2. 量子计算基础与回归建模接口

要把一个回归问题交给量子计算机处理，第一步不是写模型，而是建立一套“翻译规则”：经典世界里的实数、特征向量和损失函数，必须被编码成量子硬件能够操作的对象。本节围绕四个基本概念——量子比特、量子门、测量与态矢量/算符表示——说明它们各自承担什么角色，以及如何把回归问题映射为量子可计算形式。

量子比特：回归变量的载体

经典比特只能处于 0 或 1，而一个量子比特（qubit）的纯态可写成态矢量 |ψ⟩ = α|0⟩ + β|1⟩，其中 α、β 为复数振幅，满足 |α|² + |β|² = 1。|α|² 与 |β|² 分别是测量得到 0 和 1 的概率。这个“振幅 + 概率”的结构，正是量子回归能够表达连续信息的基础：单个量子比特本身只给出一个比特的测量结果，但多个量子比特的联合态矢量维度随比特数指数增长，n 个比特可承载 2ⁿ 个振幅。

在回归建模中，我们通常把输入特征 x = (x₁, …, x_d) 编码到量子态上。常见做法是角度编码：将归一化后的特征映射为旋转角，例如对第 i 个特征取 θᵢ = arctan(xᵢ) 或 θᵢ = π·xᵢ（xᵢ 已缩放到 [0,1]），再作用 Rᵧ(θᵢ) 门，使 |0⟩ 变为 cos(θᵢ/2)|0⟩ + sin(θᵢ/2)|1⟩。这样，经典特征就变成了可被量子门继续处理的振幅信息。需要注意，编码方式直接决定模型能表达的函数族，选择时应与特征的取值范围和后续门电路匹配。

量子门：对态矢量的酉变换

量子门是作用在态矢量上的酉算符 U（满足 U†U = I），它不改变态矢量的模长，只改变各振幅之间的相对关系。单比特门如 Rᵧ(θ)、Rₓ(θ)、Hadamard 门 H，负责制备叠加态和调节相位；双比特门如 CNOT、CZ，负责在比特之间建立纠缠，使联合态无法分解为各自独立态的乘积。纠缠是量子模型表达特征交互的关键资源。

从算符视角看，一个量子线路就是若干酉算符的乘积：|ψ_out⟩ = U_L ⋯ U₂U₁|ψ_in⟩。回归任务中，我们通常设计一个含参数化门的线路 U(θ)，其中 θ 是可训练参数，通过经典优化器迭代更新。例如一个简单的变分线路：先对每个比特作用 H 门制备均匀叠加，再交替施加 Rᵧ(θᵢ) 旋转层和 CNOT 环形纠缠层，重复 p 层（p 称为线路深度）。深度越大，模型可表达的函数越复杂，但也越容易遇到噪声和训练困难。

测量与期望值：从量子态读出回归输出

量子态不能直接读出全部振幅，测量会以概率方式坍缩到某个基态。因此回归输出通常不取单次测量结果，而是取某个可观测量（算符）的期望值。设可观测量为 O，则输出 y = ⟨ψ|O|ψ⟩。最常用的是 Pauli-Z 算符，其期望值 ⟨Z⟩ = P(0) − P(1)，取值范围为 [−1, 1]。若回归目标不在该区间，可通过线性变换 y = a·⟨Z⟩ + b 映射回实际量纲。

实际操作中，期望值由多次测量取平均估计：对同一线路重复采样 N 次（shots），统计 0 和 1 的频次，得到 ⟨Z⟩ ≈ (n₀ − n₁)/N。N 越大，统计误差越小，误差量级约为 1/√N。例如 N = 1024 时，标准误差约 0.03。这一采样过程是量子回归与经典回归在接口上的重要差异：输出带有统计噪声，优化时需要考虑估计方差。

回归问题的量子映射流程

综合以上要素，一个典型的量子回归建模接口可以概括为：数据预处理与归一化 → 特征角度编码 → 参数化线路 U(θ) → 对可观测量测量取期望 → 线性缩放得到预测值 → 计算损失并更新 θ。下图展示了这一数据流与各环节对应的量子对象。

以示例说明：假设要拟合 y = 2x + 1，x ∈ [0,1]。取单比特、单层 Rᵧ(θ) 线路，编码角 θ_in = πx，可训练参数为 φ，线路为 Rᵧ(φ)Rᵧ(θ_in)|0⟩。测量 ⟨Z⟩ = cos(φ + πx)，预测 ŷ = a·cos(φ + πx) + b。通过若干组 (x, y) 样本，用均方误差 L = (1/M)Σ(ŷ − y)² 作为损失，采用参数移位规则计算梯度 ∂L/∂φ，迭代若干轮后即可观察损失是否收敛。这里的数据与结果属于教学示例，实际数值取决于编码方式、线路结构和优化设置。

最后要强调，量子回归并非在所有问题上都优于经典方法。当前阶段更现实的价值在于：理解态矢量与算符的语言，掌握“经典数据 → 量子态 → 测量期望 → 经典损失”的完整接口，从而在合适的场景（如高维特征交互、特定核函数结构）中评估量子模型的潜力，而不是盲目替换经典回归。