来源论文: https://arxiv.org/abs/2605.26245v1 生成时间: May 28, 2026 00:43

使用 139 个量子比特制备几何阻挫量子自旋系统的热态：基于工程耗散与 IBM Heron 硬件的深度解析

0. 执行摘要

在凝聚态物理、量子化学和高能物理中，强关联量子多体系统在有限温度下的热力学性质是一个极其重要却又极具挑战性的研究领域。传统的经典计算方法，如量子蒙特卡洛（Quantum Monte Carlo, QMC）模拟，在面对几何阻挫（Geometrical Frustration）系统或费米子系统时，会遭遇严重的负符号问题（Sign Problem）。这导致计算的信噪比随系统尺寸和反温度（Inverse Temperature） $\beta$ 呈指数级衰减，使得低温下的物理性质变得不可逾越。

近年来，利用数字化量子计算机进行量子模拟被视为突破经典计算瓶颈的关键途径。然而，如何在真实的嘈杂中型量子（Noisy Intermediate-Scale Quantum, NISQ）设备上高效、精确地制备多体系统的热态（即 Gibbs 态 $\rho_S(\beta) = e^{-\beta H_S}/Z$），一直是量子计算领域的重大技术瓶颈。传统的制备方法（如虚时演化、变分自由能最小化、绝热演化或量子相位估计等）通常需要极深的量子线路，对相干时间和闸极保真度要求过高，在当前硬件上难以扩展。

近期发表的学术工作《Preparing thermal states of frustrated quantum spin systems using 139 qubits》（Roland C. Farrell 等人）在这一方向上取得了突破性进展。该研究利用 IBM 最新的 156 量子比特 Heron r3 超导处理器（具体为 ibm_boston 实例），在多达 139 个量子比特（79 个系统比特，60 个环境比特）的超大规模上，成功实施了数字化工程耗散（Engineered Dissipation）算法。研究者成功制备了卡戈梅（Kagome）晶格上的反铁磁伊辛模型（Antiferromagnetic Ising Model, AFIM）的近似热态，并在多达 1000 层双量子比特闸的深层线路中观察到了极其稳健的、具有可调有效温度的非平衡稳态。同时，通过对 Kagome 晶格反铁磁海森堡模型（AFHM）和 AFIM 的经典状态向量模拟（最多 24 个格点），证明了该耗散协议的强可扩展性：达到热平衡所需的量子线路深度与系统尺寸无关，且随反温度 $\beta$ 呈亚线性或线性增长。这一工作不仅展示了工程耗散在制备复杂多体态时的天然抗噪优势，也为量子模拟超越经典计算提供了一条切实可行的路线。

1. 核心科学问题，理论基础，技术难点，方法细节

1.1 核心科学问题与几何阻挫

卡戈梅（Kagome）晶格是一种由三角形共角连接而成的二维网格结构，是凝聚态物理中研究几何阻挫和**量子自旋液体（Quantum Spin Liquids, QSL）**的标杆性拓扑结构。在 Kagome 晶格上，反铁磁耦合自旋无法同时满足所有键的能量最小化条件。例如，在一个三角形的三个顶点上放置相互反铁磁耦合的自旋，若自旋 1 向上，自旋 2 向下，则自旋 3 无论向上还是向下都会与其中一个相邻自旋产生铁磁能级冲突。这种局域约束无法同时满足的特性导致了高度简并的基态流形，并引发了极为丰富的低温强关联量子相，如拓扑自旋液体、价键固体（Valence Bond Solids, VBS）等。

本研究重点针对 Kagome 晶格上的两种经典与量子阻挫自旋模型进行了探讨：

1. 反铁磁海森堡模型（AFHM）：其哈密顿量为 $$H_{\text{AFHM}} = \sum_{\langle i_S, j_S \rangle} (X_{i_S} X_{j_S} + Y_{i_S} Y_{j_S} + Z_{i_S} Z_{j_S})$$ 由于其强烈的非对角量子涨落，该模型在有限温度下存在严重的 QMC 负符号问题，其低温基态结构至今在学术界仍有巨大争议（例如是 $Z_2$ 自旋液体还是无能隙 Dirac 自旋液体）。
2. 反铁磁伊辛模型（AFIM）：其包含横向场和纵向场，哈密顿量为 $$H_{\text{AFIM}} = \sum_{\langle i_S, j_S \rangle} Z_{i_S} Z_{j_S} + \sum_{i_S} (g_x X_{i_S} + g_y Y_{i_S} + g_z Z_{i_S})$$ 该模型可以通过特定的经典蒙特卡洛算法进行高效模拟，因而无符号问题，是极佳的量子-经典交叉验证基准（Benchmark）体系。

