从经典比特到量子比特：计算观的第一次转折

我们之所以从“比特”讲起，不是因为量子计算只是把经典计算换了个更小的元件，而是因为计算这件事本质上依赖于两类约束：一类是“信息能以什么形式被表示与操作”，另一类是“我们能以什么方式读出结果并确信读到的是我们想要的”。经典比特把这两类约束处理得近乎透明：状态是 0 或 1，读取几乎不影响它，复制也不违背任何原则。量子比特则把这些“透明假设”打碎，让你不得不重新审视：什么叫状态、什么叫读取、什么叫计算的过程。

接下来全书会持续采用一种统一的学习路线：先用尽可能少的物理假设建立可计算的数学模型，再把模型与直觉、实验现象对齐；每引入一个新概念，都会同时给出三种等价表达方式——态矢量（state vector）、矩阵算子（operator）、量子电路（circuit）——并用可运行的模拟实验把抽象变成可观察的统计规律。

计算的基本单位：经典比特为何“好用”

状态、读取与复制：经典世界的默认三件套

一个经典比特（bit）在任意时刻处于两种状态之一：0 或 1。它通常被物理载体承载（电压高低、磁化方向等），但在计算层面我们可以只关心抽象符号 $\{0,1\}$。经典计算之所以工程上可控，背后依赖三个常被忽略的“默认前提”：

1. 可观测性强：读取比特的值可以做到几乎不改变它（例如缓存读、寄存器读，工程上可视为无扰动）。 2. 可复制性强：你可以复制一个比特（或复制一串比特）到任意多份存储中。 3. 状态空间离散且可枚举：单个比特只有两种可能；$n$ 比特有 $2^n$ 种可能，但每一时刻系统确切处于其中之一。

这些前提让经典计算的“语义”非常直接：写入就是把状态设为 0 或 1；读取就是把那个值取出来；复制就是把值再写一遍。程序员很少需要在语言层面考虑“读取会不会改变变量”。

一个小对比：n 比特寄存器与“并行”

当我们说 $n$ 比特可以表示 $2^n$ 种状态时，含义是：它能表示其中一个。例如 3 比特寄存器能表示 0 到 7 的整数，但任一时刻只表示某个确定整数。经典并行计算（多核、多机）是把硬件资源复制多份来同时跑多个分支；并行来自资源叠加，而不是单个寄存器突然“同时处于多个值”。

这一点会直接影响我们理解量子计算时最常见的误解：把量子叠加误读为“同时算完所有答案”。

量子比特：最小物理假设下的三条规则

为了尽量少引入物理细节，我们先把量子比特当作一种新的“信息对象”，它遵循以下三条计算友好的规则（可把它们视为本书的最小公理集）。你不需要先理解电子、自旋或光子，只需要接受：现实允许一种信息对象满足这些规则，并且实验反复验证它们。

规则 1：状态用向量表示（态矢量）

单个量子比特（qubit）的状态用二维复向量表示。我们选定一组基底（通常称为计算基）：

• $|0\rangle$
• $|1\rangle$

任意纯态都可写成它们的线性组合： $$ |\psi\rangle = \alpha|0\rangle + \beta|1\rangle, $$ 其中 $\alpha,\beta \in \mathbb{C}$，并满足归一化条件： $$ |\alpha|^2 + |\beta|^2 = 1. $$

这里的 $\alpha,\beta$ 称为振幅（amplitude）。注意：振幅一般是复数；复数的相位将成为量子计算里“可编程干涉”的核心资源。

> 侧边栏（直觉提醒）： > 经典比特的“状态空间”是两个离散点 $\{0,1\}$；量子比特的状态空间是一个连续的几何对象（可粗略想象为“带相位的球面”，后续章节会用布洛赫球更精确地表达）。

规则 2：演化用线性变换表示（矩阵算子）

在不测量的情况下，对量子比特施加操作（量子门）对应一个保持归一化的线性变换。用矩阵表示就是： $$ |\psi'\rangle = U|\psi\rangle, $$ 其中 $U$ 是 $2\times 2$ 的复矩阵，并满足幺正性： $$ U^\dagger U = I. $$

