
经典信息的基本单位是 bit。
它只有两个状态:
量子信息的基本单位是 qubit。
它不是“既是 0 又是 1”的神秘说法,而是一个二维复 Hilbert 空间中的单位向量:
其中:
真正新的地方是:状态本身是向量,测量结果才是概率。

Bloch 球把一个 qubit 画成三维球面上的点。
北极是 ∣0⟩,南极是 ∣1⟩,赤道上的点是不同相位的叠加态。
这张图很重要,因为它说明 qubit 的状态空间不是一条线段。
经典概率只能在 0 和 1 之间混合;
量子态还多了相位,而相位会在干涉中显现。
给定状态:
在计算基 {∣0⟩,∣1⟩} 下测量,得到:
测量不是单纯“读出隐藏值”。
它会把状态投影到测量基中的某个方向。

如果换一个测量基,同一个状态会给出不同概率分布。
这里的关键不是概率本身,而是概率依赖于我们如何提问。
这和经典统计很不一样。
经典随机变量有一个样本空间;
量子系统则把“可观察量”也放进结构里。
两个 qubit 的联合空间不是直和,而是张量积:
如果每个 qubit 是二维,两个 qubit 的空间就是四维:
张量积带来一个根本现象:联合态不一定能拆成两个局部态。
例如 Bell 态:
它不能写成:
这就是纠缠。
Bell 态里,每个单独 qubit 看起来都是随机的;
但两个 qubit 放在一起,却有强相关。
如果测量第一个 qubit 得到 0,第二个也会得到 0;
如果第一个得到 1,第二个也会得到 1。