1.2 理论基础：工程耗散与量子详细平衡（Quantum Detailed Balance）

在数字化量子计算机中制备热态，最自然的思想是模拟物理系统与无限大热浴耦合达到热平衡的过程。这一物理机制可以通过在量子计算机中引入辅助量子比特作为“工程环境（Engineered Environment）”，并通过重复应用具有耗散效应的非单位量子信道（Quantum Channel） $\Phi$ 来实现。每次耗散循环通过将辅助比特（环境比特）重置，将系统多余的熵带走。

根据量子马尔可夫链理论，若量子信道 $\Phi$ 具有唯一的稳态，并且近似满足量子详细平衡条件（Quantum Detailed Balance Condition），则系统在初始任意状态下，重复应用 $\Phi$ 最终都会收敛到 Gibbs 态 $\rho_S(\beta)$。在本协议中，详细平衡条件的形式化定义如下： 若 $\mathcal{L}$ 是一个产生动力学的 Lindblad 算符，对于系统的能级本征态 $|E_i\rangle$ 和 $|E_j\rangle$，其跃迁速率满足经典详细平衡：

在更普遍的量子相干跃迁中，这一条件被推广为：

1.3 数字化量子 Gibbs 采样算法细节

本研究采用的数字化 Gibbs 采样算法源自 Ding 等人（2025 年）及 Chen 等人（2025 年）的方案。该协议的每一次耗散循环（Reset Cycle）由以下三个主要阶段组成：

 ┌──────────────────────────────────────────────────────────────────┐
 │ 阶段 1: 环境比特初始化 (制备经典的热库态 ρ_E)                     │
 │ 对于每个环境比特 i_E，采样 Bohr 频率 ω_{i_E} ∈ (0, ω_max]，并应用    │
 │ X_{i_E} 门的概率为 Pr(X_{i_E})= 1 / (1 + e^{\beta \omega_{i_E}})    │
 └────────────────────────────────┬─────────────────────────────────┘
                                  │
                                  ▼
 ┌──────────────────────────────────────────────────────────────────┐
 │ 阶段 2: 系统-环境联合时间演化 U(T)                                │
 │ 在总哈密顿量 H(t) = H_S + H_E + α f(t) H_SE 下进行时间演化。        │
 │ 通过二阶 Trotter 分解进行数字化离散化。                            │
 └────────────────────────────────┬─────────────────────────────────┘
                                  │
                                  ▼
 ┌──────────────────────────────────────────────────────────────────┐
 │ 阶段 3: 环境比特测量与重置                                        │
 │ 测量所有环境比特并将其条件性重置为 |0⟩，准备进入下一次循环。        │
 └──────────────────────────────────────────────────────────────────┘

1.3.1 哈密顿量与耦合细节

环境比特的哈密顿量为经典的独立自旋模型：

其中 $\omega_{i_E}$ 是随机采样的玻尔（Bohr）频率。为了实现高效率的能量交换，$\omega_{i_E}$ 应当与系统哈密顿量 $H_S$ 的能级差共振。由于真实系统的能级通常未知，协议在每一次耗散循环中都会从均匀分布 $\omega_{i_E} \in (0, \omega_{\text{max}}]$ 中重新独立随机采样。

系统与环境的耦合哈密顿量为：

其中 $O_{i_S}$ 为跳跃算符（Jump Operator），通常在单体泡利算符 $\{X_{i_S}, Y_{i_S}, Z_{i_S}\}$ 中随机选择。在没有内部对称性的情况下（如 AFIM），单体泡利算符足以确保稳态的唯一性。然而，若系统具有全局对称性（如海森堡模型具有 $SU(2)$ 旋转对称性），则需要引入保持对称性的多体跳跃算符以避免热化瓶颈（详见下文）。

1.3.2 滤波器函数 $f(t)$ 的作用

在演化过程中，耦合项 $H_{SE}$ 乘以了一个时间相关的滤波器函数 $f(t)$。该函数通常选用高斯函数形式：

高斯滤波器的物理作用在于控制能量交换的谱分辨率。在时间轴上缓慢开启和关闭相互作用，可以实现准绝热的非定域能级跃迁，有效抑制非共振的高能激发，从而大幅减小 Gibbs 态制备的系统固定点误差（Fixed-point Error）。若不使用滤波器（即 $\sigma = \infty$，对应常数演化），系统极易发生跃迁至非目标高能本征态的现象，从而极大地损害最终 Gibbs 态的保真度。然而，在真实量子处理器（如 ibm_boston）上，高斯滤波器的光滑时间调节需要极细致的控制，因此在部分嘈杂硬件实验中，研究者折中采用了 $\sigma = \infty$（常数相互作用），并结合极短的演化时间 $T$ 以控制闸极深度的物理资源开销。

