2. 量子核分类器的数学基础

量子核分类器并不是把经典核方法简单搬到量子硬件上,而是把“特征映射”这一步交给量子态制备:经典样本 x 被编码为一个量子态 |φ(x)⟩,两个样本的相似度由它们在希尔伯特空间中的内积模平方给出。要真正读懂并实现这一过程,必须先厘清四个层层递进的数学对象:希尔伯特空间、量子态、密度矩阵与核函数。本节按“空间—状态—混合状态—相似度”的顺序展开,并在每个环节给出可直接用于编程的表示方式。

一、希尔伯特空间:特征所在的复向量空间

量子力学中的状态生活在复希尔伯特空间 ℋ 中。对 n 个量子比特的系统,ℋ 是 2n 维复向量空间 ℂ2n,其元素写作列向量,内积定义为 ⟨ψ|φ⟩ = Σi ψi*φi。这个内积是后面一切核函数的源头:它天然满足共轭对称 ⟨ψ|φ⟩ = ⟨φ|ψ⟩*、正定性 ⟨ψ|ψ⟩ ≥ 0,正是核函数所需的两条基本性质。

需要特别强调张量积结构。单比特空间 ℋ1 = ℂ2,两比特空间是 ℋ1 ⊗ ℋ1,维数相乘而非相加。这意味着量子特征映射的“特征维度”随比特数指数增长,这也是量子核相对经典核的潜在优势所在。在代码中,一个 2 比特态就是一个长度 4 的复向量,例如 |00⟩ 对应 [1,0,0,0]T,(|00⟩+|11⟩)/√2 对应 [1/√2, 0, 0, 1/√2]T。

二、量子态:纯态的向量表示与归一化

纯态用单位向量 |ψ⟩ 表示,满足 ⟨ψ|ψ⟩ = 1。全局相位 eiθ|ψ⟩ 与 |ψ⟩ 描述同一物理状态,因此态空间实际是希尔伯特空间中的射线。对单比特,最一般的纯态可写成 |ψ⟩ = cos(θ/2)|0⟩ + eiφsin(θ/2)|1⟩,对应布洛赫球面上一点 (θ, φ)。

在量子核中,特征映射通常由参数化量子线路实现:对输入 x = (x1, x2) 施加旋转门 Ry(x1)、Rz(x2),再插入纠缠层。以两比特为例,一个常见的角度编码线路为:

# 示例:两比特角度编码(示意参数,非实测)
# 输入 x = (x1, x2),先对每个比特做 RY 编码,再用 CNOT 纠缠
qc.ry(x1, 0)
qc.ry(x2, 1)
qc.cx(0, 1)
qc.rz(x1 * x2, 1)   # 引入特征交叉项
# 得到的态向量 psi(x) 即特征映射 phi(x)

这里 x1 * x2 的交叉项是刻意设计的:它让特征映射包含二阶交互信息,从而在核函数中体现样本特征之间的乘积关系。实际实现时,应把线路作用于 |00⟩ 后取态向量,得到 4 维复向量作为 φ(x)。

三、密度矩阵:纯态与混合态的统一语言

纯态向量只适用于封闭系统。当系统与环境的纠缠不可忽略,或我们只掌握一个量子比特子系统的信息时,必须使用密度矩阵 ρ。纯态对应 ρ = |ψ⟩⟨ψ|,满足 ρ2 = ρ、Tr(ρ) = 1;混合态则是若干纯态的概率凸组合 ρ = Σk pk|ψk⟩⟨ψk|,此时 Tr(ρ2) < 1。密度矩阵是厄米的、半正定的、迹为 1 的算子。

密度矩阵在量子核中的价值在于两点。其一,若特征映射后只保留部分比特(例如测量前的子系统),则约化密度矩阵 ρA = TrB(ρAB) 才是该子系统的真实描述,此时核函数应改用 ρ 之间的相似度而非态向量内积。其二,含噪声的量子设备上制备的态并非纯态,用密度矩阵建模更贴近实际。常用的态相似度是保真度 F(ρ, σ) = (Tr√(√ρ σ √ρ))2,对纯态退化为 |⟨ψ|φ⟩|2。

四、核函数的定义与性质

核函数是一个二元函数 K(x, x′) = ⟨φ(x)|φ(x′)⟩,其模平方 |K|2 给出两样本在特征空间中的相似度。作为合法核(Mercer 核),它必须满足:对称性 K(x, x′) = K(x′, x);以及半正定性,即对任意有限样本集,核矩阵 Kij = K(xi, xj) 是半正定矩阵。量子内积天然满足对称性,而半正定性来自 Gram 矩阵结构:Kij = ⟨φ(xi)|φ(xj)⟩ 正是特征向量的 Gram 矩阵,必然半正定。

实际计算时,量子核的估计依赖线路技巧。最直接的方式是制备叠加态 (|φ(x)⟩+|φ(x′)⟩)/√2 并测量,利用恒等式 |⟨φ(x)|φ(x′)⟩|2 = 2P0 − 1 反推,其中 P0 是测量得到全零结果的概率。另一种方式是 SWAP 测试:对两态做受控交换后测量辅助比特,得到 Tr(ρσ) 的估计。下面这张图把“样本→量子态→密度矩阵→核矩阵→分类”的完整数据流与关键公式对应起来,便于对照实现。

经典样本 x = (x₁, x₂) 量子特征映射 RY(x₁)·RY(x₂)·CNOT → |φ(x)⟩ ∈ ℂ⁴ 密度矩阵 ρ(x) = |φ(x)⟩⟨φ(x)| Tr ρ = 1, ρ ≥ 0 量子核函数 K(x, x′) = |⟨φ(x)|φ(x′)⟩|² 对称性 + 半正定性(Gram 矩阵) 保真度 F(ρ,σ) 核矩阵 K Kᵢⱼ = K(xᵢ, xⱼ) 对称 · 半正定 N×N 矩阵 核分类器 f(x) = Σ αᵢ yᵢ K(xᵢ, x) + b α 由 SVM 对偶求解 输出类别标签 希尔伯特空间 ℋ = ℂ^(2ⁿ):内积 ⟨ψ|φ⟩ 提供对称性与半正定性,是核合法性的数学根源

图中右侧的保真度分支提示了一个易错点:若特征映射后只保留子系统,核函数应写成 F(ρA(x), ρA(x′)),而不是直接对约化后的向量做内积——后者在混合态下没有定义。实现时建议统一用密度矩阵接口,纯态时自动退化为向量内积,避免两套代码路径不一致。

五、一个可手算的示例

设两比特特征映射为 φ(x) = RY(x)|00⟩,即只编码第一个比特,则 φ(x) = cos(x/2)|00⟩ + sin(x/2)|10⟩。取 x = 0、x′ = π,得 φ(0) = |00⟩,φ(π) = |10⟩,内积为 0,核值 K = 0,两样本在特征空间中完全正交。取 x = 0、x′ = π/2,则 φ(π/2) = (|00⟩+|10⟩)/√2,K = |1/√2|2 = 0.5。这个手算结果可直接用于验证代码:若程序对 (0, π/2) 返回 0.5,说明态制备与内积计算链路正确。注意此处 K 是内积模平方,若代码返回 0.7071 则说明漏了平方,属于常见实现错误。

核矩阵的半正定性可用数值检查:对 K 做特征值分解,若出现小于 −10−8 的特征值,通常源于采样噪声或态制备误差,而非数学错误。有限次测量估计的核值本身有统计涨落,样本量 N 较大时应增加每次核估计的测量次数(shots),或对核矩阵做特征值截断修正。