通过基于轮廓的矩阵分解实现非幺正动力学的量子模拟
该团队提出了一种基于轮廓的矩阵分解(Contour-Based Matrix Decomposition, CBMD)框架,用于实现非幺正动力学的可扩展模拟。与现有遵循“先积分后离散化”范式并严重依赖数值积分的方法不同,CBMD将柯西留数定理推广至矩阵值函数,直接将非厄米函数分解为厄米函数的线性组合,这种分解可通过量子奇异值变换(QSVT)等技术高效实现。针对非厄米动力学模拟,CBMD实现了最优查询复杂度。通过引入额外的特征值平移技术,改进后的复杂度仅取决于系统的谱范围而非谱范数。对于可由非厄米多项式近似的一般动力学过程——此类情形下QSVT等算法面临显著困难——CBMD仍保持适用性,同时规避了可对角化假设以及限制其他方法的条件数依赖性。