1.4 技术难点与物理挑战

在真实的 NISQ 硬件上实现这一宏大协议，存在以下几个极具挑战性的技术难点：

1. 重置误差（Reset Errors）与“热自旋”：中途重置（Mid-circuit Reset）在当前的超导量子计算机上并不是完美的物理操作。当测量和复位发生时，有一定概率未能将环境比特完美投射回 $|0\rangle$ 态，而是残留在 $|1\rangle$ 态中。这种重置泄露相当于将环境比特置于一个极高的有效温度。在本实验中，研究者通过精细校准，识别出了两个位于芯片中上部的极高重置误差环境比特（$q_{25}$ 和 $q_{27}$，其最大反温度 $\beta^{\text{max}}$ 分别被压制到了 $2.32$ 和 $1.25$）。这些“热比特”会导致系统出现明显的局域温度不均匀性。
2. 硬件拓扑映射（Hardware Mapping）与路由开销：Kagome 晶格格点具有配位数为 4 的复杂平面连接方式。然而，IBM Heron 处理器采用的是**重连六角（Heavy-Hex）**几何拓扑结构。在重连六角拓扑中，量子比特被分为系统比特和用于连接/媒介的辅助比特。将 Kagome 晶格的平面结构无缝嵌入重连六角拓扑中是一项艰巨的图论和编译任务。在本工作中，研究者成功实现了一种将 Kagome 晶格的顶点（系统比特）和六角孔中心/链格（环境比特）与 Heavy-Hex 节点一一映射的完美嵌入方案。然而，Kagome 晶格三角形内含非局域的环状 $Z_i Z_j$ 交互作用。在 Heavy-Hex 拓扑下，这些交互无法直接执行，必须通过环境比特使用 SWAP 门 进行路由，这带来了巨大的双量子比特门深度压力。
3. 多体对称性热化瓶颈（Symmetry Bottleneck）：在 AFHM 中，全局 $SU(2)$ 对称性导致低能激发态主要集中在单态（Singlet, $S=0$）流形中。传统的单体自旋跳跃算符 $O_{i_S} \in \{X, Y, Z\}$ 本质上具有自旋 $S=1$ 的物理特性。由对称性选择定则，这些算符无法在单一耗散跃迁中连接两个 $S=0$ 的单态。这会导致系统在低温下的多体阻挫流形中陷入热化停滞。为了打破这一瓶颈，研究者必须引入二体 $SU(2)$ 保持的跳跃算符： $$O_{i_S, j_S} = \frac{1}{3} (X_{i_S} X_{j_S} + Y_{i_S} Y_{j_S} + Z_{i_S} Z_{j_S})$$ 从而在物理上保证了单态流形内部的主动混合。

2. 关键 Benchmark 体系，计算所得数据，性能数据

本研究的卓越之处在于，既通过严格的经典数值模拟（Statevector Simulations）探讨了算法在无噪声环境下的渐进扩展性，又在真实量子硬件上展示了多达 139 量子比特的实际性能。

2.1 经典模拟下的可扩展性分析（无噪声基准）

研究者首先对 $N_S = 12, 18, 24$ 个格点的 Kagome 晶格在无噪声状态下进行了经典状态向量模拟。为了排除环境比特数量 $N_E$ 对混合时间的直接物理干扰，定义了重新标度后的混合时间（Mixing Time）：

其中保真度采用了适用于混合态的广义度规（Metric）：

这一指标在不需要显式重建庞大的 $2^{N_S} \times 2^{N_S}$ 密度矩阵的前提下，可以通过纯态重叠积分的高效向量化并行计算来提取。

2.1.1 关键性能发现 1：系统尺寸无关的急速混合（Rapid Mixing）

在反温度 $\beta = 3$（对于 AFIM）和 $\beta = 4$（对于 AFHM）的低温阻挫相中，当重复应用耗散信道时，归一化能量密度 $E/N_S$ 以及重构后的归一化保真度 $\mathcal{F}^{1/N_S}$ 在不同的物理系统尺寸（$N_S = 12, 18, 24$）下展现出了几乎完全重合的演化曲线。这提供了强有力的证据，表明对于这两个阻挫体系，耗散 Gibbs 采样器在 $N_E = N_S$ 的限度下是快速混合的。这意味着制备具有恒定物理局部可观测误差的热态，所需的量子线路深度和重置次数不随系统格点数的增加而增长。这极大地预示了该算法在渐近尺度上的巨大优越性。

