第八章补充 量子信道 · 人话版

导读

这一章讲的是"量子比特在现实世界里会被噪声搞坏"这件事，以及怎么用数学描述这个变坏的过程。核心对象叫量子信道——你可以把它当成一个作用在量子态上的"带噪声的变换函数"。本章会告诉你：这个函数有三种等价的写法（信道映射、Kraus 算符、蔡氏矩阵），它们之间怎么互相转换，常见的几种噪声长什么样，以及怎么用这套工具做数值验证。

🧠 类比： 量子态是数据，量子信道是一个有损函数（像 JPEG 压缩、像不可靠网络传输）。输入一个干净的态，输出一个被污染、信息可能丢了的态。本章就是研究这个有损函数的"源码"。

1. 量子信道是什么：带噪声的不可逆变换

理想的量子门是可逆的（幺正变换，像无损的纯函数）。但现实里 qubit 会和环境纠缠、漏信息，这个过程不可逆。描述它的数学对象就是量子信道 $\mathcal{E}$，它作用在密度矩阵 $\rho$（量子态的一般表示）上：$\rho \to \mathcal{E}(\rho)$。

一个合法的量子信道必须是 CPTP 映射（完全正定 + 保迹）：

$$\mathcal{E}\otimes I \ge 0 \quad(\text{CP}), \qquad \Tr(\mathcal{E}(\rho)) = \Tr(\rho) \quad(\text{TP})$$

• $\mathcal{E}$：信道，那个有损变换函数。
• $\rho$：输入的量子态（密度矩阵，半正定、迹为 1）。
• CP（完全正定）：哪怕把这个 qubit 和任意大的旁观系统纠缠在一起，一起变换后结果仍然是合法的量子态（概率非负）。
• TP（保迹）：变换前后总概率守恒，都等于 1。

💡 人话： "完全正定"是说这个函数不能算出"负概率"这种非法结果，哪怕和别的系统挂钩也不行；"保迹"是说概率加起来始终是 1，没凭空多出来或漏掉。两个条件合起来 = "物理上说得通的有损变换"。

⚠️ 坑： 只检查 CP 不够，TP 也得查；缺一个这个映射就不是合法信道。

2. 三种等价描述：同一个对象的三种序列化格式

同一个信道 $\mathcal{E}$ 有三种写法，彼此一一对应、可互转：

🧠 类比： 这三种就是同一个对象的三种序列化格式——像同一份数据有 JSON / Protobuf / YAML 三种编码。信道映射是"行为描述"，Kraus 是"一组矩阵"，蔡氏矩阵是"打包成的一个大矩阵"。研究哪种方便就转成哪种。

🔑 记住： 转换主线是 信道 → 蔡氏矩阵 → 谱分解 → Kraus。蔡氏矩阵是中转站，因为它把"映射"变成了"普通矩阵"，可以直接做线性代数。

3. （8.1）从信道到蔡氏矩阵：把"函数"打包成"矩阵"

要研究一个函数，一个聪明办法是把它喂一个特殊输入，用输出反推整个函数。蔡氏矩阵就是这么干的：把信道作用在最大纠缠态的一半上，得到的矩阵就完整编码了整个信道。

$$J(\mathcal{E}) = (\mathcal{E}\otimes I)(\ketbra{\Omega}{\Omega}), \qquad \ket{\Omega}=\sum_i \ket{ii}$$

• $J(\mathcal{E})$：信道对应的蔡氏矩阵（Choi matrix），一个 $d^2\times d^2$ 的矩阵。
• $\ket{\Omega}=\sum_i\ket{ii}$：未归一的最大纠缠态（比如 $\ket{00}+\ket{11}$）。
• $\mathcal{E}\otimes I$：只对纠缠态的"一半"施加信道，另一半放着不动（$I$ 是恒等）。
• $\ketbra{\Omega}{\Omega}$：纠缠态对应的密度矩阵。

