哈密顿量模拟

哈密顿量模拟是实现 $e^{-iHt}$——量子计算机的原生运算。它是相位估计的受控内核、HHL 的谱分解引擎，也是 Schrödinger 化路线的执行末端；对 CFD，波动与纯对流方程天然就是酉演化，而扩散项则会破坏厄米性、必须先酉化（见schrodingerization）。本词条梳理从乘积公式到量子信号处理（QSP）的复杂度脉络，以及 $d$ 维 Laplacian 的具体模拟成本。

问题与乘积公式

给定可分解为局部项之和的哈密顿量 $H={\sum }_{j=1}^m{H}_j$（格点模型中每项只作用在少数比特上），要实现 $e^{-iHt}$。一阶 Trotter 公式用可交换性误差换可行性：

$$e^{-iHt}={\left(e^{-i{H}_{1}t/r}\cdots e^{-i{H}_{m}t/r}\right)}^r+O\left(\frac{t^2}{r}\sum _{j<k}\Vert [H_j,H_k]\Vert \right),$$

对易子结构越”稀”（几何局域），误差越小。对称化得二阶 Suzuki，再递归复合得 $2k$ 阶公式，误差缩放 ${\tau }^{1+1/2k}$（$\tau =\Vert H\Vert t$）。高阶公式的指数项数目有解析界——Clader 等的预条件 QLSA 即采用 $N_{\exp }\le 2m^2\tau \exp (2\sqrt{\ln 5\ln (m\tau /ϵ)})$ 的高阶积分器Clader et al. 2013 (PRL)。乘积公式在实践中常优于最坏情形界，但复杂度叙事上已被下两代技术超越。

从 LCU 到 QSP/qubitization

LCU 路线：把 $e^{-iHt}$ 的截断 Taylor 级数写成酉算子之和再相干求和——这是 Berry–Childs 系列稀疏哈密顿模拟与线性 ODE 求解器（见quantum-linear-ode）的基础。QSP/qubitization 路线：以 $H$ 的块编码为输入，用次数正比于 $\tau$ 的多项式逼近 $e^{-iHt}$ 的作用；稀疏访问模型下查询复杂度对 $\tau$ 线性、对精度几乎对数（至 $\log \log$ 因子），达到近最优标度Gilyén et al. 2019 (STOC)。Martyn 等用 QSVT 把哈密顿模拟、搜索、相位估计、矩阵求逆重写为同一框架的特例，并给出”最优模拟 = 最优多项式逼近”的统一叙事Martyn et al. 2021 (arXiv)。配套的负面结果是一般哈密顿量不可快进（no-fast-forwarding）：存在 $H$ 使任意模拟都需要 $\Omega (t)$ 次查询——线性于 $t$ 已是普适下界（见quantum-advantage-debate）。

CFD 侧直接引用的一条记账是量子有限元采用的稀疏访问定理（CKS 型）：对 $s$-稀疏 Hermitian 阵，模拟 $e^{iAt}$ 使 $O(s\kappa \mathrm{polylog}(s\kappa /ϵ))$ 次矩阵查询即可支撑到 $\kappa$ 量级的时间——条件数进入模拟时长，是”病态矩阵昂贵”的又一体现Montanaro & Pallister 2016 (PRA)。

d 维 Laplacian 的模拟成本

结构化算子可以远好于通用界。Cao 等对 $d$ 维泊松方程给出完整电路：网格离散的 ${\Delta }_h$ 是一维 $L_h$ 的 Kronecker 和 ${\Delta }_h={\sum }_{k}I\otimes \cdots \otimes L_h\otimes \cdots \otimes I$；一维 $L_h$ 是正定 Toeplitz 阵，被正弦变换 $S_{i,j}=\sqrt{2/M}\sin (\pi ij/M)$ 对角化，$L_h=S\Lambda S^{†}$、${\lambda }_j=4{\sin }^2(j\pi /2M)$。于是

$$e^{-2\pi i{\Delta }_h\gamma }=\underset{k=1}{\overset{d}{⨂}}{\left(S{e}^{-2\pi i\Lambda \gamma }{S}^{†}\right)}_k,$$

模拟电路是一维模块的张量积，QFT/正弦变换模块成本 $O(m^2)$（$m={\log }_{2}M$）——对维数 $d$ 近线性，这是量子对高维泊松/热方程指数优势的硬件侧根据Cao et al. 2013 (NJP)。

图:二维泊松 e^{-iΔ_h γ} 的实现电路——d 维 Laplacian 的 Kronecker 和结构使其等于一维模块的张量积,模拟成本对 d 近线性(来源:QC014)

与波动、输运方程的关系

三类流体相关方程与哈密顿模拟的亲缘由深到浅：

• 波动方程：$u_{tt}={\nabla }^{2}u$ 化为一阶系统后算子自伴，演化解天然是酉的——波动方程可被哈密顿模拟直接吃下，甚至可快进（见quantum-wave-equation）；
• 对流/输运：平移算子 $T={\sum }_x|x+1⟩⟨x|$ 本身就是酉，量子行走的传播步即 LBM streaming 的幺正版（见quantum-walk-pde、qlbm-streaming-circuit）；Fourier 域中常系数对流是相位旋转；
• 扩散/热方程：$e^{\nu t{\nabla }^2}$ 是耗散的非酉压缩——直接模拟被禁，需 LCU+后选择、共轭加倍或 Schrödinger 化（见quantum-heat-equation、schrodingerization）。

这一排序解释了流体量子算法的难度阶梯：波动最友好、对流次之（迎风格式的耗散仍需处理）、扩散主导与非线性最昂贵。

延伸阅读

• quantum-phase-estimation
• schrodingerization
• quantum-wave-equation
• quantum-heat-equation
• block-encoding