1.2 经典比特与量子比特：两种信息的攻防属性

1.2 经典比特与量子比特：两种信息的攻防属性

本节摘要：量子比特的状态由复数振幅对描述，测量以概率方式给出结果；单个量子比特不稀奇，稀奇的是态空间随比特数指数扩张。本节建立态矢量的最小数学工具集，用可运行代码演示测量与归一化，并算清那笔让经典模拟绝望的内存账。

先承认一个反直觉的事实

内存账可以从这个数字算起：五十个纠缠量子比特的完整状态，用现代计算机的浮点数硬存，大约需要二千万亿字节——堪比一座数据中心的一个存储机柜；三百个量子比特的态，其振幅数量超过可观测宇宙中的原子总数。而另一边，你在市面上买到的高端台式机，内存不过几十上千亿字节。这笔账不是修辞，它是本节要讲透的第一性事实：量子信息的态空间比经典信息大得多，大得让"用经典方法精确跟踪量子计算"这条路在大规模下根本走不通。理解了这一点，量子计算的全部吸引力与全部麻烦——都随之而来。

一、量子比特的数学骨架

经典比特是开关：非零即一，任一时刻的状态就是一比特信息。量子比特的状态写作

其中振幅 \alpha 与 \beta 是复数，满足归一化条件 |\alpha|^2 + |\beta|^2 = 1。测量时，态以 |\alpha|^2 的概率坍缩到零、以 |\beta|^2 的概率坍缩到一，测量之后振幅信息全部丢失。

这里有三层含义值得拆开。第一层，振幅是复数：它有相位，相位差决定了两段振幅"相遇"时是相互加强还是相互抵消——这就是干涉，量子算法真正干活的手艺。第二层，测量不可逆：测量前态是连续分布的振幅对，测量后只剩经典结果，且原态被破坏，你无法"测完再看一眼"。第三层，叠加不是"又零又一"的模糊开关：|0\rangle 与 |1\rangle 是二维复向量空间里的一组基，叠加是它们张成的整个平面上的任意方向——把态画在所谓布洛赫球上，北极是零、南极是一，赤道上任意一点都是等权叠加态，球面上每一条经线对应一种相位。

图 1-2：经典比特与量子比特的属性对照

二、演练：亲手实现态矢量与测量

抽象公式在手边跑一遍才踏实。下面用纯 Python 实现最小的量子态工具：复振幅向量、归一化校验、按概率采样测量。二十几行代码，后面所有章节的模拟器都在它之上生长。

# qubit_min.py：最小量子态工具（仅用标准库 random 与 math）
import math, random

class Qubit:
    """单个量子比特：振幅对 [alpha, beta]，约定基序 [0, 1]。"""
    def __init__(self, alpha: complex, beta: complex):
        norm = abs(alpha)**2 + abs(beta)**2
        if abs(norm - 1.0) > 1e-9:
            raise ValueError(f"振幅未归一化，模方之和 = {norm}")
        self.amps = [complex(alpha), complex(beta)]

    def probabilities(self):
        return [abs(a)**2 for a in self.amps]

    def measure(self, rng=random):
        """按玻恩规则采样，返回 0 或 1，并把态坍缩到对应基矢。"""
        p0, p1 = self.probabilities()
        outcome = 0 if rng.random() < p0 else 1
        self.amps = [complex(1 if outcome == 0 else 0),
                     complex(0 if outcome == 0 else 1)]
        return outcome

# 演练 1：等权叠加态（哈达玛门作用在 |0> 上的结果）
plus = Qubit(1/math.sqrt(2), 1/math.sqrt(2))
print("plus 态测量概率:", plus.probabilities())   # 约 [0.5, 0.5]

# 演练 2：批量采样应逼近理论概率
rng = random.Random(42)
counts = {0: 0, 1: 0}
for _ in range(100000):
    q = Qubit(1/math.sqrt(2), 1/math.sqrt(2))
    counts[q.measure(rng)] += 1
print("十万次采样:", counts)                       # 约各五万次

# 演练 3：相位不可见性——两次测量分布完全相同
q1 = Qubit(1/math.sqrt(2),  1/math.sqrt(2))
q2 = Qubit(1/math.sqrt(2), -1/math.sqrt(2))       # 相位差 180 度
print("q1 概率:", q1.probabilities(), " q2 概率:", q2.probabilities())
​

第三个演练藏着本节最重要的坑：直接在计算基下测量，|+\rangle 与 |-\rangle 的统计分布一模一样，相位信息完全隐形。但这两个态并不等价——在别的基下（比如把态旋转四十五度再测）它们的分布恰好相反。量子算法正是通过幺正变换"换基"，把藏在意欲求解的问题答案里的相位差，搬到测量能看见的地方。第 5 章讲肖尔算法时你会看到这套手艺的完整应用。另一个易错点是归一化校验：浮点振幅经过成百上千次门操作会累积数值误差，真实模拟器都要周期性地重新归一化，否则概率和悄悄漂移，测量分布整体失真。

三、指数扩张的态空间：力量的来源与模拟的绝境

单个量子比特只是布洛赫球上一个点，谈不上算力。力量来自组合：两个量子比特的态是四维复向量，十个是一千零二十四维，照此每加一个比特维度翻倍。数学上写作 2^n：n 个量子比特的完备描述需要 2^n 个复振幅。纠缠态——比如振幅只在 |00\rangle 与 |11\rangle 上非零的贝尔态——无法拆成两个单比特态的乘积，描述必须整体进行，指数账单无法分期。

对照表里两行是重点。描述代价一行解释了为什么经典模拟有天花板：普通工作站到三十比特上下就撞上内存墙，超级计算机借助分布式内存也只能把这条边界推到五十比特附近（这正是第 5 章模拟器代码的用武之地与边界）。失效方式一行预告了全书敌人的形态：经典设备的出错是离散的、显性的，量子设备的"出错"是连续的、隐性的——态不会突然归零，而是相干性一点点流失，像墨滴在水里晕开。这种连续性正是第 2 章要用密度矩阵精确刻画的。

四、防御视角的定位

到这里，本章开头第二问的答案已经成形：量子信息值得建一整套技术体系，是因为它的态空间指数大——大到某些计算可以借道而行；它的麻烦也来自同一处——态空间越大越精妙，被环境污染的方式越多。强与脆同源，这是量子信息与经典信息最本质的分野。下一节我们把这个定性判断升级成定量地图：具体哪些计算问题站在量子优势的防区之内，哪些问题根本不值得动用量子机器。

本节要点回顾

• 态矢量三要素：复振幅、归一化、玻恩规则测量，二十行代码可完整实现。
• 相位是隐形资产：计算基测量看不见相位，量子算法靠换基把相位差搬运到可测量的地方。
• 态空间指数扩张：2^n 维振幅既是量子加速的源头，也是经典模拟的绝境，五十比特是台式机模拟的实用边界。
• 纠缠不可分期：纠缠态无法拆成单比特乘积，描述代价无法压缩，这是与经典概率最深的分界。
• 失效是连续的：量子错误不是开关跳变而是相干性渐失，这决定了第 2 章以后的所有防御工具的形态。