📐 怎么看： 对单 qubit，$\ket{\Omega}=\ket{00}+\ket{11}$，密度矩阵 $\ketbra{\Omega}{\Omega}$ 是个 $4\times 4$ 矩阵。实际计算 $J$ 有个等价的"逐块"配方：$J=\sum_{i,j}\mathcal{E}(\ketbra{i}{j})\otimes\ketbra{i}{j}$。也就是说，把 $J$ 切成 $2\times 2$ 个小块（按 $B$ 子系统的 $\ketbra{i}{j}$ 编号），第 $(i,j)$ 块就等于把信道作用到 $\ketbra{i}{j}$ 上的结果 $\mathcal{E}(\ketbra{i}{j})$。这样只要算四个 $2\times 2$ 小块 $\mathcal{E}(\ketbra{0}{0}),\mathcal{E}(\ketbra{0}{1}),\mathcal{E}(\ketbra{1}{0}),\mathcal{E}(\ketbra{1}{1})$，拼起来就是整个 $J$。

这个对应关系叫 Choi–Jamiołkowski 同构：信道 $\mathcal{E}$ 和矩阵 $J(\mathcal{E})$ 一一对应，而且合法性条件也变简单了——

$$\mathcal{E}\ \text{是 CP} \iff J(\mathcal{E}) \ge 0$$

💡 人话： 这就是柯里化 / 把函数序列化成数据的味道——本来 $\mathcal{E}$ 是个"对所有输入都有定义的映射"，现在被压缩成一个有限大小的矩阵 $J$ 存起来。喂一个最大纠缠态当"探针"，输出就把整个函数的信息钉死了。

🔑 记住： "映射是否物理（CP）"这个抽象问题，被翻译成了"矩阵是否半正定（$J\ge 0$）"这个能直接算的问题。判 CP 就去查 $J$ 的本征值有没有负的。

例子：比特翻转信道。 它以概率 $p$ 对 qubit 施加一次 Pauli-X：

$$\mathcal{E}(\rho)=(1-p)\,\rho + p\,X\rho X$$

按定义把它作用在最大纠缠态上，就能算出对应的 $J$，作为下一步（8.2）求 Kraus 的输入。

🔢 算例： 用上面的逐块配方算比特翻转的 $J$。四个块：$\mathcal{E}(\ketbra{0}{0})=(1-p)\ketbra{0}{0}+p\ketbra{1}{1}=\begin{pmatrix}1-p&0\\0&p\end{pmatrix}$，$\mathcal{E}(\ketbra{1}{1})=\begin{pmatrix}p&0\\0&1-p\end{pmatrix}$，$\mathcal{E}(\ketbra{0}{1})=(1-p)\ketbra{0}{1}+p\ketbra{1}{0}=\begin{pmatrix}0&1-p\\p&0\end{pmatrix}$，$\mathcal{E}(\ketbra{1}{0})=\begin{pmatrix}0&p\\1-p&0\end{pmatrix}$。拼成 $4\times 4$： $$J=\begin{pmatrix}1-p&0&0&1-p\\0&p&p&0\\0&p&p&0\\1-p&0&0&1-p\end{pmatrix}$$ 取 $p=1/4$：$J=\begin{pmatrix}3/4&0&0&3/4\\0&1/4&1/4&0\\0&1/4&1/4&0\\3/4&0&0&3/4\end{pmatrix}$。它的本征值是 $\{3/2,\ 1/2,\ 0,\ 0\}$——全都 $\ge 0$，所以信道是 CP（合法）；两个非零本征值预示着比特翻转只需 2 个 Kraus 算符。这个 $J$ 正是下一节谱分解的输入。

4. （8.2）从蔡氏矩阵到 Kraus：对矩阵做"分解"反序列化出算子

蔡氏矩阵 $J$ 是半正定的，所以能做谱分解（求本征值和本征向量）。每个本征对都能还原出一个 Kraus 算符。

$$J = \sum_k \lambda_k \ketbra{v_k}{v_k}, \qquad E_k = \sqrt{\lambda_k}\,\cdot\,\mathrm{mat}(\ket{v_k})$$

