量子增强 MCMC

马尔可夫链蒙特卡罗（Markov chain Monte Carlo, MCMC）按 Boltzmann 分布 $\pi (s)\propto e^{-\beta E(s)}$ 采样，是统计物理、贝叶斯推断与不确定度量化（uncertainty quantification, UQ）的公共引擎。Layden 等（IBM Quantum）在 Nature 上提出的量子增强 MCMC 把 Metropolis–Hastings 的提议分布换成淬火 Ising 量子演化：详情平衡被严格保留，而自旋玻璃模型的混合获得立方至四次幂的平均情形加速Layden et al. 2023 (Nature)。对流体侧，它是 RANS 系综采样与 UQ 的方法学基石——但必须如实记录：直接面向流体/湍流采样的应用尚无论文。

Metropolis–Hastings 与提议瓶颈

图:Ising 问题的图/树表示与崎岖能景——局部提议(小步)、均匀提议(远跳常被拒)与量子提议(远跳且低能变)的对比(来源:QC063)

MCMC 从当前态 $s$ 按提议分布 $Q(s^{\prime }|s)$ 生成候选 $s^{\prime }$，以接受率

$$A(s\to s^{\prime })=\min \left(1,\frac{\pi (s^{\prime })Q(s|s^{\prime })}{\pi (s)Q(s^{\prime }|s)}\right)=\min \left(1,e^{-\beta \Delta E}\frac{Q(s|s^{\prime })}{Q(s^{\prime }|s)}\right)$$

决定去留；细致平衡保证平稳分布为 $\pi$。低温 $\beta \to \infty$ 时陷入两难：局部提议（单自旋翻转）接受率高但能量地形上的扩散步幅小，混合时间随势垒指数增长（临界慢化）；均匀提议（远跳）扩散快但常跨越高能态、几乎全被拒。理想提议应当”远跳 + 低能变”——两者在经典策略里互斥。混合快慢由马尔可夫链谱隙 $\delta$ 控制（弛豫时间 $\propto {\delta }^{-1}$），自旋玻璃类问题 $\delta$ 随 $n$ 指数缩小。

量子提议的构造：对称酉 + 淬火 Ising

Layden 等的方案分三步。其一，制备当前态的量子态 $|s⟩$；其二，作用酉演化 $U$ 并测量得候选 $s^{\prime }$；其三，经典端按修正的 Metropolis–Hastings 规则接受/拒绝。数学关键在对称约束（QC063 的 Eq. 4）：

$$|⟨s^{\prime }|U|s⟩|=|⟨s|U|s^{\prime }⟩|\forall s,s^{\prime }⟹Q(s|s^{\prime })=Q(s^{\prime }|s),$$

即提议矩阵自动对称，$A(s\to s^{\prime })=\min (1,e^{-\beta \Delta E})$——不需要计算转移概率本身（对一般量子过程这是指数贵的），只需求 $E(s^{\prime })$。满足该约束的自然选择是 $U=e^{-iHt}$、$H$ 为厄米的淬火横向场 Ising 哈密顿量：

$$H=(1-\gamma )\alpha H_{\mathrm{prob}}+\gamma H_{\mathrm{mix}},H_{\mathrm{prob}}=-\sum _{⟨ij⟩}{J}_{ij}{Z}_i{Z}_j-\sum _i{h}_i{Z}_i,H_{\mathrm{mix}}=\sum _j{X}_j,$$

$H_{\mathrm{prob}}$ 把目标问题的能量编码进对角项（$Z$ 为泡利算符），$H_{\mathrm{mix}}$ 的横场产生叠加与隧穿；归一化因子 $\alpha =\sqrt{n}/\sqrt{\sum J_{ij}^2+\sum h_i^2}$ 把两项能量尺度配平、可 $O(n^2)$ 求出。混合角 $\gamma$ 与时长 $t$ 每次迭代随机抽取——免去超参调优，且平均化了对特定能景的过拟合。注意这是”淬火”（quench，固定参数演化）而非绝热：目的是产生好的提议分布，不是终止在基态。

加速证据与机理

对 Sherrington–Kirkpatrick 型自旋玻璃的 500 个全连接实例（$n\le 10$）：平均谱隙拟合 $\delta \propto 2^{-kn}$，量子提议相对局部与均匀提议有立方至四次幂的平均情形增强（低温 $T\lesssim 1$ 时最显著）；在超导处理器上 $n=10$ 的实验（$5.76\times 10^7$ 次量子转移）复现了实验谱隙优于经典提议的排序Layden et al. 2023 (Nature)。

图:量子提议的概率矩阵——提议在 Hamming 距离上像均匀采样(远跳)、在能量变化 |ΔE| 上像局部采样(小能变),兼具可接受性与穿越势垒能力(来源:QC063)

机理分析（上图）揭示了为什么量子提议打破了两难：其提议分布同时具有均匀提议的距离统计（候选与当前态的 Hamming 距离大——相干演化把概率涂抹到远处的组态）与局部提议的能量统计（$|\Delta E|$ 分布集中于小值——$H_{\mathrm{prob}}$ 编码使低能跃迁主导）——“远跳且低能变”，正是穿越玻璃态势垒所需的提议。这与 Szegedy 型量子行走的加速结构同族但机制不同：后者是相干搜索式的混合加速，这里是非酉测量嵌入经典链、以修正接受率维持严格的目标分布（对照见quantum-walk-pde）。

流体视角：UQ 与采样的展望与空白

CFD 中大量任务本质是高维分布采样：RANS/LES 模型参数的贝叶斯标定、湍流统计量的系综估计、反问题（形状/边界条件推断）的后验采样、不确定性传播——这些正是 MCMC 密集型工作负载，也因此是量子增强提议的天然候选对象。但调研未发现任何把 QMCMC 直接用于流场或湍流采样的论文——这不是调研遗漏，而是真实的研究空白（见文末注）。方法学的后续进展集中在组合优化与大规模系统：分治式 QMCMC（系统大于量子机的拆分求解）、量子退火增强 MCMC（以退火样本充当提议，见quantum-annealing-cfd的关联路线）。

对量子 CFD 的定位建议：把 QMCMC 视为统计层的方法学基石——与容错侧的量子振幅估计（对系综均值的二次加速，见quantum-amplitude-estimation）构成”采样加速”的两个互补入口；前者改混合时间、后者改估计方差，两者都以流场→Ising/分布的编码为前提，而该编码在湍流统计上的成本本身仍是开放问题。

注：此处的”无直接流体应用”结论来自对 qatlas 文献库的多轮检索（2026-09），仅有的相邻工作为分治 QMCMC（Phys. Rev. Research 7, 013231, 2024）与量子退火增强 MCMC（Sci. Rep., 2025）。

延伸阅读

• quantum-walk-pde
• quantum-amplitude-estimation
• quantum-annealing-cfd
• feynman-kac