Double-Bracket 量子算法：等谱梯度流、群交换子与虚时间演化¶
量子计算机擅长执行酉演化 \(e^{-itH}\)，但许多经典数值任务——矩阵对角化、特征值排序、基态制备——本质上不是酉的。Double-bracket flow 提供了一座桥梁：它是一条始终停留在 \(H\) 的 unitary orbit（酉轨道）上的矩阵微分方程，因而原则上可以全部由酉操作实现；同时它又是一条梯度流，会单调地把矩阵"推向"对角形。这条思路最早由 Brockett 在 1980 年代末提出，Helmke 与 Moore 在专著 Optimization and Dynamical Systems（Zoo 521）中把它发展成一套"用微分方程做数值线性代数"的系统理论；2022 年 Gluza（Zoo 522）将其量子化，提出 double-bracket quantum algorithm，随后又有了面向基态制备、量子虚时间演化与 QSP 的一系列工作（Zoo 523–526）。
经典的 double-bracket 算法处理 \(d\times d\) 矩阵时，每一步都要计算矩阵对易子 \([N,H]\) 并做矩阵乘法，代价是 \(O(d^\omega)\) 量级的浮点运算。当矩阵来自 \(n\) 量子比特的 Hamiltonian 时 \(d=2^n\)，经典逐步跟踪流就是指数代价——这正是想借助量子计算机绕开的瓶颈。但正如我们将看到的，量子实现也有自己的陷阱：每一步迭代会改变 Hamiltonian 本身，下一步又需要模拟更新后的 Hamiltonian，直接内联展开会让电路深度随迭代数指数增长。因此目前 Zoo 把这类算法的加速比标为 unknown；本文的目标是把整个框架的数学结构、量子合成方法与这个深度瓶颈逐一讲清楚。
阅读准备。 我们假设读者熟悉本站前几章的内容：Hermitian 算符与谱、酉演化与 Hamiltonian simulation（product formula 的思想）、Grover/相位估计的基本复杂度记账方式。除对易子 \([A,B]=AB-BA\)、反对易子 \(\{A,B\}=AB+BA\)、Frobenius 范数 \(\|A\|_F^2=\operatorname{Tr}(A^\dagger A)\) 之外，不需要其他特殊工具。
本课知识点
从对角化到 double-bracket 方程——能写出 \(\dot H=[[N,H],H]\) 并说明两层对易子的计算顺序，解释这条流为何"不寻找新的特征值，而是在固定谱上旋转矩阵朝向"，从而把对角化与排序统一成同一类等谱旋转。
等谱性与酉轨道——能证明 \(K=[N,H]\) 反厄米，并借助辅助方程 \(\dot U=KU\) 推出 \(H(t)=U(t)H(0)U(t)^\dagger\)，列出特征值、迹幂、行列式等沿流不变的谱量。
Lyapunov 单调性与特征值排序——能推导 \(\frac{d}{dt}\operatorname{Tr}(NH)=\|[N,H]\|_F^2\ge 0\)，刻画稳定点条件 \([N,H]=0\)，并用非简并对角 \(N\) 与 von Neumann 迹不等式说明稳定点即对角形、特征值顺序由 \(N\) 的对角元顺序决定。
离散迭代与谱的精确保持——能写出 \(H_{k+1}=e^{\eta_k[N,H_k]}H_ke^{-\eta_k[N,H_k]}\)，证明它按构造精确保持 Hermiticity 与谱，验证与连续流的一阶一致性，并比较固定 \(N\) 与逐步变分选 \(N\) 两种策略。
2×2 手算例子——能对 \(2\times 2\) Hermitian 矩阵手算一步迭代：计算 \(K_0\)、一阶更新 \(H_1\) 与 Lyapunov 增量，核对 \(\Delta F=\eta\|[N,H_0]\|_F^2\) 及各守恒量。
群交换子乘积公式——能用 BCH 公式推导 \(e^{i\sqrt\eta N}e^{i\sqrt\eta H_k}e^{-i\sqrt\eta N}e^{-i\sqrt\eta H_k}=e^{-\eta[N,H_k]+O(\eta^{3/2})}\)，说明 \(\sqrt\eta\) 阶项相消、\(\eta\) 阶对易子幸存的原因，并列出无需 ancilla 与 postselection 的资源优势。
递归深度指数增长——能解释"模拟更新后的 Hamiltonian"如何导出深度递推 \(D_{k+1}\gtrsim cD_k+O(1)\)，求解出 \(D_k=\Theta(c^k)\)，并定性比较以宽度换深度的代价转移。
虚时间演化的 projector 方程——能推导归一化虚时间演化的 projector 方程 \(\dot\rho=-\{H,\rho\}+2\operatorname{Tr}(H\rho)\,\rho\)，并利用 \(\rho^2=\rho\)、\(\rho H\rho=\langle H\rangle\rho\) 证明它与 Brockett double bracket \([[\rho,H],\rho]\) 逐项恒等。
1. 从对角化问题到等谱流¶
