路径积分基本框架

  • 随机路径积分提供替代随机微分方程的统计描述方法,类比费曼路径积分之于薛定谔方程
  • 基于时间离散化(步长Δt\Delta t),定义所有可能测量记录{rk}\{r_k\}与对应量子轨迹{ρ^k}\{\hat{\rho}_k\}的联合概率密度P({qk},{rk}∣qi)P(\{q_k\},\{r_k\}|q_i),其中qq为广义布洛赫坐标(如二维系统中q=(x,y,z)q=(x,y,z))
  • 在马尔可夫近似(Δt\Delta t大于噪声相关时间)下,联合概率分解为P=∏k=0N−1P(qk+1∣qk,rk)P(rk∣qk)P = \prod_{k=0}^{N-1} P(q_{k+1}|q_k,r_k) P(r_k|q_k)

路径积分的数学构造

  • 利用傅里叶表示δ(n)(q)=∫dp2πeip⋅q\delta^{(n)}(q) = \int \frac{dp}{2\pi} e^{ip\cdot q}将转移概率P(qk+1∣qk,rk)=δ(n)(qk+1−E(qk))P(q_{k+1}|q_k,r_k) = \delta^{(n)}(q_{k+1} - E(q_k))转化为含辅助动量变量pkp_k的形式
  • 主概率密度重写为P=N∏k=0N−1∫dpkexp⁡[ipk⋅(qk−E(qk))+ln⁡P(rk∣qk)]P = \mathcal{N} \prod_{k=0}^{N-1} \int dp_k \exp\left[i p_k \cdot (q_k - E(q_k)) + \ln P(r_k|q_k)\right]
  • 连续极限下定义泛函积分P=∫Dp e−SP = \int \mathcal{D}p \, e^{-S},其中随机作用量S=∫0tdt′[ip⋅(q˙−L[q,r])+F[q,r]]S = \int_0^t dt' \left[ i p \cdot (\dot{q} - L[q,r]) + F[q,r] \right] -L[q,r]L[q,r]描述状态演化流,F[q,r]F[q,r]来源于测量结果条件概率的对数:F=ln⁡P(r∣q)/ΔtF = \ln P(r|q)/\Delta t

随机哈密顿量与物理内涵

  • 随机哈密顿量定义为H=ip⋅L[q,r]+F[q,r]\mathcal{H} = i p \cdot L[q,r] + F[q,r],虽无能量含义,但起类似守恒量作用
  • 其形式完全编码测量物理:结果概率分布特性与量子反作用机制;改变测量类型即改变H\mathcal{H}
  • 路径积分变量pp类比经典动量,生成共轭坐标qq的平移变换,具有明确物理意义
  • 理论具典则结构:qq坐标变换需伴随保持泊松括号不变的pp变换

连续色散型量子比特测量的应用

  • 对应布洛赫坐标q=(x,y,z)q=(x,y,z),伪动量p=(px,py,pz)p=(p_x,p_y,p_z)
  • 由测量分布P(r∣q)∝exp⁡[−(r−z)22τm/Δt]P(r|q) \propto \exp\left[-\frac{(r - z)^2}{2\tau_m/\Delta t}\right]得F=−(r2−2rz+1)2τmF = -\frac{(r^2 - 2rz + 1)}{2\tau_m}
  • 由布洛赫方程(5.72–5.74)得LL分量,加入环境去相位项后,随机作用量为: -S=∫0tdt′[ipx(x˙+γx+εy+xzr/τm)+ipy(y˙+γy−εx+Ωz+yzr/τm)+ipz(z˙−Ωy−(1−z2)r/τm)−(r2−2rz+1)/(2τm)]S = \int_0^t dt' \Big[ i p_x(\dot{x} + \gamma x + \varepsilon y + x z r/\tau_m) + i p_y(\dot{y} + \gamma y - \varepsilon x + \Omega z + y z r/\tau_m) + i p_z(\dot{z} - \Omega y - (1 - z^2)r/\tau_m) - (r^2 - 2rz + 1)/(2\tau_m) \Big]
  • 任意统计量(如关联函数⟨A(x1,…,xM)⟩\langle A(x_1,\dots,x_M)\rangle)均可通过泛函积分∫DqDpDr A e−S\int \mathcal{D}q \mathcal{D}p \mathcal{D}r \, A \, e^{-S}计算
  • 该形式天然支持“最概然路径”分析——给定初末态条件下量子系统最可能经历的轨迹,构成连续测量系统的新型作用量原理### 连续变量的扩散测量

