2. 量子计算基础回顾
要理解量子特征选择与降维方法为何可能带来优势，必须先回到量子计算的基本语言。经典比特只能处于 0 或 1，而量子比特（qubit）的状态可以写成两个基态的线性组合：|ψ⟩ = α|0⟩ + β|1⟩，其中 α、β 为复数振幅，满足 |α|² + |β|² = 1。这里的 |α|² 与 |β|² 分别是测量得到 0 和 1 的概率。需要强调，叠加不是"同时处于 0 和 1 的确定状态"，而是测量前没有确定取值、测量后以概率坍缩到某一基态。这一区别决定了后续所有量子算法的设计思路：我们通过操控振幅来影响测量结果的概率分布。
在特征选择场景中，一个常见做法是把"是否选择第 i 个特征"编码为一个量子比特：|1⟩ 表示选中，|0⟩ 表示不选。若有 n 个特征，就需要 n 个量子比特，其联合状态张成 2ⁿ 维空间。这个指数级的状态空间正是量子方法被寄予期望的根源，但也要清醒认识到：我们无法直接读取全部 2ⁿ 个振幅，只能通过测量获得有限信息。因此，量子特征选择算法的核心往往不是"一次性看到所有组合"，而是设计振幅放大、干涉等机制，让优质特征子集对应的测量结果概率被显著提高。
叠加、纠缠与干涉：三种关键资源
叠加使一个寄存器可以同时"承载"多个候选子集的振幅。例如对 3 个特征各施加 Hadamard 门，得到均匀叠加态 (1/√8)Σ|x⟩，8 个特征子集等概率出现。但均匀叠加本身没有价值，必须配合后续操作把概率向目标子集倾斜。
纠缠描述的是多量子比特之间无法分解为各自独立状态的关联。以 Bell 态 |Φ⁺⟩ = (|00⟩ + |11⟩)/√2 为例，测量第一个比特若得 0，第二个必为 0；若得 1，第二个必为 1。在特征选择中，纠缠可用于表达特征之间的强相关约束——例如两个冗余特征不应同时被选中，就可以通过受控门建立关联，使"同时选中"的振幅相互抵消。
干涉是振幅的相消与相长。量子门通过改变相位，让劣质子集的振幅相消、优质子集的振幅相长，这是 Grover 型振幅放大和量子近似优化（QAOA）能够提升解概率的物理基础。理解这一点，就能明白为什么量子特征选择不是"免费并行"，而是"精心构造的干涉"。
量子门：状态的操作原语
量子门是对量子态施加的酉变换，可逆且保概率。构建特征选择算法时，最常打交道的门有以下几类，理解它们的矩阵作用比记忆符号更重要。
- Hadamard 门（H）：H|0⟩ = (|0⟩+|1⟩)/√2，H|1⟩ = (|0⟩−|1⟩)/√2。它把确定态变为等幅叠加，是初始化搜索空间的起点。
- Pauli-X 门：相当于经典非门，X|0⟩=|1⟩。常用于把某些比特置为 |1⟩，表示"强制选中某特征"。
- 相位门 Rz(θ)：只改变 |1⟩ 分量的相位，Rz(θ)|1⟩ = e^{iθ}|1⟩。它是构造干涉、编码特征权重或惩罚项的主要工具。
- 受控非门（CNOT）：控制比特为 1 时翻转目标比特，是产生纠缠的基本门。两个比特经 H 与 CNOT 即可得到 Bell 态。
- 多比特受控相位门：用于把"某子集被选中"这一事件与一个相位因子关联，是 QAOA 中代价哈密顿量演化的实现方式。
以一个可操作的小例子说明。假设 3 个特征，我们希望"选中特征 0 和 2"这一子集 |101⟩ 的概率被放大。流程是：先对 q₀、q₁、q₂ 各施加 H，得到 8 个子集的均匀叠加，每个振幅为 1/√8；随后用受控相位门给目标子集 |101⟩ 附加相位 −1（即翻转其振幅符号），其余子集不变；再施加一次关于均匀叠加的"扩散"操作（H、X、多控 Z、X、H 的组合）。经过一轮 Grover 迭代，目标子集振幅由 1/√8 变为约 0.88，概率由 12.5% 提升到约 78%。这个数值是理想无噪声下的理论值，实际硬件上受门保真度和退相干影响会明显下降。
测量：唯一的信息出口
测量把量子态投影到某个基态上，得到单一经典结果，同时原状态被破坏。在计算基下测量 n 个比特，得到某个比特串 x 的概率为 |⟨x|ψ⟩|²。这意味着量子算法不能"读中间结果再继续"，除非测量后重新制备。对特征选择而言，通常的做法是：运行完整量子线路若干次（shots），统计各子集出现频次，取频次最高或按阈值筛选的子集作为候选，再交给经典侧评估。
为后续方法建立的三点认识
第一，量子优势来自振幅与干涉的精细设计，而非"同时计算所有组合"。任何声称量子特征选择能直接输出最优子集的说法，都忽略了测量只能给出概率样本这一事实。第二，编码方式决定问题规模：n 个特征用 n 个比特是"比特编码"，也可用振幅编码把 2ⁿ 个权重压入 log₂(2ⁿ)=n 个振幅中，但读取成本与制备成本必须一并核算。第三，当前阶段应把量子线路视为"候选子集生成器"，与经典评估器组成混合流程：量子侧负责在组合空间中采样高质量候选，经典侧负责用交叉验证等指标精确打分。这一分工也是后续章节讨论 QAOA、振幅放大与变分线路时的共同框架。
掌握上述概念后，再看到"用 Rz 编码特征权重""用 CNOT 表达特征冗余约束""用 shots 统计子集频次"这类描述，就能对应到具体的态、门与测量环节，而不是停留在名词层面。