给定 Hermitian 矩阵 \(H_0\)（比如某个量子体系的 Hamiltonian），对角化 (diagonalization) 是找酉矩阵 \(V\) 使
一旦完成，特征值可以从对角元直接读出，特征向量就是 \(V\) 的列。排序 (sorting) 是它的弱化版：只要求把特征值按指定顺序排到对角线上。
经典数值线性代数对付这个问题的武器是 QR 迭代、Jacobi 旋转等。Brockett 的观察是：这类迭代背后有一条连续的微分方程
其中 \(N\) 是一个我们自由选择的 Hermitian 矩阵，\(\dot H = dH/dt\)。注意方程右边出现了两层对易子——先算 \([N,H]\)，再与 \(H\) 对易——这就是 "double bracket" 名字的由来。有些文献采用整体差一个负号的约定（即 \(\dot H = [H,[N,H]]\)），两种约定只是时间反演的关系，本文固定用上式。
这条方程的妙处在于两点，分别对应下面两节的内容：
它自动保持谱不变：\(H(t)\) 始终是 \(H(0)\) 的酉共轭，特征值从头到尾不动；
它是一条梯度流：存在 Lyapunov 函数 \(\operatorname{Tr}(NH)\) 沿流单调变化，稳定点恰好是与 \(N\) 对易的矩阵，而在合适的 \(N\) 下"与 \(N\) 对易"就意味着"在 \(N\) 的基下对角"。
也就是说，这条流不"寻找"新的特征值，而是在固定谱的前提下把矩阵旋转到对角形。理解了这一点，后面所有构造——离散步长、量子合成、虚时间演化的联系——就都有了一个统一的图景：它们都是在 unitary orbit 上做受控的旋转。
2. Double-bracket 流与等谱性¶
设 \(H, N\) 都是 Hermitian 矩阵。定义生成元
\(K(H)\) 是 anti-Hermitian（反厄米）的，即 \(K^\dagger = -K\)。验证只用对易子取共轭转置的恒等式 \([A,B]^\dagger = (AB-BA)^\dagger = B^\dagger A^\dagger - A^\dagger B^\dagger\) 与 \(H^\dagger = H\)、\(N^\dagger = N\)：
于是 double-bracket 方程可以写成更对称的形式
即"用一个反厄米生成元去共轭地驱动 \(H\)"。熟悉量子力学的读者会认出这就是 Heisenberg 方程 \(\dot H = i[\mathcal K, H]\) 的形状，只不过这里的"Hamiltonian" \(\mathcal K = -iK\) 本身随 \(H\) 变化（方程是非线性的）。
等谱性。 我们证明 \(H(t)\) 与 \(H(0)\) 酉等价。考虑辅助的酉演化方程
并令 \(H(t) := U(t)\,H(0)\,U(t)^\dagger\)。先说明 \(U(t)\) 确实是酉的：对 \(U^\dagger U\) 求导，用 \(\dot U = KU\) 以及取共轭得到的 \(\dot U^\dagger = U^\dagger K^\dagger = -U^\dagger K\)，有
所以 \(U^\dagger U\) 不随时间变，恒等于初始值 \(I\)；同理 \(UU^\dagger = I\)。再验证这样定义的 \(H(t)\) 满足 double-bracket 方程。对乘积逐项求导：
第一项代入 \(\dot U = KU\) 得 \(K\,U H(0) U^\dagger = KH\)；第二项代入 \(\dot U^\dagger = -U^\dagger K\) 得 \(-U H(0) U^\dagger K = -HK\)。合起来
正是要证的方程（解的唯一性保证这就是原方程的解）。
结论：对一切 \(t\)，\(H(t) = U(t)H(0)U(t)^\dagger\) 与 \(H(0)\) 相似且酉等价，因此
特征值（含重数）不变；
所有 trace powers \(\operatorname{Tr}(H^m)\) 不变——这由迹的循环性 \(\operatorname{Tr}(U H_0^m U^\dagger) = \operatorname{Tr}(H_0^m U^\dagger U) = \operatorname{Tr}(H_0^m)\) 直接看出；
行列式、秩、范数等谱函数全部不变。
改变的是特征向量，即矩阵相对于固定基（比如 \(N\) 的特征基）的朝向。由此得到对这类算法能力边界的第一个重要认识：
Double-bracket 流不能把错误的特征值"优化成"目标谱——它只在固定谱的 unitary orbit 上移动，能做的一切就是重排与对角化。想要改变谱（例如制备基态、降低能量），必须借助其他机制，例如后文虚时间演化一节中对 projector 的处理。
3. Lyapunov 函数、稳定点与特征值排序¶
知道了流"在哪里移动"，接下来回答"往哪里移动"。取标量函数
并计算它沿流的变化率。代入 \(\dot H = [[N,H],H]\)：
化简这一步需要一个迹的恒等式：对任意矩阵 \(A,B,C\)，由迹的循环性 \(\operatorname{Tr}(ABC)=\operatorname{Tr}(CAB)=\operatorname{Tr}(BCA)\) 可得