连续变量系统中扩散测量的形式化描述

  • 本节将扩散连续测量理论推广至连续变量系统(如势阱中的粒子或散射问题),而非仅限于有限维系统。
  • 近期研究将随机路径积分方法应用于谐振势中高斯态在联合位置与动量测量下的演化(Karmakar 等,2022)。
  • 以质量为 m 的粒子在势能 V(x) 中的位置弱连续测量为例,建立与费曼路径积分的联系。

测量算符与条件概率密度

  • 测量算符为Ω^k=(π2Δt4σ2)1/4exp⁡[−(rk−x^)24σ2/Δt]\hat{\Omega}_k = \left( \frac{\pi^2 \Delta t}{4\sigma^2} \right)^{1/4} \exp\left[ -\frac{(r_k - \hat{x})^2}{4\sigma^2 / \Delta t} \right],其中rkr_k为第kk个时间步的测量结果。
  • 给定前一时刻波函数ψk(x)\psi_k(x),测量结果rkr_k的条件概率密度为P(rk∣ψk)=∫−∞∞dx ∣ψk(x)∣2Δtπ2σ2exp⁡[−(rk−x)2Δt2σ2]P(r_k|\psi_k) = \int_{-\infty}^{\infty} dx\, |\psi_k(x)|^2 \sqrt{\frac{\Delta t}{\pi^2 \sigma^2}} \exp\left[ -\frac{(r_k - x)^2 \Delta t}{2\sigma^2} \right]。
  • 该分布均值为⟨ψk∣x^∣ψk⟩\langle \psi_k|\hat{x}|\psi_k\rangle,方差为Var[rk]=2σ2Δt+Var[x^]\mathrm{Var}[r_k] = \frac{2\sigma^2}{\Delta t} + \mathrm{Var}[\hat{x}];在弱测量极限(Δt\Delta t极小)下,2σ2Δt≫Var[x^]\frac{2\sigma^2}{\Delta t} \gg \mathrm{Var}[\hat{x}],故可忽略波函数自身展宽,近似为P(rk∣ψk)≈Δtπ2σ2exp⁡[−(rk−⟨x⟩k)2Δt2σ2]P(r_k|\psi_k) \approx \sqrt{\frac{\Delta t}{\pi^2 \sigma^2}} \exp\left[ -\frac{(r_k - \langle x\rangle_k)^2 \Delta t}{2\sigma^2} \right]。

