量子信息全景：五条专题共用的语言

WARNING

🧪 Beta公测版本提示：教程主体已完成，正在优化细节，欢迎大家提Issue反馈问题或建议。

量子信息不是「把电脑换成量子的」一句话，而是一套关于如何编码、传送、保存、模拟和用量子系统学习的共同语言。

本领域紧接 信息论：经典熵、信道与 香农容量 说清楚以后，再把比特换成量子比特。线性代数是硬前置，请先有 向量 / 矩阵 / 内积 的几何直觉。具身与规划见 控制论 与 世界模型。

第一遍只抓住：量子比特是归一化复向量；叠加有相位、混合没有；不可克隆和退相干是后面每一章的墙。需要把 $H|+⟩=|0⟩$ 或不可克隆证一遍时，点开「逐步推导」。

---

一、量子信息在问什么？

经典比特是 {0,1}。量子比特（qubit）是二维复向量（态矢量）

$$|\psi ⟩=\alpha |0⟩+\beta |1⟩,|\alpha {|}^2+|\beta {|}^2=1.$$

测量在计算基上只能得到 0 或 1，概率分别是 $|\alpha {|}^2$、$|\beta {|}^2$。叠加不是「同时是 0 又是 1 的魔法」，而是：在测量之前，系统由振幅描述；测量之后，坍缩成一个经典结果。

多个量子比特的空间是张量积 ${\mathbb{C}}^2\otimes {\mathbb{C}}^2\otimes \cdots$，维度 $2^n$。这既是算力叙事的来源（状态空间指数大），也是模拟它之所以难的原因。

保姆级：振幅可以相消，概率不能。 经典随机是「50% 是 0、50% 是 1」的混合，再做一个 $H$ 门仍然是 50/50。相干叠加 $|+⟩$ 的相对相位是齐的，同一个 $H$ 能把它收成几乎确定的 $|0⟩$。demo 就是在画这件事。

---

二、五条专题：一张地图

本领域按你拿量子系统干什么拆成五章，而不是按公司或芯片名单堆名词：

图解说明：计算研究门与算法；网络把纠缠当成可分发的资源；存储解决光子飞太快、物质相干太短的时间错配；模拟用可控量子系统去跟自然哈密顿量；机器学习把线路嵌进可训练管线。五条路共用量子比特、纠缠和噪声。

专题	关键问题	下一章
量子计算	门、线路、测量、NISQ vs 容错	computing
量子网络	如何把纠缠分发到远处？	network
量子存储	如何把量子态「按住」一段时间？	memory
量子模拟	如何用量子系统模拟量子系统？	simulation
量子机器学习	经典特征如何写进线路并训练？	qml

阅读顺序建议：全景 → 计算 → 网络 / 存储（可并行）→ 模拟 → 机器学习。QML 章收编了混合量子分类实验（VQNet 核心随该章发布）。

---

三、两条贯穿约束

3.1 不可克隆

未知量子态不能被可靠地复制成两份相同的未知态（no-cloning）。因此：

• 不能像复制文件那样「备份一个量子比特再测量」；
• 量子密钥分发里，偷听会扰动态，从而留下痕迹；
• 纠错必须绕开「先复制再投票」的经典思路，改用纠缠与稳定子。

逐步推导：线性复制机为什么不可能（不可克隆）（点击展开）

假设存在一个与未知态无关的酉 $U$，使得对所有 $|\psi ⟩$

$$U(|\psi ⟩\otimes |0⟩)=|\psi ⟩\otimes |\psi ⟩.$$

取两个不同的纯态 $|0⟩$、$|+⟩$（或任意不正交的一对）。则

$$U(|0⟩|0⟩)=|00⟩,U(|+⟩|0⟩)=|+⟩|+⟩.$$

左边对第一因子线性，所以 $U(|+⟩|0⟩)=(U|00⟩+U|10⟩)/\sqrt{2}$ 必须等于 $(|00⟩+|11⟩+|01⟩+|10⟩)/2$ 那种展开，与 $|+⟩|+⟩=(|00⟩+|01⟩+|10⟩+|11⟩)/2$ 相位与归一化都对不上——更干净的说法：内积必须被复制保持。