取 \(A=N\)、\(B=K=[N,H]\)、\(C=H\)：
最后一步用了 \([H,N] = -[N,H] = -K\)。而 \(K\) 是反厄米的，即 \(K^\dagger = -K\)，所以 \(K^2 = -K^\dagger K\)，于是
其中倒数第二步是 Frobenius 范数的定义 \(\|K\|_F^2 = \operatorname{Tr}(K^\dagger K) = \sum_{ij}|K_{ij}|^2\)。这就是原文核心公式
的完整推导。它给出两条信息：
单调性：\(\operatorname{Tr}(NH)\) 沿流单调不减（取相反符号的约定下单调不增），流不会打转或振荡；
稳定点刻画：导数为零当且仅当 \(\|[N,H]\|_F = 0\)，即
流的稳定点恰好是与 \(N\) 对易的矩阵。
对角化从何而来。 两个 Hermitian 矩阵对易，当且仅当它们可以被同一组正交归一基同时对角化。现在取
为非简并的对角矩阵（所有 \(n_i\) 互不相同）。若 \([N,H]=0\)，直接算矩阵元：\([N,H]_{ij} = (n_i - n_j)H_{ij}\)，它等于零而 \(n_i \ne n_j\)（\(i\ne j\)），迫使 \(H_{ij} = 0\)——\(H\) 的所有非对角元都必须消失。所以在这条流的稳定点上，\(H\) 自动在 \(N\) 的基下成为对角矩阵：流把 \(H\) 对角化了。
排序从何而来。 流收敛到对角形后，对角元就是 \(H\) 的特征值，但排列顺序由初值与动力学决定。哪个排列对应 \(\operatorname{Tr}(NH)\) 的最大值？这是 von Neumann trace inequality 回答的问题：对 Hermitian 矩阵，
其中 \(n_i^\downarrow\)、\(\lambda_i^\downarrow\) 分别表示 \(N\) 与 \(H\) 的特征值按降序排列，等号在两个矩阵"同序对齐"时取到（这本质上是重排不等式的矩阵版本）。因此，把 \(N\) 的对角元按希望的次序放好，流就会把 \(H\) 的特征值按对应次序排上对角线——选择 \(N\) 的顺序即完成了 eigenvalue sorting。
几何图景。 上面的推导还有一个干净的几何解释：所有与 \(H_0\) 酉等价的 Hermitian 矩阵构成一个流形（unitary orbit），其切空间恰好由 \([K,H]\)（\(K\) 取遍反厄米矩阵）这类对易子张成；而函数 \(\operatorname{Tr}(NH)\) 在普通矩阵空间中的"欧氏梯度"是 \(N\)，把它投影到 orbit 的切空间上得到的正是 \([N,H]\) 方向的流。所以 double-bracket 方程是 unitary manifold 上的 Riemannian gradient flow（黎曼梯度流）：对易子扮演了"把欧氏梯度投影到切空间"的角色。这个视角（Brockett、Helmke–Moore）解释了为什么同一框架能统一处理 QR 分解、线性规划与排序：它们都是同一类等谱梯度流在不同目标函数下的化身。
4. 离散 double-bracket 迭代¶
连续流不能直接上电路，需要离散化。最自然的第一步是 Euler：\(H_{k+1} \approx H_k + \eta_k[[N,H_k],H_k]\)。但这步更新只在一阶精度上保持 Hermiticity 与谱，误差会逐步累积。更好的方案是沿切方向走一小段，再指数化回到轨道上：每一步先算切向量（对易子），再做一次精确的酉共轭：
因为 \(K_k\) 反厄米，\(\eta_k K_k\) 仍反厄米，\(U_k\) 是精确酉的（反厄米矩阵的指数是酉矩阵），所以 \(H_{k+1}\) 精确地保持 Hermiticity 与整个谱——不是近似，而是构造上自动成立。这正是"在轨道上移动"与"离开轨道再投影回来"的本质区别，也是这套迭代适合量子化的原因：量子计算机天然执行酉共轭。
与连续流的一致性由小步长展开保证。对 \(e^{\eta K}\) 做 Taylor 展开 \(e^{\eta K} = I + \eta K + \frac{\eta^2}{2}K^2 + \cdots\)：
第二行展开时 \(\eta^2\) 及以上的项全部收入 \(O(\eta_k^2)\)；第三行认出对易子；第四行代回 \(K_k = [N,H_k]\)。于是一步离散迭代与连续流走 \(\eta_k\) 时间在一阶上完全一致，第 3 节的单调性分析在小步长下逐字成立。
\(N\) 的选择有两种策略：可以全程固定为非简并对角矩阵（分析最简单，就是上面讨论的情形）；也可以每轮变分地选择——在第 \(k\) 步选一个使非对角范数下降最快的 \(N_k\)（例如对齐当前 \(H_k\) 对角元顺序的对角矩阵）。Gluza 的量子对角化算法（Zoo 522）采用的正是后一种 per-step 变分选择，以获得更快的实测收敛；代价是每步要多做一次对角元估计。
5. 小例子：2×2 矩阵的一步迭代¶
把上面的公式在一个可以手算的例子里完整过一遍。取