幺正性意味着：演化可逆、长度（概率总和）守恒。经典里你可以丢信息（例如与门不可逆），量子演化在更基本层面上是“信息守恒”的，这会影响我们构造算法的方式（例如需要用辅助量子比特与“反算”来清理中间垃圾信息）。

规则 3：测量给出随机结果，并改变状态

当你在计算基 $\{|0\rangle,|1\rangle\}$ 上测量 $|\psi\rangle=\alpha|0\rangle+\beta|1\rangle$ 时：

• 结果为 0 的概率：

$$ P(0)=|\alpha|^2 $$

• 结果为 1 的概率：

$$ P(1)=|\beta|^2 $$

并且测量后状态会坍缩为对应的基态：

• 若得到 0，测量后状态变为 $|0\rangle$
• 若得到 1，测量后状态变为 $|1\rangle$

> 侧边栏（非常关键）： > 量子测量不是“读取一个原本就存在的隐藏变量”，更像是用一种方式提问，系统给出随机答案，并在回答后被迫变成与答案一致的状态。因此，测量既是“输出接口”，也是一种会影响后续计算的操作。

这三条规则构成了量子计算最核心的“计算观转折”：状态是向量、演化是幺正线性变换、输出是概率性测量且会扰动状态。

三个根本差异：表示、可观测、可复制

差异 1：信息表示——从离散值到复振幅

经典比特的“状态”就是值；量子比特的“状态”是一个向量。最容易踩坑的是把 $$|\psi\rangle=\alpha|0\rangle+\beta|1\rangle$$ 误读成“以概率 $|\alpha|^2$ 处于 0，以概率 $|\beta|^2$ 处于 1 的随机变量”。这在“只做一次测量”的层面似乎没区别，但在“继续做计算”的层面差别巨大，因为量子态携带的不仅是概率，还携带相位。

例如下面两个态在计算基测量下概率完全一样： $$ |\psi_+\rangle=\frac{|0\rangle+|1\rangle}{\sqrt{2}},\quad |\psi_-\rangle=\frac{|0\rangle-|1\rangle}{\sqrt{2}}. $$ 它们都满足 $P(0)=P(1)=1/2$。但它们在后续经过某些门（例如 Hadamard 门）会产生完全不同的干涉结果：一个会变成确定的 $|0\rangle$，另一个会变成确定的 $|1\rangle$。这正是量子算法能够“把错误答案干涉掉、把正确答案干涉出来”的数学根基。

差异 2：可观测性——读取不可避免地改变被读对象

经典读内存你可以认为是“看一眼不改变内容”。量子态的读取（测量）一般无法做到这种“无扰动”。你当然可以对同一个制备过程重复实验来估计概率分布，但你不能对同一个未知量子态反复测量来同时得到“它在不同基底下的全部信息”。这是量子信息的根本限制之一，也会影响调试方式：量子程序的调试不是逐行打印变量，而更像统计实验与推断。

差异 3：可复制性——未知量子态不可克隆（No-Cloning）

经典信息复制是理所当然的；量子信息中，“复制未知态”在一般情况下是不可能的。我们给出一个非常短但极有力的线性论证，你只需要接受量子演化是线性的（规则 2）。

假设存在一个“通用复制机” $U$，能把任意输入态 $|\psi\rangle$ 复制到一个空白态 $|0\rangle$ 上： $$ U\left(|\psi\rangle|0\rangle\right)=|\psi\rangle|\psi\rangle. $$ 它对基态应当成立： $$ U(|0\rangle|0\rangle)=|0\rangle|0\rangle,\quad U(|1\rangle|0\rangle)=|1\rangle|1\rangle. $$ 但对叠加态 $|+\rangle=\frac{|0\rangle+|1\rangle}{\sqrt{2}}$，由线性性： $$ U(|+\rangle|0\rangle) =U\left(\frac{|0\rangle|0\rangle+|1\rangle|0\rangle}{\sqrt{2}}\right) =\frac{|0\rangle|0\rangle+|1\rangle|1\rangle}{\sqrt{2}}. $$ 而若真能复制，应当得到： $$ |+\rangle|+\rangle =\frac{|0\rangle+|1\rangle}{\sqrt{2}}\otimes\frac{|0\rangle+|1\rangle}{\sqrt{2}} =\frac{|00\rangle+|01\rangle+|10\rangle+|11\rangle}{2}. $$ 这两者不相等，矛盾。因此不存在这样的通用复制机。