最终重建出 Kraus 表示：

$$\mathcal{E}(\rho)=\sum_k E_k \rho E_k^\dagger, \qquad \sum_k E_k^\dagger E_k = I$$

• $\lambda_k\ge 0$：第 $k$ 个本征值（因为 $J$ 半正定所以非负），相当于这个噪声分支的"权重"。
• $\ket{v_k}$：对应的本征向量，是个 $d^2$ 维列向量。
• $\mathrm{mat}(\ket{v_k})$：把 $d^2$ 维向量 reshape 成 $d\times d$ 矩阵（向量化的逆操作）。
• $E_k$：第 $k$ 个 Kraus 算符。
• $\sum_k E_k^\dagger E_k = I$：保迹条件（TP 的 Kraus 版写法）。

📐 怎么看： $\mathrm{mat}(\ket{v_k})$ 这一步是把长度 $d^2$ 的本征向量按行优先折成 $d\times d$ 矩阵：对单 qubit（$d=2$），向量 $(a,b,c,d)^\top \to \begin{pmatrix}a&b\\c&d\end{pmatrix}$。前面乘的 $\sqrt{\lambda_k}$ 是个标量，把本征值的"权重"开方后塞进算符里——本征值大的分支，对应的 Kraus 算符整体振幅就大。最后 $E_k=\sqrt{\lambda_k}\,\mathrm{mat}(\ket{v_k})$ 就是一个普通的 $2\times 2$ 矩阵。

🔢 算例： 接上一节 $p=1/4$ 的比特翻转 $J$。它的两个非零本征对是：$\lambda_0=3/2$，本征向量 $\ket{v_0}=\tfrac{1}{\sqrt2}(1,0,0,1)^\top$；$\lambda_1=1/2$，本征向量 $\ket{v_1}=\tfrac{1}{\sqrt2}(0,1,1,0)^\top$。reshape 再乘 $\sqrt{\lambda_k}$： $$E_0=\sqrt{\tfrac32}\cdot\tfrac{1}{\sqrt2}\begin{pmatrix}1&0\\0&1\end{pmatrix}=\tfrac{\sqrt3}{2}\,I,\qquad E_1=\sqrt{\tfrac12}\cdot\tfrac{1}{\sqrt2}\begin{pmatrix}0&1\\1&0\end{pmatrix}=\tfrac12\,X$$ 正好是 $E_0=\sqrt{1-p}\,I=\sqrt{3/4}\,I$、$E_1=\sqrt{p}\,X=\sqrt{1/4}\,X$（因为 $p=1/4$）。验证保迹：$E_0^\dagger E_0+E_1^\dagger E_1=\tfrac34 I+\tfrac14 I=I$。✓ 一条龙跑通了 信道 → 蔡氏矩阵 → 谱分解 → Kraus。

🧠 类比： $\mathrm{mat}(\cdot)$ 就是 reshape(vec, (d, d))——把一维数组重新折成二维矩阵。整个 8.2 就是反序列化：把打包成大矩阵的信道，拆回一组算子。而 8.1 是序列化，正好相反。

💡 人话： Kraus 表示 $\sum_k E_k\rho E_k^\dagger$ 像是"概率性地从一组分支算子里挑一个作用在态上，再把所有分支的结果叠加"。每个 $E_k$ 是一种可能发生的噪声操作，$\lambda_k$ 决定它的权重。

关于本征值还有几个要点：

• 非零本征值的个数 = Kraus 秩：也就是最少需要几个 Kraus 算符。$\lambda_k=0$ 的方向不贡献算子。
• Kraus 表示不唯一：另一组 $\{F_j\}$ 等价于 $\{E_k\}$，当且仅当差一个幺正混合 $F_j=\sum_k u_{jk}E_k$。谱分解给出的只是其中一组（正交规范的那组）。

⚠️ 坑： 别以为 Kraus 算符是唯一的。同一个信道可以有无穷多组等价的 Kraus，它们之间差一个幺正变换 $u$，物理上完全一样。另外 reshape 时行/列约定搞反，会得到转置的 Kraus，结果就错了。