第一步：算对易子 \(K_0 = [N, H_0]\)。
相减得
记 \(k := (n_1-n_2)b\)。注意 \(\begin{pmatrix}0&1\\-1&0\end{pmatrix} = i\sigma_y\)，所以 \(K_0 = ik\sigma_y\) 确实是反厄米的（\(i\) 乘 Hermitian 矩阵），与第 2 节的一般结论一致。
第二步：算一阶更新 \(H_1 = H_0 + \eta[K_0, H_0] + O(\eta^2)\)。 逐次乘法：
于是一步之后（到一阶）
第三步：检查各种守恒与单调性。
迹不变：对角元变化 \(+2\eta kb\) 与 \(-2\eta kb\) 相消，\(\operatorname{Tr}H_1 = a + c\)，与谱不变性相容（行列式同样在一阶不变，留作习题）。
对角元的"能量"按 \(N\) 排序方向流动：因为 \(n_1 < n_2\) 且不妨设 \(b>0\) 时 \(k = (n_1-n_2)b < 0\)，所以 \(a \mapsto a + 2\eta k b\) 是减小、\(c\) 对应增大——小的特征值向配对小 \(n_1\) 的位置集中，正是 von Neumann 不等式预言的"同序对齐"。
Lyapunov 函数的增量：
与第 3 节公式对照：\(\|[N,H_0]\|_F^2 = |K_{12}|^2 + |K_{21}|^2 = 2k^2 = 2(n_1-n_2)^2b^2\)，故 \(\Delta F = \eta\|[N,H_0]\|_F^2\)，正好是连续流 \(dF/dt = \|[N,H]\|_F^2\) 走 \(\eta\) 时间的一阶结果。数字与公式严丝合缝。
第四步：精确的一步（不展开）。 因为 \(K_0 = ik\sigma_y\) 且 \(\sigma_y^2 = I\)：
即 Bloch 球上绕 \(y\) 轴的旋转，共轭 \(U_0H_0U_0^\dagger\) 精确保持两个特征值 \(\frac{a+c}{2} \pm \sqrt{\left(\frac{a-c}{2}\right)^2 + b^2}\)。迭代若干步后非对角元 \(b\) 被逐步压低，\(H_k\) 趋向对角形——用 \(2\times2\) 的眼睛就能看到"流把矩阵转到对角"的全过程。
6. Group commutator：在量子计算机上合成生成元¶
离散迭代里唯一非平凡的量子操作是 \(U_k = e^{\eta_k[N,H_k]}\)。量子计算机能直接做的是单个 Hamiltonian 的演化 \(e^{itH_k}\)、\(e^{itN}\)（假设我们有对应的 simulation oracle，比如 \(H_k\)、\(N\) 是局域或稀疏的），而生成元是两个算符的对易子。经典的解决办法是 group commutator product formula（群交换子乘积公式）：把两段正演化和两段逆演化交替串联，使一阶项相消、领头的幸存项恰好是对易子。
断言（符号约定如下）：
（各因子的次序可调换，调换后只改变对易子的符号；按需要的旋转方向选择。）
推导。 工具是 Baker–Campbell–Hausdorff (BCH) 公式
它的含义是：两个指数的乘积仍是单个指数，指数由 \(A+B\) 加上一系列嵌套对易子构成，每个嵌套对易子的阶数（所含 \(A,B\) 因子总数）递增。对我们的四段乘积分两步用 BCH。
先算左半 \(e^{i\sqrt\eta N}e^{i\sqrt\eta H_k}\)：取 \(A = i\sqrt\eta N\)、\(B = i\sqrt\eta H_k\)，则 \(A+B = i\sqrt\eta(N+H_k)\) 是 \(\sqrt\eta\) 阶，而
是 \(\eta\) 阶，更高阶的嵌套对易子都是 \(\eta^{3/2}\) 阶及以上。所以
同理算右半 \(e^{-i\sqrt\eta N}e^{-i\sqrt\eta H_k}\)，注意 \((-i\sqrt\eta)(-i\sqrt\eta) = -\eta\)，对易子项的系数同样是 \(-\eta/2\)：
最后把两个大指数再做一次 BCH 合并。记 \(X = i\sqrt\eta(N+H_k) - \frac{\eta}{2}[N,H_k]\)、\(Y = -i\sqrt\eta(N+H_k) - \frac{\eta}{2}[N,H_k]\)，则：
一阶项：\(X + Y\) 中 \(\pm i\sqrt\eta(N+H_k)\) 精确相消，剩下 \(-\eta[N,H_k]\)——这就是目标生成元；
二阶交叉项 \(\frac12[X,Y]\)：领头贡献是 \(\frac12[i\sqrt\eta(N+H_k),\, -i\sqrt\eta(N+H_k)] = \frac{\eta}{2}[N+H_k, N+H_k] = 0\)（任何算符与自身对易为零），非零贡献都来自 \(\sqrt\eta\) 阶与 \(\eta\) 阶的交叉，即 \(\eta^{3/2}\) 阶；
所有更高阶嵌套对易子同理是 \(\eta^{3/2}\) 阶及以上。