2.1.2 关键性能发现 2：混合时间与反温度 $\beta$ 的（亚）线性依赖

对于 AFHM 体系，混合时间 $\tau_{\text{mix}}$ 随反温度 $\beta$ 呈现极其完美的线性上升趋势。而在 AFIM 体系中，在低保真度阈值（$\mathcal{F}_{\text{thresh}} = 0.5$）下，$\tau_{\text{mix}}$ 随 $\beta$ 升高而上升，并在跨越“冰规则”交叉反温度 $\beta_c \approx 1.4$ 后进入一个平台区（Plateau）。这一平台区的出现具有深刻的物理解释：在 $\beta_c < \beta < 3.0$ 区域内，系统的热态已极度接近高度简并的低能“冰规则流形”内的均匀混合态，其能量密度变化极小，因而不需要更长的混合时间。然而，若将保真度阈值提高至 $\mathcal{F}_{\text{thresh}} = 0.8$，会在 $\beta_c \approx 1.4$ 处观察到一个局域的混合时间峰值。这是因为在该过渡温度下，冰规则流形与非冰激发流形同时具有显著的权重，而跳跃算符在两个子空间之间的矩阵元连接性极弱（接近块对角化形式），导致在该物理临界区域发生“热化慢化”现象。

2.2 量子硬件 ibm_boston 上的 139 量子比特实验数据

硬件实验是在 IBM 的 Heron 处理器 ibm_boston 上实施的。实验包含三个不同的系统尺度：

• $(N_S, N_E) = (12, 12)$ （共 24 量子比特）
• $(N_S, N_E) = (18, 17)$ （共 35 量子比特）
• $(N_S, N_E) = (79, 60)$ （共 139 量子比特）

物理控制参数设为：演化步数 $T/\delta_t = 3$，步长 $\delta_t = 0.25$，耦合强度 $\alpha = 1.75$，反温度设定为 $\beta \in \{\infty, 1/2, 1/4\}$。

表 I：实验与经典模拟在各个尺度下的能量密度 ($E/N_S$) 性能数据对比

数据多维透视与关键结论：

1. 非平衡稳态的涌现：由图 4a 可以清晰看出，无论是在小尺寸还是在高达 139 量子比特的庞大物理体系中，随着重置循环数 $N_{\text{resets}}$ 的增加，系统的能量密度都在单调平稳下降，并在 $N_{\text{resets}} \ge 4$ 后迅速进入极其平稳的稳态高原区。在 $N_S = 79$ 的尺度下，电路深度在 22 次耗散循环后突破了 1000 层双量子比特门。在如此深度的物理电路上，传统的单纯自旋相干演化早已由于噪声积累退化为最大混合态（能量为 0），但本实验中的稳态却依然稳健存在，并展现出明显的、与注入反温度 $\beta$ 相关的可调能级结构。这完美证明了工程耗散量子信道具有强大的自纠错和天然的噪声免疫能力。
2. 稳态能级的系统抬升：不可否认，受限于当前超导硬件中不可避免的双比特闸去极化噪声（Depolarizing Noise），硬件实测的能级稳态比无噪模拟和经典 QMC 算出的热平衡态能量偏高（即图 4a 中实线硬件数据落在了虚线理论预测值的上方）。例如，在 $N_S = 12, \beta = \infty$ 下，实测能量密度为 $-0.94(1)$，高于无噪固定点的 $-1.05$，显著高于真正基态的 $-1.40$（因有限 Trotter 步数导致了系统固定点误差）。通过多参数双折射搜索（Bisection Search），研究者推算出了实测稳态所对应的有效逆温度（Effective Inverse Temperature） $\beta_{\text{eff}}$。由于硬件噪声的不断“加热”作用，其实际对应的温区被压制在 $\beta_{\text{eff}} \approx 0.34 \sim 0.41$ 的中高温度区间。
3. 有效温度不均匀性的物理解释：在 $N_S = 79$ 的宏观格点图上（图 4c 和 4d），空间局域磁化强度 $\langle Z_i \rangle$ 和局域三角形关联算符 $\Delta_{ZZ}$ 呈现出了不对称的空间起伏。首先，边界格点表现出了比体格点（Bulk）更为强烈的极化，这与经典 QMC 的物理边沿效应预测完全相符（边界格点配位数少，反铁磁自旋阻挫弱）。其次，局部“热自旋”（特别是紧邻高重置误差比特 $q_{27}$ 的格点）表现出了明显的 Frustration 压制和极化丧失，揭示了极度精细的硬件微观缺陷对全局多体关联热力学分配的干扰机制。

