2. 量子计算基础速览

在混合量子经典优化工作流中，量子处理器并不是一个“更快的经典求解器”，而是一个能够按特定方式制备、演化和读取量子态的物理资源。要理解它为什么能参与优化，必须先看清五个基本概念各自承担什么角色：量子比特是信息载体，叠加提供并行探索的可能，纠缠建立变量之间的强关联，门操作负责按算法意图改变状态，测量则把量子态坍缩为经典比特，成为经典优化器可读取的反馈信号。

量子比特：优化问题的物理载体

经典比特只能处于 0 或 1，而量子比特（qubit）的状态可以写成基态的线性组合：

|ψ⟩ = α|0⟩ + β|1⟩，其中 |α|² + |β|² = 1

α 和 β 是复数振幅，|α|² 与 |β|² 分别表示测量得到 0 和 1 的概率。对优化而言，这意味着一个量子比特可以同时“倾向”于两个取值，直到测量才给出确定结果。若把组合优化中的每个二元决策变量映射为一个量子比特，n 个变量就对应 n 个量子比特，整个搜索空间是 2ⁿ 个候选解。量子算法并不直接遍历这 2ⁿ 个解，而是通过振幅的构造与干涉，让目标解对应的振幅被放大、劣解对应的振幅被抵消。

叠加与纠缠：并行性与变量关联

叠加是单量子比特层面的性质。对处于 |0⟩ 的量子比特施加 Hadamard 门，得到 (|0⟩+|1⟩)/√2，测量时以各 50% 的概率得到 0 或 1。在优化中，叠加常用于初始化：把所有变量同时置于“未定”状态，为后续的相位编码和振幅放大提供均匀起点。

纠缠则是多量子比特之间的非经典关联。以 Bell 态为例：

|Φ⁺⟩ = (|00⟩ + |11⟩)/√2

测量第一个量子比特若得 0，第二个必为 0；若得 1，第二个必为 1。这种关联无法分解为两个独立量子比特状态的乘积。在优化中，纠缠对应变量之间的约束与耦合：例如最大割问题中，一条边连接的两个顶点若被分到不同集合则贡献收益，纠缠和受控门可以把这种“同异关系”编码进量子态，使目标函数的结构反映在振幅与相位上。

门操作：把目标函数写进量子态

量子门是作用在量子比特上的酉变换。单比特门如 X、H、Rz，多比特门如 CNOT、CZ。在优化中，门序列通常承担两类任务：一是制备初态，例如对所有量子比特施加 H 门得到均匀叠加；二是编码代价函数，例如用受控相位门把某个变量组合的代价转化为相位。以 QAOA（量子近似优化算法）为例，其核心线路由代价层和混合层交替组成：

|ψ(β,γ)⟩ = e^{-iβB} e^{-iγC} … e^{-iβB} e^{-iγC} |+⟩^⊗n

其中 C 是代价哈密顿量，B 是混合哈密顿量，γ 和 β 是待优化参数。代价层通过相位门把目标函数值“印”到各计算基态的相位上，混合层则让振幅在解空间内重新分配。门操作的深度、保真度和连通性直接决定量子部分能表达多复杂的优化结构。

测量：从量子态到经典反馈

测量是量子计算与经典优化之间的接口。对 |ψ⟩=α|0⟩+β|1⟩ 测量，得到 0 的概率为 |α|²，得到 1 的概率为 |β|²，测量后状态坍缩到对应基态。在优化中，通常需要多次重复制备和测量同一参数下的量子态，统计各比特串的出现频率。频率高的比特串对应振幅大的解，也就是算法认为“更优”的候选解。

例如，对一个 4 变量问题运行 1000 次测量，若比特串 1010 出现 320 次、0110 出现 180 次，而其余串各出现几十次，则 1010 是当前参数下最值得关注的候选解。经典优化器根据这些频率估计目标函数期望值，再更新 γ、β 等参数，形成闭环。

在优化中的角色分工与参数关系

把五个概念放在混合工作流中看，它们的分工是清晰的：量子比特决定问题规模，叠加决定初始探索的广度，纠缠决定变量间耦合能否被表达，门操作决定代价函数如何被编码，测量决定经典优化器能获得什么反馈。一个常见的误区是认为“量子比特越多越好”，但实际上若门保真度不足、纠缠连通性受限，增加量子比特只会让噪声累积更快，测量结果更接近均匀分布，优化信号被淹没。

因此在实际设计时，需要关注几个可观察量：测量得到的候选解频率是否显著高于均匀分布（2ⁿ 分之一）；目标函数期望值随参数迭代是否下降；量子线路深度是否超过当前硬件的相干时间限制。若频率接近均匀、期望值不下降，通常说明量子部分没有有效编码问题结构，需要检查纠缠连接、门参数或测量次数。

下一阶段进入具体算法时，你会看到 QAOA、VQE 等框架如何把上述要素组织成可执行的线路，以及经典优化器如何根据测量统计更新参数。掌握本节的概念分工，是判断量子部分是否真正参与优化、还是仅仅在产生噪声的前提。