合起来即 \(e^{-\eta[N,H_k] + O(\eta^{3/2})}\)，断言得证。
这个构造的两个特性值得强调：
它不需要辅助比特，也不需要 controlled-\(U\)。 整个乘积只是对原有 simulation oracle 的正向/反向调用，因此不需要 postselection、不需要块编码框架——这是 double-bracket 路线相对 LCU/QSVT 类方法在资源开销上的一个卖点。
误差可以系统性压低。 上面是二阶（误差 \(\eta^{3/2}\)）的公式；存在对称化的高阶 group commutator formulas，通过更精心地安排正反向演化的次序，把误差压到 \(\eta\) 的更高幂，代价是每步调用次数增加。选择哪一阶公式，是在"步数"与"每步深度"之间的权衡，与 product-formula 模拟中的常见权衡完全同构。
合成出 \(e^{\eta_k[N,H_k]}\) 之后，用它共轭 \(H_k\) 就完成了一步 double-bracket 迭代。记账时注意：输入 Hamiltonian 的局域/稀疏模拟成本、以及 product-formula 误差所要求的步长，都必须计入总复杂度——\(\eta\) 越小，单步误差越小，但达到固定收敛目标所需的步数越多。
7. 递归深度为什么爆炸¶
上一节留下了一个致命的细节：第 \(k\) 步需要模拟的是更新后的 Hamiltonian \(H_k\)，而不是原始的 \(H_0\)。粗看这不是问题——因为 \(H_k\) 始终与 \(H_0\) 酉等价，
所以模拟 \(H_k\) 可以归结为模拟 \(H_0\)：
这个恒等式的验证：把右边指数展开，\(V_k H_0 V_k^\dagger\) 的幂满足 \((V_kH_0V_k^\dagger)^m = V_k H_0^m V_k^\dagger\)（中间的 \(V_k^\dagger V_k = I\) 逐对相消），逐项求和即得。
问题出在嵌套上。第 \(k\) 步的 group commutator 要调用 \(e^{itH_k}\) 常数次（二阶公式是 4 次），每次展开成 \(V_k e^{itH_0} V_k^\dagger\) 又包含整个 \(V_k\)——而 \(V_k\) 本身是此前所有 \(U_j\) 的乘积，每个 \(U_j\) 又各自是一个调用了 \(e^{itH_j}\) 的 group commutator。如果直接把一切内联展开成只含 \(e^{itH_0}\) 的电路，电路深度的递推形如
其中 \(c\) 是每步 group commutator 对"上一步演化"的调用次数（二阶公式里 \(c\) 至少是 4 量级的常数），\(O(1)\) 是新增的对 \(e^{itH_0}\) 的直接调用。这个递推可以显式求解：反复迭代得
即电路深度随迭代步数指数增长。每一步看似只加了常数个工作，但"模拟被更新过的 Hamiltonian"这件事把代价乘进了递归里。数值实验上，只跑少数几步的 double-bracket 迭代确实可行且有用（例如作为对角化的预处理或近端优化）；但渐近地看，原始形态的量子对角化算法并不高效——它没有一个对任意输入都多项式的深度上界。
有没有办法绕过递归？一个方向是用空间换深度，思想上类似量子动态规划 / 并行化：把中间步骤产生的酉变换或量子态显式地保存下来（存成电路描述、或制备成多份 copies 存在额外寄存器里），后续步骤直接调用存档，而不是从头递归重算。这样可以把深度从指数压回多项式量级，但代价是宽度（量子比特数）与 state-preparation 成本相应增长——递归并没有消失，只是从"深度账单"转移到了"宽度与制备账单"上。Zoo 519–520 讨论的正是这类 depth–width tradeoff 与相关的 map/Hermitian-preserving exponentiation 技术。
8. 虚时间演化是 projector 上的 double bracket¶
Double-bracket 框架还有一层出人意料的对应：纯态量子虚时间演化 (quantum imaginary-time evolution, QITE) 在 projector 层面恰好是一条 Brockett double-bracket 流。这一节把这个恒等式完整推出来。
第一步：建立归一化虚时间演化的方程。 未归一化的虚时间态是 \(|\tilde\psi(\tau)\rangle = e^{-\tau H}|\psi_0\rangle\)，归一化因子记 \(Z(\tau) = \langle\tilde\psi|\tilde\psi\rangle\)，物理态为
我们关心的是它的密度矩阵（rank-one projector）\(\rho(\tau) = |\psi(\tau)\rangle\langle\psi(\tau)| = |\tilde\psi\rangle\langle\tilde\psi|/Z\) 满足的方程。需要三个求导事实：
\(d|\tilde\psi\rangle/d\tau = -H|\tilde\psi\rangle\)（指数函数求导），同理 \(d\langle\tilde\psi|/d\tau = -\langle\tilde\psi|H\)；