3. 代码实现细节，复现指南，所用的软件包及开源 repo link

本协议在 IBM 真实的 Heavy-Hex 拓扑量子计算机上的具体复现需要精密的底层电路设计与高效的多重误差缓解技术。以下是核心实现策略与可复现的代码骨架。

3.1 核心量子编程包与架构

研究者主要基于以下经典的开源软件包完成量子程序构建：

• Qiskit (IBM): 核心量子线路设计、编译、中途重置（Mid-circuit Reset）控制指令发射、与 IBM Quantum 云端硬件实例通信。
• Mitiq (Unitary Fund): 用于处理零噪声外推（ZNE）误差缓解的数据收集和拟合控制。

3.2 卡戈梅晶格在 Heavy-Hex 拓扑上的二阶 Trotter 演化编译优化

在 Heavy-Hex 拓扑结构中，系统比特和环境比特并不是全连接的，系统内相邻比特之间的 $R_{ZZ}(\theta) = e^{-i \theta Z \otimes Z / 2}$ 相互作用通常没有物理通道，必须借助环境比特实施非局域路由。

Kagome 三角单元的双量子比特门路由设计：

对于 Kagome 晶格中构成三角形的三个顶点 $q_0, q_1, q_2$，它们与环境比特 $q_E$ 呈十字花瓣状连接（见图 3a、3b）。为了在物理链路上仅通过最近邻门实现这三个顶点之间的两两 $R_{ZZ}(\theta)$ 门交互：

1. 首先执行一个 SWAP 门连接环境比特 $q_E$ 与系统比特 $q_1$，将三角形的三个顶点连成一条物理一维直链：$q_0 - q_E(q_1) - q_2$。
2. 在一维链上执行嵌套的 $R_{ZZ}(\theta)$ 线路设计（采用 Farrell 等人在 2024 年提出的最优编译技术）：
   • 应用一维链上相邻节点之间的 $R_{ZZ}$ 门。
   • 利用嵌套的 CNOT 架构，在物理非相邻但逻辑相邻的节点（如直链两端）之间构建两体 $R_{ZZ}$ 门。
3. 最后再次执行 SWAP 门，将系统比特和环境比特还原回原来的物理布局。 这一极为精妙的路由方案成功将每一个 Trotter 演化步中，Kagome 晶格平面内所有相互作用所需的双量子比特门深度压制到了 17 层（见公式 C1），双量子比特门总量限制为 $\frac{22}{3} N_S$，大幅缓解了超导硬件的干涉退相干压力。

3.3 经典 Qiskit 代码复现骨架（以单个 Reset 循环为核心）

以下是使用 Python 与 Qiskit 实现工程耗散 Gibbs 采样单个 reset 循环的逻辑架构和底层代码设计（包含 Bohr 频率随机采样、系统环境耦合和环境比特重置）：

import numpy as np
from qiskit import QuantumCircuit, QuantumRegister, ClassicalRegister
from qiskit.circuit import Parameter

def build_dissipative_cycle(num_system_qubits, num_env_qubits, beta, omega_max, theta_t, alpha, delta_t):
    """
    构建数字化工程耗散算法的单个 reset 循环线路。
    """
    # 声明量子比特和经典比特寄存器
    qr_s = QuantumRegister(num_system_qubits, 'sys')
    qr_e = QuantumRegister(num_env_qubits, 'env')
    cr_e = ClassicalRegister(num_env_qubits, 'meas_env')
    qc = QuantumCircuit(qr_s, qr_e, cr_e)
    
    # 1. 阶段 1: 辅助环境比特初始化 (根据 Gibbs 经典热分布采样)
    # 随机采样 Bohr 频率 omega_iE ∈ (0, omega_max]
    omegas = np.random.uniform(0.001, omega_max, size=num_env_qubits)
    
    for idx, omega in enumerate(omegas):
        # 依据经典玻尔分布计算环境比特处于激发态 |1> 的概率
        prob_one = 1.0 / (1.0 + np.exp(beta * omega))
        # 准备单比特的非对称初态，通过旋转门实现
        # cos(phi/2)^2 = 1 - prob_one => phi = 2 * arccos(sqrt(1 - prob_one))
        phi = 2.0 * np.arccos(np.sqrt(1.0 - prob_one))
        qc.ry(phi, qr_e[idx])
        
    qc.barrier()
    