> 侧边栏（工程含义）： > 你不能“备份”一个未知量子寄存器来做回滚；也不能把某个中间态复制成两份分别做不同分支再合并。量子算法要实现“分支探索”必须走另一条路：把分支写进叠加与纠缠中，再用干涉选择性放大需要的幅度。

叠加不是“随机”，量子计算不是“并行算完所有答案”

误解的来源：把叠加当作“同时拥有两个值”

看到 $$|\psi\rangle=\alpha|0\rangle+\beta|1\rangle$$ 很多人会自然联想到“系统一半是 0，一半是 1”。如果你只关心一次测量的概率，这个类比勉强能用；但一旦你让这个态继续通过量子门，相位与线性叠加会产生干涉，其行为与“经典随机变量”完全不同。

一个最小干涉例子：$H$ 门把不确定变回确定

引入最常用的单比特门之一：Hadamard 门 $H$： $$ H=\frac{1}{\sqrt{2}} \begin{pmatrix} 1 & 1\\ 1 & -1 \end{pmatrix}. $$ 它对基态的作用是： $$ H|0\rangle=\frac{|0\rangle+|1\rangle}{\sqrt{2}}=|+\rangle,\quad H|1\rangle=\frac{|0\rangle-|1\rangle}{\sqrt{2}}=|-\rangle. $$

关键现象：连续作用两次 $H$ 会回到原态（因为 $H^2=I$）： $$ H(H|0\rangle)=|0\rangle,\quad H(H|1\rangle)=|1\rangle. $$ 如果你把 $H|0\rangle$ 当作“随机得到 0 或 1 的硬币”，那么再做一次 $H$ 不可能把“随机性”消掉并回到确定的 0。现实却是：量子叠加在第二次线性变换下发生干涉，幅度可以相加也可以相消，于是“不确定”可以在适当操作后回到“确定”。

这就是量子算法的核心手段：不是把所有答案并行算完再读取，而是通过构造干涉图样，让错误分支在幅度上相消，让正确分支在幅度上相长，最终把测量概率集中到你要的答案上。

为什么不能“并行读出所有分支”

假设你有一个叠加态，形象地说像“同时走了许多计算路径”。但你最终只能测量一次，测量给出一个经典结果。你无法直接把所有分支的中间信息都读出来：因为一旦你尝试读出“走了哪条路径”，测量本身会破坏相位关系，干涉也就被破坏，算法优势消失。

> 侧边栏（与经典并行的区别一句话版）： > 经典并行=复制硬件资源得到多个确定运行；量子“并行感”=同一硬件承载幅度叠加，但输出仍受测量限制，优势来自干涉而非“全读出”。

三种常用表达：态矢量、矩阵算子、量子电路图

同一个量子过程，我们会反复在三种语言之间切换。把它们在这一章就对齐，后面会省下大量认知成本。

1）态矢量：写清“当前是什么态”

在计算基下，我们常用列向量表示： $$ |0\rangle= \begin{pmatrix} 1\\ 0 \end{pmatrix},\quad |1\rangle= \begin{pmatrix} 0\\ 1 \end{pmatrix}. $$ 因此 $$ |\psi\rangle=\alpha|0\rangle+\beta|1\rangle = \begin{pmatrix} \alpha\\ \beta \end{pmatrix}. $$

态矢量适合做：写状态、做推导、算概率。缺点是：当量子比特数变多，维度会指数增长（$n$ 比特是 $2^n$ 维），手算会迅速失控。

2）矩阵算子：写清“做了什么操作”

最常见的单比特门（后续会系统扩展）：

| 名称 | 符号 | 矩阵 | |---|---|---| | 恒等门 | $I$ | $\begin{pmatrix}1&0\\0&1\end{pmatrix}$ | | 非门 | $X$ | $\begin{pmatrix}0&1\\1&0\end{pmatrix}$ | | 相位翻转 | $Z$ | $\begin{pmatrix}1&0\\0&-1\end{pmatrix}$ | | Hadamard | $H$ | $\frac{1}{\sqrt{2}}\begin{pmatrix}1&1\\1&-1\end{pmatrix}$ |

