2. 量子计算基础速览

在量子经典混合工作流中,经典计算机负责参数优化、任务调度与结果后处理,量子处理器负责在特定问题上执行量子线路。要理解这条流水线为什么这样分工,必须先掌握六个基础概念:量子比特、叠加、纠缠、测量、量子门与量子线路。它们不是孤立术语,而是从“状态如何表示”到“状态如何演化”再到“结果如何读出”的一条完整链路。

量子比特:从连续振幅到可读状态

经典比特只能处于 0 或 1。量子比特(qubit)的状态可以写成两个基态的复振幅叠加:

|ψ⟩ = α|0⟩ + β|1⟩
约束:|α|² + |β|² = 1

其中 α、β 是复数,|α|² 和 |β|² 分别表示测量得到 0 和 1 的概率。注意,振幅本身不可直接观测,只有经过测量后才能得到概率性的经典结果。这一点决定了量子程序不能像经典程序那样随时“打印中间变量”,而必须通过多次采样统计来估计输出分布。

在混合工作流中,量子比特通常由超导电路、离子阱或光子等物理载体实现。以超导 transmon 为例,|0⟩ 和 |1⟩ 对应两个最低能级,控制脉冲通过微波线路施加。经典控制器负责生成脉冲波形、校准频率与相位,量子芯片只负责在极低温环境下保持相干并执行门操作。

叠加与纠缠:量子并行性的两个来源

叠加让一个量子比特同时携带 0 和 1 的振幅信息。对 n 个量子比特,若都处于均匀叠加,则系统可同时表示 2ⁿ 个基态的振幅。但“同时表示”不等于“同时读出所有答案”。测量只会坍缩到其中一个基态,因此量子算法的核心技巧是:通过干涉让错误答案的振幅相消,让正确答案的振幅增强,最后再测量。

纠缠是比叠加更强的关联。以 Bell 态为例:

|Φ⁺⟩ = (|00⟩ + |11⟩) / √2

测量第一个量子比特得到 0,第二个必然也是 0;得到 1,第二个必然也是 1。这种关联无法用两个独立量子比特的乘积描述。在混合工作流中,纠缠是量子优势的重要资源,但也很脆弱:退相干、门误差和读取误差都会破坏纠缠,因此需要经典校准与纠错流程持续介入。

量子经典混合工作流中的量子基础链路 经典控制器 参数优化 / 脉冲生成 校准 / 纠错调度 量子处理器 量子比特阵列 / 门操作 相干时间 / 读取通道 经典后处理 采样统计 / 期望值估计 结果反馈 / 迭代 控制脉冲 测量比特串 参数更新反馈 量子比特状态演化与测量链路 初始态 |0⟩ α=1, β=0 叠加态 α|0⟩ + β|1⟩ |α|²+|β|²=1 纠缠态 (α|00⟩+β|11⟩) 非乘积态关联 测量坍缩 概率性输出 0 或 1 比特串 H 门 CNOT 读取 量子门与量子线路:状态演化的操作序列 H 门 X / Y / Z CNOT Rz(θ) 测量 量子线路 = 量子比特 + 门序列 + 测量指令,编译后映射到物理脉冲

量子门与量子线路:把算法写成可执行指令

量子门是作用在量子比特上的酉变换。单比特门如 H 门把 |0⟩ 变成 (|0⟩+|1⟩)/√2;X 门类似经典非门;Rz(θ) 是带参数的旋转门,常用于变分量子算法。双比特门如 CNOT 用于产生纠缠。量子线路就是按时间顺序排列的门序列,加上测量指令。

在混合工作流中,量子线路通常由经典程序生成。以变分量子本征求解器(VQE)为例,经典优化器给出一组参数 θ,量子线路按 θ 执行并测量,得到期望值 ⟨H⟩,再返回经典优化器更新 θ。这里的关键是:量子线路负责“计算”,经典优化器负责“搜索”。

一个最小示例是制备 Bell 态并测量:

q0: ──H──●──M
q1: ─────X──M

H 门让 q0 进入叠加态,CNOT 以 q0 为控制、q1 为目标,产生纠缠。测量后,理想情况下应得到 00 和 11 各约 50%,而 01 和 10 接近 0。若实际运行中 01/10 比例明显偏高,通常说明 CNOT 门误差较大或读取串扰严重,需要回到校准环节调整脉冲参数。

测量:量子与经典的接口

测量是量子信息转为经典信息的唯一出口。它有两个重要特征:一是概率性,单次测量只能得到一个比特串;二是坍缩性,测量后状态被破坏,不能重复读取同一状态。因此量子程序通常需要重复执行同一线路数千次,统计频率来估计概率分布。

在混合工作流中,测量结果会进入经典后处理模块。例如计算期望值时,需要把比特串映射为 ±1 本征值,再按频率加权平均。若使用纠错码,还需要根据测量得到的 syndrome 判断是否发生了错误,并决定是否施加纠正操作。

在混合工作流中的角色定位

把六个概念放回混合工作流,可以形成清晰的分工:量子比特是物理资源,叠加与纠缠是计算资源,量子门与量子线路是编程模型,测量是读出接口。经典计算机则负责参数优化、线路编译、校准调度、误差缓解与结果统计。

实际工程中,一个典型循环是:经典优化器生成参数 → 编译为脉冲序列 → 量子处理器执行 → 测量得到比特串 → 经典后处理估计期望值 → 反馈更新参数。这个循环可能重复几十到几千次,直到收敛或达到预算上限。理解这条链路,就能明白为什么量子程序不能脱离经典控制独立运行,也能在调试时快速定位问题出在参数、门、测量还是后处理环节。

学习建议:初学阶段不必急于深入物理实现,先建立“状态—门—测量—统计”的思维模型。能看懂一条量子线路,能解释测量结果的概率含义,能说清经典优化器在循环中做什么,就已经具备进入后续混合算法学习的基础。