4. 量子测量与概率分布

量子计算与经典计算最本质的差异之一，在于测量行为本身会改变量子态。一个量子比特在测量前可以处于 |0⟩ 与 |1⟩ 的叠加态 α|0⟩+β|1⟩，而一旦执行测量，它就会以概率 |α|² 坍缩到 |0⟩，以概率 |β|² 坍缩到 |1⟩。因此，量子程序的输出天然是概率性的：单次运行只能得到一个确定结果，只有通过大量重复测量（shots），才能从统计频率中逼近真实的概率分布。本节的核心任务，就是在 Qiskit 中完成这一过程，并把模拟得到的频率与理论概率进行对照。

一、理论概率从哪里来

在 Qiskit 中，量子线路由量子门构成，量子态由态矢量或密度矩阵描述。对于最简单的单量子比特叠加态，我们常用 Ry(θ) 门来制备：

Ry(θ)|0⟩ = cos(θ/2)|0⟩ + sin(θ/2)|1⟩

由此可得测量到 |0⟩ 的理论概率为 P(0)=cos²(θ/2)，测量到 |1⟩ 的理论概率为 P(1)=sin²(θ/2)。例如取 θ=π/3（即 60°），则 P(0)=cos²(30°)=0.75，P(1)=sin²(30°)=0.25。这两个数值就是后续对比的“理论值”。需要强调的是，理论值来自量子力学的数学形式，而不是模拟器给出的结果；模拟值只是对理论值的一次有限次采样估计。

二、在Qiskit中实现多次测量

Qiskit 的采样流程可以概括为：构建量子线路 → 添加测量 → 选择后端 → 指定 shots → 执行并获取计数。下面给出一个可直接运行的示例，使用 Aer 模拟器完成 4096 次测量：

from qiskit import QuantumCircuit, transpile
from qiskit_aer import AerSimulator
import numpy as np

theta = np.pi / 3
qc = QuantumCircuit(1, 1)
qc.ry(theta, 0)      # 制备叠加态
qc.measure(0, 0)     # 测量并写入经典寄存器

sim = AerSimulator()
compiled = transpile(qc, sim)
result = sim.run(compiled, shots=4096).result()
counts = result.get_counts()
print(counts)        # 例如 {'0': 3078, '1': 1018}

这里有几个关键点。第一，measure(0, 0) 把量子比特 0 的测量结果写入经典比特 0，这是获得计数结果的前提。第二，shots=4096 表示重复运行并测量 4096 次，shots 越大，频率越接近理论概率，但不会无限逼近，因为采样本身存在统计涨落。第三，get_counts() 返回的是字典，键为测量结果字符串，值为出现次数。

把计数换算为频率，就得到模拟概率分布：

total = sum(counts.values())
p0_sim = counts.get('0', 0) / total
p1_sim = counts.get('1', 0) / total
print(p0_sim, p1_sim)   # 例如 0.7515, 0.2485

三、概率分布的可视化与对比

仅看两个数字不够直观，通常用柱状图同时展示理论值与模拟值。Qiskit 提供 plot_histogram，也可以直接用 Matplotlib 绘制对比图。下面给出一个对比示例（数值为示例性结果，用于说明分析方法）：

测量结果	理论概率	模拟频率（4096 shots）	绝对偏差
|0⟩	0.7500	0.7515	0.0015
|1⟩	0.2500	0.2485	0.0015

偏差很小，说明模拟结果与理论一致。但要注意，偏差大小与 shots 数量直接相关。若把 shots 降到 100，可能出现 0.78 与 0.22 这样的频率，偏差明显增大；若提高到 100000，频率通常会更贴近 0.75 与 0.25。这正是“大数定律”的体现：独立重复试验次数越多，频率越稳定地收敛到概率。

四、如何判断模拟值与理论值是否一致

对比时不能只看“像不像”，而应给出可量化的判断依据。常用方法有三种。第一种是绝对偏差：|P_sim − P_theory|，如上表中为 0.0015，直观但缺少统计显著性。第二种是标准差估计：对于二项分布，单次测量结果的标准差约为 √(P(1−P)/shots)。以 P=0.75、shots=4096 为例，标准差约为 √(0.75×0.25/4096)≈0.0068，因此 0.0015 的偏差远小于一个标准差，属于正常涨落。第三种是多次重复实验，观察频率是否围绕理论值波动，而不是单调偏离。

五、扩展到多量子比特与真实噪声

上述方法可直接扩展到多量子比特。例如制备 Bell 态 (|00⟩+|11⟩)/√2，理论概率为 P(00)=0.5、P(11)=0.5、P(01)=P(10)=0。在理想模拟器上，4096 shots 下通常只会出现 00 和 11，频率各约 0.5。但如果使用带噪声模型的后端，或运行在真实量子硬件上，就可能出现少量 01 和 10，这反映了退相干、门错误和读出错误的影响。此时“理论值”应理解为理想无噪声概率，而“模拟值”则包含噪声效应，两者的偏差本身就是评估硬件质量的重要指标。

六、可复用的实验记录表

为了便于对比不同 θ 和 shots 下的结果，可以按下面的字段记录每次实验。表中数值为示例，实际运行时请替换为自己的测量结果。

θ	shots	P(0) 理论	P(0) 模拟	P(1) 理论	P(1) 模拟	最大偏差
π/6	1024	0.9330	0.9287	0.0670	0.0713	0.0043
π/4	2048	0.8536	0.8560	0.1464	0.1440	0.0024
π/3	4096	0.7500	0.7515	0.2500	0.2485	0.0015
π/2	8192	0.5000	0.4988	0.5000	0.5012	0.0012

从表中可以看出，随着 shots 增大，最大偏差整体呈下降趋势，这与统计涨落随样本量增大而减小的规律一致。同时，θ=π/2 时理论概率为 0.5/0.5，模拟值也最接近均匀分布，说明 Ry 门对叠加态的控制是准确的。通过这样一组实验，读者不仅掌握了 Qiskit 多次测量的实现方法，也建立了“理论概率—模拟频率—统计偏差”三者之间的定量联系，为后续更复杂的量子算法验证打下基础。