5. （8.3）几种典型信道：Kraus 算符 + Bloch 球上的仿射变换

单 qubit 信道有个很直观的几何描述：任何单 qubit 态都对应 Bloch 球里的一个向量 $\vec r$，信道的作用就是对这个向量做仿射变换 $\vec r \mapsto M\vec r + \vec c$。

$$\vec r \;\mapsto\; M\vec r + \vec c$$

• $\vec r$：Bloch 向量（$3$ 维实向量，描述单 qubit 态）。
• $M$：$3\times 3$ 实矩阵，描述对 Bloch 球的线性收缩 / 旋转。
• $\vec c$：平移向量，描述球心被搬到哪。

🧠 类比： 这就是 3D 图形里的仿射变换——$M$ 是缩放/旋转矩阵，$\vec c$ 是平移。噪声让 Bloch 球缩水（信息丢失）、有时还整体挪位。可逆的纯门只会旋转球（$M$ 是旋转、不缩小），而信道会把球压扁。

📐 怎么看： 表里的 $M$ 都是对角阵 $\mathrm{diag}(m_x,m_y,m_z)$，所以变换是逐坐标独立缩放：Bloch 向量 $\vec r=(r_x,r_y,r_z)$ 的每个分量各乘一个因子，$r_x\to m_x r_x$ 等。某个 $m$ 接近 $0$ 表示那根轴被压扁（对应方向的相干/信息几乎全丢），$m=1$ 表示该轴不受影响。$\vec c=(c_x,c_y,c_z)$ 是缩放后整体平移——$\vec c\ne 0$ 意味着球心被搬离原点，这只有"有能量定向流失"的信道（振幅阻尼）才会发生。

🔢 算例： 振幅阻尼 $\gamma=1/2$，作用到激发态 $\ket{1}$，它的 Bloch 向量是 $\vec r=(0,0,-1)$（南极）。代 $M=\mathrm{diag}(\sqrt{1-\gamma},\sqrt{1-\gamma},1-\gamma)$、$\vec c=(0,0,\gamma)$： $$\vec r\,'=M\vec r+\vec c=\big(0,\ 0,\ (1-\gamma)\cdot(-1)+\gamma\big)=(0,\ 0,\ 2\gamma-1)$$ 代 $\gamma=1/2$ 得 $\vec r\,'=(0,0,0)$——Bloch 向量缩到球心，正是最大混合态 $I/2$。这和前面用 Kraus 算 $\mathcal{E}(\ketbra{1}{1})=I/2$ 的结果完全一致，两种描述对上了。

下面是几种典型信道的两种描述（$p$ 是出错概率，$\gamma$ 是阻尼率）：

逐条解释这些信道在干嘛：

• 比特翻转：以概率 $p$ 翻转 $\ket{0}\leftrightarrow\ket{1}$（施加 $X$），沿 $y,z$ 轴压缩 Bloch 球。
• 相位翻转 / 相位阻尼：只破坏相位（施加 $Z$），衰减相干项（密度矩阵的非对角元），沿 $x,y$ 轴压缩、$z$ 不变。
• 去极化：以概率 $p$ 把态彻底打乱成最大混合态，Bloch 球各向同性地朝球心整体缩小。
• 振幅阻尼：描述能量耗散 $\ket{1}\to\ket{0}$（比如自发辐射），球收缩并向北极 $\ket{0}$ 平移。