例如把 $|0\rangle$ 变成 $|1\rangle$： $$ X|0\rangle=|1\rangle. $$

矩阵语言的优势是：组合门就是矩阵相乘，推导清晰；缺点是：在大规模系统中矩阵会极大（$2^n\times 2^n$），需要更结构化的表示。

3）量子电路图：写清“顺序与结构”

量子电路把时间从左到右，把量子比特画成水平线，把门画成方块。即使你还没见过多比特纠缠门，单比特电路也能帮助你建立“程序感”。

例如制备 $|+\rangle$ 并测量：

```text |0> ── H ── M ── ```

含义是：初态 $|0\rangle$，经过 $H$ 变成 $|+\rangle$，然后测量 $M$ 得到 0 或 1。

> 侧边栏（阅读建议）： > 电路图是“程序的外观”；态矢量和矩阵是“语义的内核”。遇到不理解的电路，不要凭直觉猜测，回到“矩阵作用于态矢量”的定义去算一遍，哪怕只算单比特或少数比特的子结构。

实践主线：用模拟器“看见”概率与统计规律

这一节我们用最轻量的方式做一个“量子实验”：制备 $|0\rangle$、$|1\rangle$、$|+\rangle=(|0\rangle+|1\rangle)/\sqrt{2}$，然后对它们测量很多次，观察频率如何逼近理论概率。

你会得到两种关键直觉： 1. 单次测量是随机的；多次重复呈现稳定分布（大数定律）。 2. 量子态不是“概率表”，因为相位虽然不直接出现在单次测量概率里，但会在后续门操作中影响统计结果（干涉）。

实验流程图（重复试验）

```mermaid graph TD A[选择初态 |0> 或 |1> 或 |+>] --> B[可选: 施加量子门 U] B --> C[在计算基测量] C --> D[记录结果 0/1] D --> E{重复 N 次} E -->|直到 N 次| F[统计频率并对比理论概率] ```

用纯 Python + NumPy 写一个最小模拟器

下面的代码不依赖量子计算框架，目的不是高性能，而是让你看清“态矢量—门—测量”的定义如何落地。

```python import numpy as np

计算基矢量

ket0 = np.array([[1.0], [0.0]], dtype=complex) ket1 = np.array([[0.0], [1.0]], dtype=complex)

常用单比特门

H = (1 / np.sqrt(2)) * np.array([[1, 1], [1, -1]], dtype=complex) X = np.array([[0, 1], [1, 0]], dtype=complex)

def measure_in_z_basis(state, rng=np.random.default_rng()): """ 对单比特态矢量 state 在计算基测量。 返回: (outcome, post_state) """ alpha = state[0, 0] beta = state[1, 0] p0 = abs(alpha) ** 2 r = rng.random() if r < p0: return 0, ket0.copy() else: return 1, ket1.copy()

def run_experiment(state, shots=1000, seed=0): rng = np.random.default_rng(seed) counts = {0: 0, 1: 0} for _ in range(shots): outcome, _ = measure_in_z_basis(state, rng) counts[outcome] += 1 return counts

1) |0> 测量

counts0 = run_experiment(ket0, shots=1000, seed=1)

2) |1> 测量

counts1 = run_experiment(ket1, shots=1000, seed=2)

3) |+> = H|0> 测量

ket_plus = H @ ket0 counts_plus = run_experiment(ket_plus, shots=1000, seed=3)

print("|0>:", counts0) print("|1>:", counts1) print("|+>:", counts_plus) ```

你预期看到的现象（每次随机略有波动）：

• $|0\rangle$ 几乎总是测到 0
• $|1\rangle$ 几乎总是测到 1
• $|+\rangle$ 大约一半 0、一半 1

从理论上，$|+\rangle$ 的振幅是 $\alpha=\beta=1/\sqrt{2}$，所以 $$ P(0)=P(1)=\left|\frac{1}{\sqrt{2}}\right|^2=\frac{1}{2}. $$ 当 shots（重复次数）增大时，频率会更接近 $1/2$。

进一步：用一次干涉实验打破“叠加=随机”

我们刚才看到 $|+\rangle$ 测量像抛硬币。但现在做一个关键对照：对 $|+\rangle$ 再施加