    # 2. 阶段 2: 数字化时间演化 U(T) [此处以一阶 Trotter 做原理演示，实际实验采用二阶 Trotter]
    num_steps = int(np.round(theta_t / delta_t))
    for step in range(num_steps):
        # (A) 系统哈密顿量单一自旋演化 (以简单的 Z 演化演示)
        for s_idx in range(num_system_qubits):
            # 假设系统存在局域纵向场 gz * Z_i
            gz = 2.0
            qc.rz(2.0 * gz * delta_t, qr_s[s_idx])
            
        # (B) 系统-环境耦合演化: H_SE = sum_{i} O_{s_i} ⊗ X_{e_i}
        # 随机选择单体跳跃算符 O_s ∈ {X, Y, Z}
        for e_idx in range(num_env_qubits):
            s_idx = e_idx % num_system_qubits  # 简易物理耦合配对演示
            jump_op = np.random.choice(['X', 'Y', 'Z'])
            
            # 采用基变换将 O_s ⊗ X_E 的耦合项转化为非局域相干相互作用
            # 这里以 O_s = Z_s, X_E 为例，对应的两体相干旋转为 e^{-i * alpha * Z_s ⊗ X_e * delta_t}
            if jump_op == 'Z':
                qc.h(qr_e[e_idx])
                qc.cx(qr_s[s_idx], qr_e[e_idx])
                qc.rz(2.0 * alpha * delta_t, qr_e[e_idx])
                qc.cx(qr_s[s_idx], qr_e[e_idx])
                qc.h(qr_e[e_idx])
            elif jump_op == 'X':
                # 处理 X_s ⊗ X_E
                qc.h(qr_s[s_idx])
                qc.h(qr_e[e_idx])
                qc.cx(qr_s[s_idx], qr_e[e_idx])
                qc.rz(2.0 * alpha * delta_t, qr_e[e_idx])
                qc.cx(qr_s[s_idx], qr_e[e_idx])
                qc.h(qr_s[s_idx])
                qc.h(qr_e[e_idx])
            elif jump_op == 'Y':
                # 处理 Y_s ⊗ X_E
                qc.rx(np.pi/2, qr_s[s_idx])
                qc.h(qr_e[e_idx])
                qc.cx(qr_s[s_idx], qr_e[e_idx])
                qc.rz(2.0 * alpha * delta_t, qr_e[e_idx])
                qc.cx(qr_s[s_idx], qr_e[e_idx])
                qc.rx(-np.pi/2, qr_s[s_idx])
                qc.h(qr_e[e_idx])
                
    qc.barrier()
    
    # 3. 阶段 3: 环境比特测量并利用动态电路重置
    for e_idx in range(num_env_qubits):
        qc.measure(qr_e[e_idx], cr_e[e_idx])
        # 动态重置指令：如果测得为 1，则应用 X 门使其返回 |0>
        with qc.if_test((cr_e[e_idx], 1)):
            qc.x(qr_e[e_idx])
            
    return qc

3.4 核心抗噪管道（Error Mitigation Pipeline）

硬件运行的成功完全依赖于一整套多重交叉物理误差缓解策略：

1. 双比特门非 Clifford 泡利旋转（Pauli Twirling）：对于非 Clifford 的两体旋转门 $R_{ZZ}(\theta)$，通过在两端插入 8 种特定的单比特门组合进行随机化，将系统由于系统误差导致的相干噪声（Coherent Noise）彻底平坦化为易于处理的去极化信道（Depolarizing Channel）。
2. 动态去耦（Dynamical Decoupling）：在环境比特执行长达 2232 纳秒的测量和复位等待期间，对空闲的系统量子比特应用周期性的 $XX$ 脉冲去耦序列，极大地抑制了由于环境磁杂质引起的退相干（$T_2$ 过程）。
3. 零噪声外推（Zero Noise Extrapolation, ZNE）：研究者主动将噪声乘性放大（将物理门替换为不同次数的冗余等价门组合，对应的噪声放大因子 $p_{\text{ZNE}} \in \{0, 0.1, 0.2, 0.35, 0.5\}$），获取多点嘈杂可观测值，并利用如下单指数公式向物理无噪声极限方向进行鲁棒拟合外推： $$\langle O \rangle_{\text{meas}}(p_{\text{ZNE}}) = \langle O \rangle_{\text{ZNE}} \exp\left( -\lambda (1 + 2p_{\text{ZNE}}) \right)$$ 在拟合极不稳定（如物理可观测值穿过 0 导致负偏差或指数漂移）时，系统自动退回线性拟合（公式 F8）。
4. 泄露后选择（Leakage Post-Selection）：超导比特经常由于强烈噪声跳出两能级计算子空间到达 $|2\rangle$ 激发态。研究者通过末端泄漏检测电路（物理生存率对于 $N_S = 79$ 仅为 22%），暴力剔除这些溢出样本，显著提高了实测保真度。