🔢 算例： 比特翻转 $p=1/4$ 作用到 $\rho=\ketbra{0}{0}=\begin{pmatrix}1&0\\0&0\end{pmatrix}$。用 $\mathcal{E}(\rho)=(1-p)\rho+pX\rho X$，其中 $X\rho X=\begin{pmatrix}0&0\\0&1\end{pmatrix}=\ketbra{1}{1}$： $$\mathcal{E}(\rho)=\tfrac34\begin{pmatrix}1&0\\0&0\end{pmatrix}+\tfrac14\begin{pmatrix}0&0\\0&1\end{pmatrix}=\begin{pmatrix}3/4&0\\0&1/4\end{pmatrix}$$ 也就是有 $1/4$ 的概率被翻到了 $\ket{1}$。用 Bloch 描述对照：$\ket{0}$ 的 $\vec r=(0,0,1)$，比特翻转 $M=\mathrm{diag}(1,\,1-2p,\,1-2p)$（不动轴是 $x$），$\vec c=0$。代 $p=1/4$ 即 $M=\mathrm{diag}(1,\,1/2,\,1/2)$： $$\vec r\,'=M\vec r+\vec c=(1\cdot 0,\ \tfrac12\cdot 0,\ \tfrac12\cdot 1)=(0,\ 0,\ 1/2)$$ 把 $\vec r\,'$ 换回密度矩阵，对角元 $=\tfrac{1\pm r_z'}{2}=\tfrac{1\pm 1/2}{2}=\{3/4,\ 1/4\}$。✓ 和上面直接算 $\mathcal{E}(\rho)$ 的结果一致。

$$E_0^{\text{amp}}=\begin{pmatrix}1&0\\0&\sqrt{1-\gamma}\end{pmatrix}, \qquad E_1^{\text{amp}}=\begin{pmatrix}0&\sqrt{\gamma}\\0&0\end{pmatrix}$$

• $E_0$：以振幅 $\sqrt{1-\gamma}$ 保留 $\ket{1}$（什么都没掉下来的分支）。
• $E_1$：以振幅 $\sqrt{\gamma}$ 把 $\ket{1}$ 打到 $\ket{0}$（一个光子掉下来的分支）。

📐 怎么看： 把 $E_0,E_1$ 当成作用在列向量 $\binom{c_0}{c_1}$（$c_0$ 是 $\ket{0}$ 振幅、$c_1$ 是 $\ket{1}$ 振幅）上的矩阵，逐元素读： - $E_0$ 的 $(0,0)=1$：$\ket{0}$ 分量原封不动（基态不会自发往上跳）。$(1,1)=\sqrt{1-\gamma}$：$\ket{1}$ 分量被打了个 $\sqrt{1-\gamma}$ 的折扣（有概率衰减掉，所以保留的振幅变小）。两个对角元、非对角全 $0$，说明这个分支不混合 $\ket{0}\ket{1}$，只做幅度缩放。 - $E_1$ 只有 $(0,1)=\sqrt{\gamma}$ 一个非零元：它把输入的 $\ket{1}$ 分量（第 2 列）搬到输出的 $\ket{0}$ 分量（第 1 行），振幅 $\sqrt{\gamma}$。这就是"激发态掉到基态、放出一个光子"那条跃迁。第 1 列全 $0$ 意味着 $\ket{0}$ 不可能触发这个分支。

🔢 算例： 取 $\gamma=1/2$，把振幅阻尼作用到激发态 $\rho=\ketbra{1}{1}=\begin{pmatrix}0&0\\0&1\end{pmatrix}$，算 $\sum_k E_k\rho E_k^\dagger$： $$E_0\rho E_0^\dagger=\begin{pmatrix}1&0\\0&\sqrt{1-\gamma}\end{pmatrix}\begin{pmatrix}0&0\\0&1\end{pmatrix}\begin{pmatrix}1&0\\0&\sqrt{1-\gamma}\end{pmatrix}=\begin{pmatrix}0&0\\0&1-\gamma\end{pmatrix}$$ $$E_1\rho E_1^\dagger=\begin{pmatrix}0&\sqrt{\gamma}\\0&0\end{pmatrix}\begin{pmatrix}0&0\\0&1\end{pmatrix}\begin{pmatrix}0&0\\\sqrt{\gamma}&0\end{pmatrix}=\begin{pmatrix}\gamma&0\\0&0\end{pmatrix}$$ 相加得 $\mathcal{E}(\rho)=\begin{pmatrix}\gamma&0\\0&1-\gamma\end{pmatrix}$。代 $\gamma=1/2$ 得 $\begin{pmatrix}1/2&0\\0&1/2\end{pmatrix}=I/2$——一半布居衰减到了 $\ket{0}$，态从纯 $\ket{1}$ 变成了最大混合。 再验证保迹 $\sum_k E_k^\dagger E_k=I$：$E_0^\dagger E_0=\begin{pmatrix}1&0\\0&1-\gamma\end{pmatrix}$，$E_1^\dagger E_1=\begin{pmatrix}0&0\\0&\gamma\end{pmatrix}$，相加 $=\begin{pmatrix}1&0\\0&1\end{pmatrix}=I$。✓ 对任意 $\gamma$ 都成立。

