通过经典搜索优化Trotter-Suzuki模拟马尔可夫开放量子系统

在数字量子计算机上模拟开放量子系统通常涉及使用Trotter-Suzuki（TS）乘积公式来近似系统的演化。精确的Trotter步数（ hence 总体门计数）估计对于最小化这些方法的计算成本至关重要。基于已建立的理论保证，我们推导了第一阶和第二阶确定性及随机性TS-PF的解析界限，直接将与模型参数、演化时间和精度相关。这些界限为每种方法提供了具体的资源估计。然后，我们提出了一种计算高效的经典算法，该算法使用单个李奥维利安项的钻石范数估计和二分搜索，显著减少了达到目标精度所需的Trotter步数。我们在两个原型模型上进行了数值研究——具有边界驱动和局部去相位作用的XX自旋链，以及横向场伊辛模型——表明理论（解析）界限往往过于保守，而经验（优化）界限对于相同的精度提供了显著更少的Trotter步数。在所研究的方法中，第二阶随机性TS-PF通常实现最低的资源需求，特别是在较大的系统中。这些发现强调了经验界限策略在实现更资源高效的马尔可夫开放量子系统模拟中的重要性。