文献：

1. Jin, S., Liu, N., & Yu, Y. (2022). Quantum simulation of partial differential equations via Schrödingerization. arXiv:2212.13969.
2. Jin, S., Liu, N., & Yu, Y. (2023). Quantum dynamics simulated by enhanced Schrödingerization. arXiv:2305.08211.
3. Liu, N., Jin, S., & Yu, Y. (2023). Schrödingerization based quantum algorithm for the Lindblad equation. arXiv:2306.13498.
4. Jin, S., & Liu, N. (2024). Analog quantum simulation of partial differential equations. arXiv:2401.01234.

---

---

参考资料

• 本词条整理自《量子计算算法教程》原文：ch05-hamiltonian-qsp/schrodingerization-tutorial
• 内容遵循 CC BY-NC-SA 4.0 许可协议