\(\dot Z = \langle\tilde\psi|(-H)|\tilde\psi\rangle + \langle\tilde\psi|(-H)|\tilde\psi\rangle = -2\langle\tilde\psi|H|\tilde\psi\rangle = -2Z\langle H\rangle\)，其中 \(\langle H\rangle := \operatorname{Tr}(H\rho)\) 是归一化态的能量期望；
商的求导：\(\frac{d}{d\tau}\frac{|\tilde\psi\rangle\langle\tilde\psi|}{Z} = \frac{-H|\tilde\psi\rangle\langle\tilde\psi| - |\tilde\psi\rangle\langle\tilde\psi|H}{Z} - \frac{|\tilde\psi\rangle\langle\tilde\psi|\,\dot Z}{Z^2}\)。
代入 \(\dot Z = -2Z\langle H\rangle\) 与 \(\rho = |\tilde\psi\rangle\langle\tilde\psi|/Z\)，第二项成为 \(+2\langle H\rangle\rho\)，于是
其中 \(\{H,\rho\} = H\rho + \rho H\) 是反对易子。这就是归一化纯态虚时间演化的 projector 方程：第一项来自 \(e^{-\tau H}\) 的"衰减"，第二项来自归一化的"补偿"。
第二步：把 double bracket 算出来。 对 rank-one projector 有 \(\rho^2 = \rho\)（因为 \(|\psi\rangle\langle\psi|\psi\rangle\langle\psi| = |\psi\rangle\langle\psi|\)）。展开：
第三行用了 \(\rho^2 = \rho\)。而 rank-one projector 满足恒等式
（中间的 \(\langle\psi|H|\psi\rangle\) 是个数，可以提到算符外面）。代回：
第三步：对照。 第二步的结果与第一步的 \(\dot\rho\) 逐项相同，所以
这正是 double-bracket 形状：生成元 \([\rho, H]\) 是两个 Hermitian 矩阵的对易子（反厄米），外层再与 \(\rho\) 对易。换句话说，pure-state QITE 正是 projector unitary orbit 上的 Brockett double-bracket flow。这个对应解释了 DB-QITE 类算法（Zoo 523–525）为什么成立：虚时间演化本身是非酉的（\(e^{-\tau H}\) 不保持范数），但归一化后的 projector 始终可以用酉共轭来到达——非酉动力学被"投影"回了酉轨道上，全程保持纯度，且无需 postselection。
收敛性与代价的定性图景。 虚时间演化的标准分析在这里适用：若基态唯一、初态与基态的 overlap \(\gamma = |\langle\psi_0|\psi_{\mathrm{gs}}\rangle|\) 非零，则激发态分量被 \(e^{-\tau H}\) 以能量 gap \(\Delta\) 为速率指数压制，对固定尺寸的体系，收敛所需虚时间 \(\tau \sim \Delta^{-1}\log(1/(\gamma\varepsilon))\)，步数是这一量级的多项式。但必须保留原文的警告：当 system size 增长时，gap 可能指数变小、初始 overlap 可能指数变小、而每步 group-commutator 电路的深度还可能随步数指数增长——三个潜在的指数因子叠在一起，所以这条路线的高效性是问题依赖的，不能作为通用结论。
9. DB-QSP 与其他任务¶
Double-bracket 的 commutator synthesis 还有更广泛的用途，这里按原文范围概述并保留其保留条款。
DB-QSP。 交替使用"信号算符的演化"与"double-bracket 共轭旋转"，可以构造对 Hamiltonian 的多项式变换，形成一种无 postselection 的 QSP 变体。但目前已知构造的 runtime 可以指数于多项式次数（本质上仍是第 7 节递归深度的影子），所以 DB-QSP 尚不能替代高效的标准 QSP/QSVT，它的价值更多在于概念统一与免辅助比特。
与经典数值算法的联系。 Brockett–Helmke–Moore 的经典理论表明，double-bracket 型的等谱流统一关联 QR decomposition、linear programming、sorting 与 matrix diagonalization：这些任务都可以写成某个 unitary orbit 上的梯度流。每搬一个应用到量子侧，都必须单独给出该应用的 convergence 保证与 implementation complexity，不能从框架的存在性直接继承。
