📚 课程目录第4章量子态编码与数据嵌入

4. 量子态编码与数据嵌入

量子聚类算法的第一步，是把经典数据映射到量子态空间。这一步决定了后续量子线路能"看到"什么样的数据结构，也直接约束了可用的量子比特数、线路深度和测量方式。本章围绕四种主流编码方式——基态编码、振幅编码、角度编码和量子特征映射——讨论它们的数学形式、资源开销、工程实现要点，以及在聚类数据预处理中的取舍。

四种编码方式的定位

基态编码（Basis Encoding）把每个经典比特直接对应到一个量子比特的计算基态，例如整数 5 编码为 |101⟩。它本质上是把经典比特串"搬"到量子寄存器，不产生叠加，因此单次测量即可读出全部信息。优点是实现简单、无额外门开销；缺点是量子并行性完全没有被利用，只适合作为量子算术或量子随机存取存储器的地址输入。

振幅编码（Amplitude Encoding）把归一化后的经典向量 x 编码为量子态的振幅：|ψ⟩ = Σᵢ xᵢ|i⟩，要求 Σ|xᵢ|² = 1。n 个量子比特可以承载 2ⁿ 个振幅，因此存储效率极高——20 个量子比特理论上可编码约 100 万个特征分量。代价是制备线路通常很深，通用态制备需要 O(2ⁿ) 量级的门，且需要预先做 L2 归一化。在聚类任务中，振幅编码适合把高维样本向量整体送入量子态，配合 swap test 或距离估计线路计算样本间相似度。

角度编码（Angle Encoding）把每个特征映射为一个旋转角，作用在对应量子比特上：|ψ⟩ = ⊗ᵢ R_y(θᵢ)|0⟩，其中 θᵢ = xᵢ（或缩放后的 xᵢ）。它只使用单比特旋转门，线路深度为常数级，硬件友好，是当前含噪中等规模量子（NISQ）设备上最常用的编码。缺点是每个特征占用一个量子比特，特征维度等于所需比特数，且编码后各比特之间没有纠缠，表达能力受限。

量子特征映射（Quantum Feature Map）是角度编码的推广：先用角度编码把数据写入量子态，再通过纠缠门（如 CNOT、CZ）和重复的旋转层构造非线性映射，把数据嵌入到更高维的希尔伯特空间。典型形式为 U(x) = U_Φ(x) H^⊗n U_Φ(x) H^⊗n，其中 U_Φ(x) = exp(i Σ xⱼ Zⱼ) 或含 ZZ 相互作用项。特征映射决定了量子核 K(x, x') = |⟨φ(x)|φ(x')⟩|² 的形状，是量子核聚类性能的核心。

工程实现：从数据到量子态的完整链路

实际工程中，编码不是孤立的一步，而是嵌入在"标准化—降维—编码—线路执行"的流水线中。以下给出一个可复现的实现示例，使用 Qiskit 完成角度编码与振幅编码的对比。

import numpy as np
from qiskit import QuantumCircuit
from qiskit.circuit.library import ZZFeatureMap, RealAmplitudes

# 示例数据：3 个样本，4 维特征（已做 z-score 标准化）
X = np.array([
    [ 0.82, -0.31,  1.05, -0.67],
    [-0.54,  0.91, -0.22,  0.38],
    [ 0.11, -0.75,  0.63,  0.94]
])

# --- 角度编码：每个特征一个 R_y 旋转 ---
def angle_encode(x):
    qc = QuantumCircuit(len(x))
    for i, val in enumerate(x):
        qc.ry(val, i)          # θ = x_i，直接使用标准化值
    return qc

# --- 振幅编码：先 L2 归一化，再用 initialize ---
def amplitude_encode(x):
    norm = np.linalg.norm(x)
    if norm == 0:
        raise ValueError("零向量无法振幅编码")
    x_norm = x / norm
    qc = QuantumCircuit(int(np.ceil(np.log2(len(x)))))
    qc.initialize(x_norm, qc.qubits)
    return qc

# --- 量子特征映射：ZZ 特征映射，重复 2 层 ---
def feature_map(x, reps=2):
    fm = ZZFeatureMap(feature_dimension=len(x), reps=reps)
    return fm.assign_parameters(x)

for idx, sample in enumerate(X):
    qc_a = angle_encode(sample)
    qc_b = amplitude_encode(sample)
    qc_f = feature_map(sample)
    print(f"样本 {idx}: 角度编码深度={qc_a.depth()}, "
          f"振幅编码深度={qc_b.depth()}, 特征映射深度={qc_f.depth()}")

运行上述代码（示例参数，非实测结果）可观察到：角度编码深度为 1，振幅编码深度随维度增长而显著增加，ZZ 特征映射在 reps=2 时深度约为 10～15。在 4 维特征下，角度编码只需 4 个量子比特，振幅编码只需 2 个量子比特，但后者需要精确的态制备。若把维度扩展到 16，振幅编码仅需 4 个量子比特，而角度编码需要 16 个——这正是振幅编码在比特预算紧张时的价值所在。

编码选择的关键判断依据

选择编码方式时，需要同时考虑四个约束：比特预算、线路深度、表达能力和测量方式。若硬件比特数充足但相干时间短，优先角度编码；若特征维度极高且允许较深线路，振幅编码更合适；若聚类任务需要非线性决策边界，量子特征映射是必要选择，但需通过交叉验证控制 reps 层数，避免过拟合。

工程提示：角度编码中，若特征值范围超出 [-π, π]，应先做线性缩放 θ = π·(x - x_min)/(x_max - x_min)，否则旋转角会出现周期性折叠，导致不同样本编码到相同量子态。

常见陷阱：振幅编码要求输入向量严格归一化。若直接使用未归一化的原始特征，Qiskit 的 initialize 会抛出异常或自动归一化，后者会改变样本间的相对距离，破坏聚类结构。务必在编码前显式执行 L2 归一化并记录缩放因子。

编码对聚类结果的影响

编码方式直接改变样本在希尔伯特空间中的距离度量。角度编码下，两个样本的量子态保真度为 Π cos²((xᵢ - x'ᵢ)/2)，距离随特征差非线性变化；振幅编码下，保真度等于归一化向量的内积平方，与经典余弦相似度一致；量子特征映射则通过纠缠层引入高阶关联，使距离度量包含特征交叉项。在工程实践中，建议先用小规模数据（如 50～100 个样本）对比不同编码下的聚类轮廓系数，再决定最终方案。若角度编码与振幅编码的轮廓系数接近，优先选择角度编码以降低线路深度和噪声影响。

完成编码后，样本已表示为量子态，下一步即可送入量子聚类线路（如量子 k-means 的 swap test 距离估计、量子谱聚类或变分量子聚类器）。编码阶段留下的归一化参数、降维投影矩阵和比特映射关系需要完整记录，以便在测量结果解码时还原到原始特征空间。