用于GPU含噪量子电路模拟的方差缩减轨迹展开：特性分析与Qiskit-Aer集成缺口

蒙特卡洛轨迹（量子跳跃）方法是在精确密度矩阵方法因其 $4^n$ 内存成本而不可行时，模拟含噪量子电路的实际途径。其瓶颈是估计量方差：解析一个期望值可能需要数千条轨迹。最近的张量网络工作表明，\emph{方差缩减展开}——投影仪和模拟采样——能大幅削减这种方差，但仅限于CPU矩阵乘积态后端，且没有进入生产工具链的路径。我们在一个\emph{GPU密集态矢量}轨迹引擎上实现了这两种展开，并针对精确密度矩阵进行了验证（理想电路保真度 $1-2.2\times10^{-16}$；$1/\sqrt{N}$ 收敛；所有展开在迹距离 $<0.01$ 内无偏）。在单个消费级GPU上，投影仪展开在 $n=10$ 时达到目标标准误差所需的轨迹数比Qiskit-Aer的 \texttt{batched\_shots\_gpu} 少 $20.8\times$，这一因子在 $n=8$--$20$ 范围内保持在 $19$--$26\times$。一个区域图显示，模拟采样在弱噪声下最优，投影仪采样在强噪声下最优，两者在 $\gamma t\approx0.35$ 附近交叉。我们进一步报告了一个系统发现：Qiskit-Aer在\emph{信道}层面应用噪声，并在应用时重建规范Kraus分解，丢弃任何用户提供的展开，因此方差缩减展开无法通过其公共API提供。由于Aer的玻恩规则坍缩机制已存在，我们指定了一个最小的更改，以在生产环境中解锁该技术。