Zoo 的 speedup 标注。 综合第 7、8 节的讨论，Zoo 目前把这一类算法的 speedup 标为 unknown 是合理的：算法框架有明确的收敛方向（purposeful convergence），在若干近端数值场景有优势；但原始递归深度缺乏通用的 polynomial bound，任何多项式加速声称都必须附带额外的结构假设（例如小步数、好的 gap 与 overlap、或宽度换深度的预处理）。
10. Source 审计勘误¶
Zoo 页面在引用经典 DBF 文献时有编号错位：页面把 classical DBF 的引用写作 anchor HM、显示编号 321，而实际 bibliography 中对应条目是
（anchor HM12）。编号 321 实为无关的 quantum Lovász local lemma 条目。此外 RPP24/RPP22 两个 anchor 的命名与年份也存在不一致。本教程一律按论文标题与实际 521–526 的记录引用，不以页面显示编号为准。
11. 小结¶
Double-bracket flow \(\dot H = [[N,H],H]\) 是 unitary orbit 上的等谱 Riemannian gradient flow：对易子 \([N,H]\) 反厄米，共轭驱动自动保持整个谱。
\(\operatorname{Tr}(NH)\) 沿流单调，稳定点满足 \([N,H]=0\)；取非简并对角 \(N\) 时稳定点即对角形，von Neumann trace inequality 决定特征值的最终排序。
离散迭代用共轭 \(H_{k+1} = e^{\eta_k[N,H_k]}H_k e^{-\eta_k[N,H_k]}\) 精确保持谱；group commutator product formula 用四段正/反演化合成 \(e^{\eta[N,H_k]}\)，无需 ancilla 与 postselection。
但模拟"更新后的 Hamiltonian"引入递归 \(D_{k+1}\gtrsim cD_k + O(1)\)，电路深度随迭代数指数增长；可用额外宽度与 state preparation 换取深度，属 depth–width tradeoff。
归一化纯态虚时间演化的 projector 方程恒等于 Brockett double bracket：非酉动力学被投影回酉轨道，保持纯度、免 postselection；但 gap、overlap 与每步深度的系统尺寸标度都可能指数差，高效性是问题依赖的。
练习题¶
练习 1【从对角化到 double-bracket 方程】（→ 第 1 节）
基础：写出 double-bracket 方程，标出两层对易子的计算顺序（先 \([N,H]\)，再与 \(H\) 对易），并说明"排序"与"对角化"两个任务各自的要求差在哪里。
进阶：证明：若 \(H(t)\) 是 \(\dot H = [[N,H],H]\) 的解，则 \(H(-t)\) 是相反约定 \(\dot H = [H,[N,H]]\) 的解——即两种约定只是时间反演。
提示：先证恒等式 \([H,[N,H]] = -[[N,H],H]\)，再对 \(H(-t)\) 用链式法则求导。
练习 2【等谱性与酉轨道】（→ 第 2 节）
基础：设 \(N,H\) 均为 Hermitian，证明 \(K=[N,H]\) 是反厄米的；并列出沿 double-bracket 流不变的三类谱量。
进阶：从辅助方程 \(\dot U = K(H)U\)、\(U(0)=I\) 出发，证明 \(U(t)\) 是酉矩阵、\(H(t)=U(t)H(0)U(t)^\dagger\) 满足 \(\dot H=[K(H),H]\)，并用迹的循环性说明 \(\operatorname{Tr}(H^m)\) 沿流不变。
提示：对 \(U^\dagger U\) 求导并使用 \(K^\dagger = -K\)；迹部分用 \(\operatorname{Tr}(U H_0^m U^\dagger) = \operatorname{Tr}(H_0^m U^\dagger U)\)。
练习 3【Lyapunov 单调性与特征值排序】（→ 第 3 节）
基础：取 \(N=\operatorname{diag}(n_1,\dots,n_d)\)（\(n_i\) 互不相同），由矩阵元等式 \([N,H]_{ij}=(n_i-n_j)H_{ij}\) 说明稳定点条件 \([N,H]=0\) 为何迫使 \(H\) 的全部非对角元为零。
进阶：补全第 3 节的推导：从迹的循环性出发，完整验证 \(\operatorname{Tr}\big(A[B,C]\big) = \operatorname{Tr}\big(B[C,A]\big)\)，并由此得到 \(d\operatorname{Tr}(NH)/dt = \|[N,H]\|_F^2\)；指出每一步用到 \(N,H\) Hermitian 的位置，再陈述 von Neumann 迹不等式并说明"选择 \(N\) 的顺序即完成特征值排序"。
提示：反厄米性给出 \(K^2 = -K^\dagger K\)，与 \(\|K\|_F^2 = \operatorname{Tr}(K^\dagger K)\) 对照。