酉保持内积：$⟨0|+⟩=⟨00|++⟩$。左边是 $1/\sqrt{2}$，右边是 $(1/\sqrt{2}{)}^2=1/2$，矛盾。因此这样的 $U$ 不存在。

推论：未知态不能先复印再测量两份取平均；传态是「搬走」不是「复制」；QKD 里 Eve 的拦截-重发过不了完美复印这一关。正交态（已知的计算基）可以复制——那已经是经典比特。

3.2 退相干

真实系统会与环境纠缠，相对相位被冲刷。常用两个时间尺度：

• $T_1$：能量弛豫（激发态掉回基态）；
• $T_2$：失相（布洛赫球赤道上的相干先没）。

计算深度、网络距离、存储时间、模拟时长，最后都撞上这两条钟。

图解说明：左边是禁止的复印机；右边是布洛赫矢量被噪声往球心拽。后面每一章都会回到这两张图。

---

四、叠加 vs 混合：demo 在画什么

测量「0 和 1 各一半」有两种完全不同的来源：

• 相干叠加 $|+⟩=(|0⟩+|1⟩)/\sqrt{2}$：有相对相位，再用 $H$ 可以几乎确定地变回 $|0⟩$；
• 经典混合 $\rho =I/2$：真随机，再做 $H$ 仍然是 50/50。

demo.py 用两次测量把这件事画出来。每次 $2000$ 次抽样（shots），种子 42。纯度 $\mathrm{Tr}({\rho }^2)$ 是配套练习：纯态为 1，单比特完全混合为 $1/2$。

逐步推导：为什么 $H|+⟩=|0⟩$，而 $H$ 对 $I/2$ 毫无办法（点击展开）

Hadamard（与 demo 矩阵一致）

$$H=\frac{1}{\sqrt{2}}\left(\begin{array}{cc}1& 1\\ 1& -1\end{array}\right),H|0⟩=|+⟩,H|+⟩=|0⟩.$$

第二式：把 $|+⟩=(|0⟩+|1⟩)/\sqrt{2}$ 乘进去，$H|1⟩=|-⟩$，于是 $H|+⟩=(|+⟩+|-⟩)/\sqrt{2}=|0⟩$。密度矩阵 ${\rho }_{+}=|+⟩⟨+|$ 经 $H\rho H^{†}$ 变成 $|0⟩⟨0|$，测 $Z$ 几乎全是 $0$。

完全混合 $\rho =I/2$。$H(I/2)H^{†}=I/2$（$H$ 酉），测什么基都是 $1/2$。直方图左栏两种情况都像抛硬币；右栏只有叠加被「收回」。这就是「叠加不是不知道，混合才是真随机」。

不可克隆与这件事兼容：你不能通过复印 $|+⟩$ 再分别测 $X$ 和 $Z$ 来同时知道两个不相容可观测量——测一次就毁一次。

---

五、和本笔记本其他部分的接口

• 数学：态矢量、酉门、测量投影，全是线代；变分量子线路的训练还用得到 梯度 与 KL / 交叉熵。经典容量对照见 信息论。
• 深度学习：QML 的经典压缩器就是普通网络；对照 CNN。
• 科学计算：量子模拟是 AI4S 的「另一条轴」——不一定用神经网络逼近 PDE，而是让硬件自己演化哈密顿量。

---

六、小结

概念	一句话
量子比特	归一化复向量；测量给出经典比特
张量积	$n$ 比特空间维度 $2^n$
叠加 vs 混合	有没有相对相位；测量直方图可以长一样
不可克隆	未知态不能完美复印
退相干	$T_1$ 掉能量，$T_2$ 掉相位
五条专题	计算 / 网络 / 存储 / 模拟 / 学习

下一章 量子计算：把 $|0⟩$、$H$、CNOT 和测量连成一条能跑的线路。

📥 Code

File	View	Download
demo.py	Open	Download
exercise.py	Open	Download

参考

1. Nielsen, M. A. & Chuang, I. L. Quantum Computation and Quantum Information.
2. Wilde, M. M. Quantum Information Theory.
3. Preskill, J. Quantum Computing in the NISQ era and beyond. Quantum (2018).