4. 关键引用文献，以及你对这项工作局限性的评论

4.1 关键里程碑引用文献分析

本工作建立在极其坚实的学术传承之上，以下文献构成了其物理与计算科学支柱：

• [22] Ding et al. (2025): End-to-End Efficient Quantum Thermal and Ground State Preparation Made Simple. 该工作在理论上确立了数字化量子 Gibbs 采样的核心线路架构，并给出了渐近收敛所需的严格误差上界，是本实验直接采纳的算法基础。
• [25] Chen et al. (2025): Quantum thermal state preparation. 该工作从开放量子系统 Lindblad 热化理论出发，严格论证了基于系统-环境相干相互作用后对环境进行连续复位的数字化信道能够高效逼近热平衡的详细平衡过程。
• [65, 66] Moessner et al. (2000 & 2001): 奠定了 Kagome 晶格横向/纵向场反铁磁伊辛模型物理性质的研究基石，首次精确定义了经典“卡戈梅冰（Kagome Ice）”的冰规则简并相以及局域规范对称性的涌现。
• [92] Cubitt et al. (2015): Stability of local dissipative quantum systems. 该研究从数学物理角度证明了，对于具有“急速混合（Rapidly Mixing）”特性的局域耗散系统（Lindbladian），其稳态对局域微扰噪声（如去极化通道）具有极高的物理稳定性，是本工作“嘈杂量子计算机上工程耗散稳态极其稳健”的最核心理论背书。

4.2 深度学术评论与局限性分析

尽管本工作成功利用 139 量子比特在数字化超导量子处理器上迈出了热态工程耗散制备的里程碑一步，但在审视其长远学术价值和迈向“量子优越性”的终极目标时，我们必须指出以下几个核心局限性：

1. 物理温度极限的瓶颈（有效的“温水”区）

虽然本实验声称能够设置任意反温度 $\beta$，但量子硬件去极化噪声（主要来源于双比特 CNOT 和 $R_{ZZ}$ 门的系统相干缺陷，单步误差 $\epsilon \sim 10^{-2}$）会对系统注入源源不断的熵流。这导致在 $\beta \to \infty$（即物理基准目标温区为 0）的极限下，硬件实测的稳态物理量对应的真实温区仅被局限在 $\beta_{\text{eff}} \approx 0.34(1) \sim 0.41(1)$。这个温区在凝聚态物理尺度上属于典型的中高温度区，远高于阻挫多体系统中拓扑序涌现、自旋液体相变或非平凡量子纠缠演变的低温量子域（通常要求 $\beta > 10$）。从物理层面上看，量子计算机目前制备的只是一个被环境噪声严重加热的“温水态”，尚未触及量子阻挫多体物理中最核心的“冰规则基态流形”。

2. “体-边”耗散不对称与人为热不均匀性

由于重连六角拓扑的边界效应，边界系统格点耦合的环境比特密度明显高于卡戈梅内部主体格点的配位数（体格点耦合的环境比特密度较低，见附录 E 和图 12）。这种密度梯度导致了非对称的耗散动力学强弱差异：边界的热化速率和抗噪能力显著高于主体内部。这意味着所谓的“稳态”其实并不是一个处于单一全局温度 $\beta_{\text{eff}}$ 的均一热平衡 Gibbs 态，而是一个受到体-边界不均匀环境密度调制、且夹杂着诸如 $q_{27}$ 热自旋温斑的非平衡局域温度分布态。这种局域温差和非热力学关联会极大削弱该状态在多体热力学模拟中的严谨性。

3. 达到完美稳态所需的量子深度开销与物理扩展性的脱节

为了在理论上抑制由于 Trotter 分解带来的系统固定点误差 $\epsilon$（这也是无噪模拟在图 4a 中无法贴近精确 QMC 能量值的原因），必须进一步缩减 Trotter 步长 $\delta_t$，这在物理上要求大幅增加 Trotter 步数 $T/\delta_t$。然而，对于当前的 NISQ 硬件，门深度一旦越过某一物理阈值，去极化噪声的累积速度就会超越耗散信道的熵带走效率，稳态将彻底崩塌并向平凡最大混合态衰退。因此，在没有全面容错（Fault-Tolerant）量子纠错码的保护下，依靠该协议在低温强关联物理探索中获得真正超越经典计算的能力（即量子优越性），依然是一条极其漫长且极具物理挑战的道路。

