量子态相似性度量：迹距离与保真度的工程应用-开发者社区

在量子计算的实际应用中，我们经常需要比较两个量子态的相似程度。比如在量子电路验证时，需要确认实际输出的量子态是否与理论预期相符；在量子纠错中，要评估噪声对量子态的影响程度；在量子机器学习里，需要度量不同量子特征态之间的相似性。这些场景都离不开对量子态相似性的量化评估。

量子力学中，两个最常用的相似性度量指标是迹距离（Trace Distance）和保真度（Fidelity）。它们从不同角度刻画量子态的相似性：

注意：在工程实现中，迹距离更适合用于误差分析，因为它满足三角不等式；而保真度在量子信息传输等场景更常用，因为它有明确的物理意义。

对于任意两个量子态ρ和σ，迹距离T(ρ,σ)和保真度F(ρ,σ)满足以下核心不等式：

1 - √F(ρ,σ) ≤ T(ρ,σ) ≤ √(1 - F(ρ,σ))

这个双向不等式揭示了二者之间的深层联系。我们可以从几个典型场景来理解：

对于混合态，我们关心的是度量指标Q(ρ,σ)的边界。通过数学推导可以得到：

下界：

Q(ρ,σ) ≥ 1 - √(1 - F(ρ,σ))

这个下界来自于将迹距离的上界代入Q+T≥1的关系式。

上界：

Q(ρ,σ) ≤ √F(ρ,σ)

上界则直接与保真度的定义相关，反映了量子态重叠的最大可能。

实操技巧：在实际计算中，如果保真度容易测量但迹距离难以直接获取，可以利用这些不等式进行估算。例如测得F=0.9时，可以推断T在[0.0513,0.3162]之间。

在量子实验中，我们需要通过重复测量（shots）来统计性质。所需的测量次数N与相似性度量密切相关：

纯态-纯态情况：

N_pure ≈ ln(Pe) / ln(1 - T²)

其中Pe是允许的错误概率。

纯态-混合态情况：

ln(Pe)/ln(1-T) ≲ N_pure-mixed ≲ ln(Pe)/ln(1-T²)

这里出现了上下界，反映了混合态带来的不确定性。

混合态-混合态情况：

ln(Pe)/ln(1-√(2T-T²)) ≲ N_mixed ≲ 2ln(Pe)/ln(1-T²)

边界范围进一步扩大，说明混合态比较需要更多测量次数。

在实际工程中，我们需要权衡测量精度和成本：

迹距离T	纯态N	混合态N下限	混合态N上限
0.01	2996	299	2996
0.1	30	3	30
0.5	2	1	3

逆测试是一种有效的量子态验证方法，其核心步骤包括：

这个概率正好等于实际态与预期态的保真度：

P(0^n) = |⟨ψ_E|ψ_A⟩|² = F(|ψ_E⟩,|ψ_A⟩)

实现要点：Z的设计需要精确知道|ψ_E⟩。在实际系统中，可以通过量子过程层析来构建。

交换测试是另一种常用方法，特别适合比较两个未知量子态：

测量结果为0的概率与保真度直接相关：

P(0) = (1 + F(ρ,σ))/2

量子Chernoff界在这种情况下简化为：

Q(ρ,σ) = (1 + F(ρ,σ))/2

这为测量精度提供了理论保证。

在实际量子系统开发中，我们积累了一些关键经验：

混合态处理：当系统存在噪声时，纯态假设不再成立。这时要特别注意：
- 测量次数需要按混合态公式估算
- 保真度的解释要考虑噪声影响
- 迹距离可能比保真度更稳定
测量优化：
- 对于小系统(n<5)，逆测试效率更高
- 对于大系统，交换测试更节省资源
- 可以考虑压缩传感技术减少测量次数
误差分析：
- 区分统计误差和系统误差
- 迹距离对SPAM误差敏感
- 保真度受测量基影响较大
实用技巧：
- 先进行快速低精度测量估算大致范围
- 根据初步结果调整后续测量策略
- 记录测量结果的完整分布而不仅是平均值