练习 4【离散迭代与谱的精确保持】（→ 第 4 节）
基础：写出离散迭代的三个公式 \(K_k=[N,H_k]\)、\(U_k=e^{\eta_k K_k}\)、\(H_{k+1}=U_k H_k U_k^\dagger\)，并解释为什么说它按构造精确保持 Hermiticity 与谱，而 Euler 步 \(H_k+\eta_k[[N,H_k],H_k]\) 只有一阶精度。
进阶：展开共轭 \(e^{\eta K}H e^{-\eta K}\) 到二阶，写出一阶项与二阶项各自的对易子结构，并由此说明一阶截断就是 Euler 步 \(H + \eta[[N,H],H]\)。
提示：\(e^{\eta K} = I + \eta K + \frac{\eta^2}{2}K^2 + \cdots\)，两侧一阶项符号相反；二阶项为 \(\frac{\eta^2}{2}[K,[K,H]]\)。
练习 5【2×2 手算例子】（→ 第 5 节）
基础：对 \(H_0=\begin{pmatrix}a&b\\b&c\end{pmatrix}\)（\(a,b,c\in\mathbb R\)）与 \(N=\operatorname{diag}(n_1,n_2)\)（\(n_1<n_2\)），计算 \(K_0=[N,H_0]\) 与一阶更新 \(H_1\)，并核对 \(\Delta F = 2\eta(n_1-n_2)^2b^2 = \eta\|[N,H_0]\|_F^2\)。
进阶：对第 5 节的 \(2\times2\) 例子，验证一步迭代后 \(\det H_1 = \det H_0 + O(\eta^2)\)，并精确算出 \(U_0 = e^{\eta K_0}\) 共轭后的 \(H_1\)，确认其两个特征值与 \(H_0\) 完全相同。
提示：\(K_0 = ik\sigma_y\) 且 \(\sigma_y^2 = I\)，故 \(U_0 = \cos(\eta k)I + i\sin(\eta k)\sigma_y\) 是绕 \(y\) 轴的旋转。
练习 6【群交换子乘积公式】（→ 第 6 节）
基础：写出二阶 group commutator 乘积公式（四段正/反演化的串联）及其误差阶 \(O(\eta^{3/2})\)，并列出该构造相对 LCU/QSVT 类方法的两个资源优势。
进阶：用 BCH 公式逐步推导第 6 节的 group commutator 公式，明确 \(\sqrt\eta\) 阶项为何相消、\(\eta\) 阶项为何幸存、误差为何从 \(\eta^{3/2}\) 阶开始。
提示：先用 BCH 分别合并左、右两个乘积，再把两个大指数合并，逐项跟踪 \(\eta\) 的幂次。
练习 7【递归深度指数增长】（→ 第 7 节）
基础：解释第 \(k\) 步为什么必须模拟更新后的 \(H_k\) 而不是原始的 \(H_0\)，写出深度递推 \(D_{k+1} \gtrsim cD_k + O(1)\)，并说明其中常数 \(c\) 的来源。
进阶：求解递推 \(D_{k+1} = cD_k + d\)（\(c>1\)，\(d\) 为常数）的显式表达式，并讨论：若用额外量子比特把中间酉变换显式存档、以宽度换深度，需要付出怎样的宽度与制备代价随 \(k\) 增长？（定性即可。）
提示：\(D_k = c^k D_0 + d\,\frac{c^k-1}{c-1}\)。
练习 8【虚时间演化的 projector 方程】（→ 第 8 节）
基础：写出归一化纯态虚时间演化的 projector 方程 \(\dot\rho = -\{H,\rho\} + 2\operatorname{Tr}(H\rho)\,\rho\)，并说明两项分别来自 \(e^{-\tau H}\) 的"衰减"与归一化的"补偿"。
进阶：证明 rank-one projector 的恒等式 \(\rho H\rho = \langle H\rangle\rho\)，并用它验证 \(\dot\rho = [[\rho,H],\rho]\) 与 \(\dot\rho = -\{H,\rho\} + 2\langle H\rangle\rho\) 逐项相等。
提示：\(\rho^2 = \rho\)，且 \(\langle\psi|H|\psi\rangle\) 是可提到算符外的标量。
参考文献与 Zoo 覆盖¶
实际 Zoo 521：Helmke--Moore, Optimization and Dynamical Systems（页面误标 321）。
Zoo 522：Marek Gluza, Double-Bracket Quantum Algorithms for Diagonalization.
Zoo 523--526：ground-state preparation、DB-QITE、Riemannian geometry 与 DB-QSP。
Zoo 519--520、250：depth--width tradeoff、Hermitian-preserving map exponentiation 与 density-matrix exponentiation。