5. 其他必要的补充

5.1 耗散通道抗噪稳定性（Theorem D.1）的严格数学物理证明架构

为了解释为什么在高达 1000 层的深层电路中，该稳态能极其顽强地抵抗各种由于门和测量引入的局域相干缺陷，必须要回归到 Cubitt 等人（2015 年）关于快速混合 Lindblad 通道对局部微扰具有稳定性（Theorem D.1）的数学框架。

设理想的快速混合 Lindbladian $\mathcal{L} = \sum_X \mathcal{L}_X$ 其稳态为 $\rho_{\infty}$。系统具有唯一的能谱隙（Spectral Gap） $\Delta$，这确保了收敛速率为 $\gamma > 0$（其混合时间 $\tau_{\text{mix}} \propto 1/\gamma$）。 设真实的物理系统受到局部去极化噪声的微扰干扰：

其中 $\mathcal{E} = \sum_x \mathcal{E}_x$ 为局部噪声项，其最大噪声微扰强度 $\|\mathcal{E}_x\| \le p_1$。 对于任意一个支撑在受限局域子空间 $A$ 上的局部物理可观测算符 $O_A$，其理想稳态期望值 $\text{Tr}[O_A \rho_{\infty}]$ 与受到噪声微扰干扰的实际稳态期望值 $\text{Tr}[O_A \tilde{\rho}_{\infty}]$ 之间的差异满足如下强约束稳定性不等式：

这一杰出的物理定理表明，只要无噪耗散信道的混合速率 $\gamma$ 足够高（即属于快速混合体系，$\tau_{\text{mix}}$ 短），局域观测算符的实际稳态偏差就完全不随系统尺寸 $N_S$ 产生指数级发散，而是恒定被压制在微扰噪声强度 $p_1$ 的线性尺度内。这从数学上严格奠定了耗散状态制备算法在宏观尺度（$N_S = 79 \to \infty$）上的天然物理稳健性，而这正是传统的单纯酉相干模拟（如量子哈密顿量实时演化，其由于噪声引入的相干误差会随格点数和演化时间呈多项式甚至指数级扩散）所彻底不具备的卓越优势。

5.2 卡戈梅冰（Kagome Ice）的物理本源与 emergent U(1) 规范场理论

卡戈梅横向/纵向场反铁磁伊辛模型（AFIM）之所以成为凝聚态物理中最具魅力的标杆模型之一，源于其在强反铁磁限制下展现出的**“卡戈梅冰（Kagome Ice）”**微观物理约束。

在每一个 Kagome 三角形单元中，由于强反铁磁耦合的存在，系统必须最小化其自旋相互冲突。若纵向磁场 $g_z > 0$，为了使三角单元的纵向能量最小化，每个三角形的自旋配置在低温极限下会被强制锁死在具有高度局域对称性的**“2-up, 1-down（或 2-down, 1-up）”拓扑亚空间内。这就是凝聚态物理中著名的“冰规则（Ice Rule）”**。

这一极其苛刻的局域能量锁定约束类似于高能物理中规范场论（Gauge Theories）里的高斯定理约束（Gauss’s Law）。它将系统禁锢在一个拥有庞大无序度的简并基态空间内，进而在低温限度下演生出具有特定关联的**演生 $U(1)$ 规范场（Emergent $U(1)$ Gauge Field）**与物理上著名的无序自旋液体（Coulomb Phase）相。本工作中，研究者成功展示了量子计算不仅能在宏观能级密度（图 4a）上逼近这一奇特的热力学相变，更能精确刻画卡戈梅冰内部精细的边界诱导极化不均匀性（图 4c），这无疑将耗散量子计算的应用范畴推向了多体拓扑态与规范场模拟的全新学术高度。

5.3 结论与展望

本研究成果强有力地证明了，数字化工程耗散算法是当前乃至未来量子计算领域中制备复杂拓扑多体态和有限温度热力学热态最具前景的方案之一。相比于相干时间极其脆弱的酉门演化方案，耗散机制主动利用了量子计算机与外界环境的相互作用和重置泄露，展现出了近乎完美的非平衡抗噪纠错能力。随着未来量子处理器在量子比特重置保真度（特别是解决诸如 $q_{27}$ 类型的重置软肋）、双量子比特闸相干相偏抑制以及大规模系统连接性（如未来 3D 堆叠或更高维拓扑连接架构）上的技术迭代，基于工程耗散的数字化 Gibbs 采样器，必将在超越经典负符号问题的卡戈梅反铁磁自旋液体及超导机制探索等前沿多体物理研究中，率先绽放出真正的量子物理曙光。