更新后的波函数与广义传播子

  • 新波函数由ψk+1(xk+1)=⟨xk+1∣U^kΩ^k∣ψk⟩P(rk∣ψk)\psi_{k+1}(x_{k+1}) = \frac{\langle x_{k+1}|\hat{U}_k \hat{\Omega}_k|\psi_k\rangle}{\sqrt{P(r_k|\psi_k)}}给出,其中U^k=exp⁡(−iΔtH^/ℏ)\hat{U}_k = \exp(-i \Delta t \hat{H}/\hbar)包含哈密顿动力学(H^=p^2/(2m)+V(x^)\hat{H} = \hat{p}^2/(2m) + V(\hat{x}))。
  • 插入完备的位置–动量基后,导出离散更新表达式,并推广至连续极限,得到最终态ψ(x0,t)=∫dx M(x0,x,t) ψ(x,0)\psi(x_0,t) = \int dx\, \mathcal{M}(x_0,x,t)\, \psi(x,0)。
  • 广义传播子M(x0,x,t)=∫DxDp eS\mathcal{M}(x_0,x,t) = \int \mathcal{D}x\mathcal{D}p\, e^{S},对应随机作用量S=∫0tdt′ {iℏ[px˙−p22m−V(x)]−(x−⟨x⟩)24σ2+r(x−⟨x⟩)2σ2}S = \int_0^t dt'\, \left\{ \frac{i}{\hbar}\left[ p\dot{x} - \frac{p^2}{2m} - V(x) \right] - \frac{(x - \langle x\rangle)^2}{4\sigma^2} + \frac{r(x - \langle x\rangle)}{2\sigma^2} \right\}。
  • 边界条件为x(0)=xx(0)=x、x(t)=x0x(t)=x_0;⟨x⟩(t)\langle x\rangle(t)是瞬时位置期望值;r(t)r(t)是服从高斯分布的随机读出信号:P[r(t)]=Nexp⁡[−12σ2∫0tdt′ (r−⟨x⟩)2]P[r(t)] = N \exp\left[ -\frac{1}{2\sigma^2}\int_0^t dt'\, (r - \langle x\rangle)^2 \right]。

随机作用量的物理解释与等效随机力

  • 引入噪声分解r(t)=⟨x⟩(t)+ξ(t)r(t) = \langle x\rangle(t) + \xi(t),其中ξ(t)\xi(t)为强度为 1 的 δ-关联随机变量(即⟨ξ(t)ξ(t′)⟩=δ(t−t′)\langle \xi(t)\xi(t')\rangle = \delta(t-t'))。
  • 消去rr后,等效随机作用量为S~=∫0tdt′ {iℏ[px˙−p22m−V(x)]−(x−⟨x⟩)24σ2+(x−⟨x⟩)ξ2σ2}\tilde{S} = \int_0^t dt'\, \left\{ \frac{i}{\hbar}\left[ p\dot{x} - \frac{p^2}{2m} - V(x) \right] - \frac{(x - \langle x\rangle)^2}{4\sigma^2} + \frac{(x - \langle x\rangle)\xi}{2\sigma^2} \right\}。
  • 第一项(高斯压制项)抑制偏离平均轨迹的路径,类比 Mensky 的“受限路径积分”。
  • 第二项(实数随机耦合项)可解释为由测量引起的随机力,对粒子位置施加随机“踢扰”。

随机微分方程及其诠释(Stratonovich vs Itô)

  • 由更新规则(5.116)一阶展开得随机微分方程:d∣ψ⟩dt=[−iℏH^+12σ2(r−⟨x⟩)x^−14σ2(x^2−⟨x⟩2)]∣ψ⟩\frac{d|\psi\rangle}{dt} = \left[ -\frac{i}{\hbar}\hat{H} + \frac{1}{2\sigma^2}(r - \langle x\rangle)\hat{x} - \frac{1}{4\sigma^2}( \hat{x}^2 - \langle x\rangle^2 ) \right] |\psi\rangle。
  • 代入r=⟨x⟩+ξr = \langle x\rangle + \xi且ξ=dW/dt\xi = dW/dt,得 Stratonovich 形式:d∣ψ⟩dt=[−iℏH^+12σ2ξ x^−14σ2(x^2−⟨x⟩2)]∣ψ⟩\frac{d|\psi\rangle}{dt} = \left[ -\frac{i}{\hbar}\hat{H} + \frac{1}{2\sigma^2}\xi\,\hat{x} - \frac{1}{4\sigma^2}( \hat{x}^2 - \langle x\rangle^2 ) \right] |\psi\rangle。
  • 物理上必须采用 Stratonovich 解释:因真实测量噪声总有有限关联时间,非理想白噪声;Wong–Zakai 定理保证用光滑逼近布朗运动所得 ODE 解收敛于 Stratonovich SDE 解。
  • Itô 形式需二阶展开并应用 Itô 引理,漂移项系数变为−18σ2(x^2−⟨x⟩2)-\frac{1}{8\sigma^2}( \hat{x}^2 - \langle x\rangle^2 )。