💡 人话： 相位阻尼和相位翻转效果一样（笔记原话："相位阻尼和相位反转一样"）——都只衰减相干项，不改变布居（对角元）。

⚠️ 坑： 别把相位阻尼和振幅阻尼搞混。相位阻尼 $\vec c=0$，只退相干、不丢能量；振幅阻尼 $\vec c\ne 0$，会耗能并把球往 $\ket{0}$ 拽——它是表里唯一带非零平移的信道，反映能量耗散的不可逆性。

🔑 记住： 去极化 = 各向同性缩球（$\vec c=0$）；振幅阻尼 = 缩球 + 朝 $\ket{0}$ 平移（$\vec c\ne 0$）。看到 $\vec c\ne 0$ 基本就是有能量流失的过程。

6. （8.4）算例与验证：把流程跑一遍并核对结果

这一节把前面的转换流程套到具体信道上，做了几类练习和一个数值验证：

• 算例 1–3：给定若干单 qubit 信道（或它们的蔡氏矩阵），按 8.2 的流程谱分解，求出各自的 Kraus 算符组，并核验保迹条件 $\sum_k E_k^\dagger E_k = I$。
• 算例 4：换基底展开 Kraus。和算例 1 是同一个信道，但把 Kraus 算符写在另一组算符基下，用来验证 Kraus 表示的非唯一性。
• 检验式（transfer matrix / 展平）：核验把信道"展平"成矩阵的向量化变换式，结果和直接计算一致。

$$F_j = \sum_k u_{jk}\,E_k \quad(u\ \text{幺正}) \;\Longrightarrow\; \{F_j\}\ \text{与}\ \{E_k\}\ \text{描述同一信道}$$

• $u_{jk}$：一个幺正矩阵的元素，做"混合"用。
• $F_j$：换基后的新 Kraus 算符，物理上和 $E_k$ 等价。

🧠 类比： 换基底展开 Kraus 就像把同一份数据从 UTF-8 转成 GBK 编码——字节变了，内容没变。不同的 $u$ 给出不同的"编码"，但解码出来的信道完全一样。

扰动量子纠错（Perturbative QEC）验证。 用上面这套信道 / Kraus 工具，数值检验某篇扰动量子纠错工作里公式 (18) 与公式 (20) 是否等价。笔记记录的结论是：数值验证通过——两式在所测参数下给出一致结果。

🔑 记住： 这章的工具不只是理论摆设——它能把"两个看起来不一样的纠错公式是否相等"这种问题，变成"算出两个矩阵/数值比一比"的可执行检验。

一句话总览

🔑 记住： 量子信道 = 作用在密度矩阵上的有损变换 $\mathcal{E}(\rho)$；它有三种可互转的写法（信道 / Kraus / 蔡氏矩阵），主线转换是 信道 →(喂最大纠缠态)→ 蔡氏矩阵 →(谱分解)→ Kraus；单 qubit 时还能看成 Bloch 球上的仿射变换 $\vec r\mapsto M\vec r+\vec c$，球缩水就是信息在丢。

⚠️ 范围说明： 本文忠实于第八章补充笔记的范围与结论。原笔记以标题、公式单元和数值代码为主，散文极少；具体的矩阵数值、谱分解结果、QEC 公式 (18)/(20) 的完整表达式与验证代码未在文本层完整保留，精确细节请参阅原书第 8 章与原笔记。