纠缠最容易被误解成“远距离传信”。
它不是。
纠缠给出的是非经典相关性,不能单独用来超光速传递信息。
它真正改变的是资源观:
量子信息里,纠缠本身就是一种资源。量子隐形传态、量子密钥分发、量子纠错、量子计算的加速,都离不开纠缠。
纯态可以写成向量 |ψ⟩。
但如果我们只知道系统以概率 pi 处于不同纯态,就需要密度矩阵:
密度矩阵满足:
它同时记录两种不确定性:
量子叠加带来的相干性。 我们对制备过程不了解带来的经典混合。纯态满足:
混合态一般不满足。
经典信息论中,熵是:
量子信息中,对应的是 von Neumann 熵:
如果把 ρ 对角化,它就是特征值分布的 Shannon 熵。
这个定义看似只是把概率换成矩阵,但含义很深:量子系统的信息量由密度矩阵的谱决定。
纠缠熵就是把联合纯态的一部分取偏迹后,看子系统密度矩阵的 von Neumann 熵。
整体是纯的,局部却像混合的,这正是纠缠的典型信号。
封闭量子系统按酉变换演化:
但真实系统会和环境耦合。
更一般的量子信道是完全正、保迹映射:
这叫 Kraus 表示。
它把噪声、退相干、测量、丢失粒子等过程统一到一个框架里。
量子纠错的核心,就是设计编码,让关键信息在这些信道下仍能恢复。
经典 bit 可以复制。
看到一个 0,就再写一个 0;
看到一个 1,就再写一个 1。
量子态不行。
不存在一个统一的酉变换 U,能对任意未知态做到:
这就是不可克隆定理。
证明的核心非常短。
假设能复制两个态 ∣ψ⟩,∣ϕ⟩:
酉变换保持内积,所以左边内积是 ⟨ψ∣ϕ⟩,右边内积却是:
除非两个态完全相同或正交,否则矛盾。
这不是一个小限制,而是量子信息的基本边界。
量子密钥分发能发现窃听,正是因为窃听者不能无损复制未知量子态再慢慢测。
量子计算不是一次性施加一个巨大酉矩阵。
实际做法是把它拆成局部门:
常见单 qubit 门包括 Pauli 门、Hadamard 门和相位门。
双 qubit 门里,CNOT 最典型:
Hadamard 负责制造叠加,CNOT 负责制造纠缠。
只靠单 qubit 门永远不能产生纠缠;
只有加入 entangling gate,量子线路才真正离开经典可分状态的世界。
从数学上看,量子线路是在 这个巨大酉群中,用少量局部生成元逼近目标变换。
这里直接连到 Lie 群、表示论和数值优化:量子算法设计就是在高维酉空间里找一条可实现的路径。
任意双体纯态 都可以写成:
其中 , 是两边的正交基。
这叫 Schmidt 分解。
它就像对一个矩阵做奇异值分解。
Schmidt 系数 直接告诉我们纠缠有多少。
如果只有一个非零系数,态可分;
如果有多个非零系数,态纠缠。
子系统的密度矩阵特征值正是 ,所以纠缠熵为:
这也是张量网络能工作的原因之一。
很多物理态的 Schmidt 谱衰减很快,意味着虽然 Hilbert 空间巨大,但有效纠缠结构可以被低秩近似抓住。
量子信息不能复制,但可以编码。
量子纠错的想法是把一个逻辑 qubit 嵌入多个物理 qubit 的子空间:
错误不是直接被“备份”抵消,而是通过 syndrome measurement 被诊断。
测量 syndrome 时,我们只提取错误类型,不测出逻辑态本身。
Knill-Laflamme 条件给出一个清楚判据。
若错误集合为 ,编码子空间投影为
P,可纠错当且仅当:
直觉是:错误可以在编码空间外留下可识别痕迹,但不能泄露逻辑态内部的信息。
这句话把量子纠错的难点说透了。
我们要知道“出了什么错”,又不能知道“被保护的信息是什么”。
量子信息最有价值的地方,是它把物理问题变成信息问题,也把信息问题变成线性代数和算子代数问题。
14.1 容错量子计算与表面码
Kitaev(2003)提出拓扑量子码(toric code):把逻辑量子比特编码在二维晶格上的多体纠错码中,错误纠正对应拓扑的局部算符,不受局部噪声影响。
表面码(Fowler 等 2012)是目前最成熟的容错量子计算方案:阈值错误率约 1%,物理量子比特开销约数百至数千倍。
Google(2023)的 Sycamore 处理器已在表面码上演示了低于阈值的实验错误率,进入了容错量子计算的"低于阈值"时代。
GKP 码(Gottesman-Kitaev-Preskill 2001)将量子信息编码在谐振子的位置/动量上,用连续变量系统实现离散纠错,适用于光子量子计算。
14.2 量子机器学习与量子优势
变分量子本征求解器(VQE,Peruzzo 等 2014)和量子近似优化算法(QAOA,Farhi 等 2014)是近期噪声量子设备(NISQ 设备)上最有前途的算法:用参数化量子电路做功能逼近,通过经典优化器调整参数。
理论上界:VQE 在化学问题中有量子优势(指数加速),但 NISQ 设备的噪声限制实际深度。
量子机器学习的核心理论问题(Biamonte 等 2017;
Cerezo 等 2022):量子 kernel 方法、barren plateau(梯度指数消失)和量子神经网络的可训练性,近年负面结果(大多数情况下无量子优势)推动了选择性量子优势的精确刻画。
14.3 量子纠错的代数结构
稳定子码(Calderbank-Shor-Steane 1996)由 Pauli 群的对易子群(稳定子群)S 生成,逻辑空间是 S 的 本征空间。
Knill-Laflamme 条件给出了量子纠错码精确纠正错误集 E 的充要条件,是算子代数与量子信息的直接桥梁。
非 Abelian 任意子(如 Fibonacci 任意子)支持本质容错的拓扑量子门,是拓扑量子计算的硬件基础,目前由 Microsoft Station Q 等机构积极研究。
量子信息的核心结构:
qubit:二维复 Hilbert 空间中的单位向量。 测量:把向量投影成概率结果。 张量积:联合系统的状态空间。 纠缠:不能分解为局部态的整体结构。 密度矩阵:统一纯态、混合态和不完全知识。 von Neumann 熵:矩阵谱上的信息量。 量子信道:开放系统中允许的信息演化。 不可克隆与纠错:量子信息不能复制,但可以通过子空间编码保护。 量子信息把信息的载体从集合提升到 Hilbert 空间,于是概率、相位和纠缠成为同一种线性结构的不同侧面。量子信息告诉我们,复杂整体不一定能拆成独立部分。
下一章我们会看到,当大量局部单元通过连接和反馈相互作用时,整体会生长出怎样的新行为。
声明:本文内容仅代表作者个人观点,与本站立场无关。
如有内容侵犯您的合法权益,请及时与我们联系,我们将第一时间安排处理。