2. 量子计算基础速览

在《量子回归与参数估计工程》中，我们最终要处理的对象不是抽象的“量子态”，而是可调参数、可观测输出与可估计量之间的关系。因此，本章不追求量子力学的完整形式体系，而是建立一套面向回归与估计任务的计算语言：状态如何表示、参数如何进入线路、测量如何产生数据、纠缠如何改变可估计性。掌握这五个概念后，后续章节中的参数化线路、损失函数、梯度估计与噪声建模才有统一的描述基础。

量子比特：从连续状态到可观测统计

经典比特只有 0 或 1，量子比特（qubit）的状态则写为二维复向量：

|ψ⟩ = α|0⟩ + β|1⟩,  α, β ∈ ℂ,  |α|² + |β|² = 1

其中 α、β 称为概率幅，|α|² 与 |β|² 分别是测量得到 0 和 1 的概率。对回归任务而言，关键不是“同时是 0 和 1”这种通俗说法，而是：量子态由连续参数描述，但测量只给出离散统计结果。这意味着任何量子回归都必须通过多次测量（shots）估计期望值，例如：

⟨Z⟩ = P(0) − P(1) ≈ (n₀ − n₁) / N

若 N=4096，测得 n₀=3072、n₁=1024，则 ⟨Z⟩≈0.5。这个估计值带有统计误差，误差量级约为 1/√N。因此，量子参数估计的第一课是：参数藏在概率幅里，数据来自测量统计。

叠加与相位：参数如何进入量子态

叠加是量子线路表达参数的基本方式。以单比特旋转门为例：

R_y(θ)|0⟩ = cos(θ/2)|0⟩ + sin(θ/2)|1⟩

当 θ 从 0 变化到 π 时，测量得到 1 的概率从 0 平滑变化到 1。若把 θ 视为待估参数，则 ⟨Z⟩=cos θ 就是一条可回归的响应曲线。更一般地，量子线路中的可调参数通常以旋转角形式出现，如 R_x(φ)、R_y(θ)、R_z(λ)。相位参数在计算基下不直接改变概率，但会通过后续干涉门影响测量结果，这正是量子线路能表达复杂函数的原因。

纠缠：多比特参数估计的资源

纠缠描述多比特之间无法分解的关联。以 Bell 态为例：

|Φ⁺⟩ = (|00⟩ + |11⟩) / √2

测量第一个比特得到 0，第二个必为 0；得到 1，第二个必为 1。这种关联不是经典相关性可以完全复制的。在参数估计中，纠缠的作用是：把多个局部参数耦合到全局可观测量的变化率上。例如用 N 个比特的 GHZ 态估计一个相位 φ 时，测量信号可写成 cos(Nφ)，频率随 N 增大，理论上相位估计精度可提升到 1/N 量级，优于独立比特的 1/√N。但纠缠态对噪声更敏感，实际工程中需要在“精度增益”与“退相干损失”之间权衡。

测量：从量子态到可回归数据

测量是量子计算与经典数据之间的唯一接口。标准计算基测量把 |ψ⟩ 投影到 |0⟩ 或 |1⟩，得到经典比特。若需要估计 ⟨X⟩ 或 ⟨Y⟩，则要在测量前施加基变换门：

测 ⟨X⟩：先加 H 门，再测 Z
测 ⟨Y⟩：先加 S† 门，再加 H 门，再测 Z

在参数估计流程中，通常对同一线路重复采样 N 次，得到经验频率，再换算成期望值。若线路含多个可观测项，则需分别测量或使用分组测量。测量噪声、读出误差和有限采样都会进入最终估计，因此回归模型不能只写“理论期望”，还要包含统计误差项。

量子线路模型：参数估计的计算骨架

量子线路模型由三部分组成：初始态制备、参数化酉变换、测量。典型结构为：

|0⟩⊗n → 初始化层 → [参数化门 + 纠缠层] × L → 测量

其中 L 是线路层数，参数化门携带可训练参数 θ，纠缠层通常由 CNOT 或 CZ 构成。对回归任务，输入 x 可以通过编码门进入线路，例如 R_y(x) 或 R_z(x)；输出则是测量期望值 ŷ=⟨O⟩。于是量子回归模型可写成：

ŷ(x, θ) = ⟨0|U†(x, θ) O U(x, θ)|0⟩

训练目标是最小化预测与标签之间的损失，例如均方误差。梯度可通过参数移位规则计算：

∂⟨O⟩/∂θ = [⟨O⟩(θ+π/2) − ⟨O⟩(θ−π/2)] / 2

这意味着每个参数梯度需要两次额外线路评估，工程上必须考虑采样次数与线路深度的平衡。

面向回归与估计的工程要点

把上述概念落到工程实现时，需要关注四个具体问题。第一，参数化方式：数据编码用角度编码还是振幅编码，直接影响线路深度与表达能力；角度编码简单但需要更多层，振幅编码紧凑但制备成本高。第二，测量分组：若可观测量由多个 Pauli 项组成，应把可对易的项分到同一组，减少线路执行次数。第三，采样预算：每个期望值的误差约为 1/√N，若要求精度 0.01，则 N 需约 10⁴ 量级；梯度估计需要多次评估，总采样量会成倍增加。第四，纠缠层设计：纠缠能提升表达能力，但也会放大噪声，实际中常用硬件拓扑允许的 CNOT 连接，并控制层数避免退相干主导。