← 返回教育专区

量子计算与量子信息

大学前沿课程。从量子力学基础到量子算法、量子纠错、量子机器学习，以及量子计算产业的最新进展。

第一章 量子计算基础

1.1 为什么需要量子计算

经典计算机的极限：

  • 摩尔定律放缓：晶体管尺寸接近物理极限
  • 特定问题指数级困难：大数分解、量子系统模拟、组合优化
  • 量子优势：某些问题上量子计算机比经典计算机快指数倍

经典 bit vs 量子 qubit：

特性经典 bit量子 qubit
状态0 或 1α0⟩ + β1⟩（叠加态）
测量确定值概率性坍缩
并行性顺序计算量子并行
关联独立量子纠缠

1.2 量子力学核心概念

叠加（Superposition）：

- 一个 qubit 可以同时处于0⟩ 和1⟩ 的叠加态
  • n 个 qubit 可以同时表示 2ⁿ 个状态
  • 300 个完美 qubit 能表示的状态数 > 宇宙中的原子数

纠缠（Entanglement）：

  • 两个 qubit 可以形成纠缠态，测量一个立即影响另一个
  • 爱因斯坦称之为"鬼魅般的超距作用"
  • 是量子通信和量子计算的核心资源

干涉（Interference）：

  • 量子算法通过干涉放大正确答案的概率、抑制错误答案
  • 类似水波的相长/相消干涉

1.3 量子门与量子电路

基本量子门：

门作用经典类比
H（Hadamard）创建叠加态—
X（Pauli-X）比特翻转NOT 门
CNOT条件翻转受控操作
Tπ/8 相位门—
SWAP交换两个 qubit—

量子电路示例（Bell 态制备）：

|0⟩ ──[H]──[CNOT]── 测量 → 00 或 11（各50%）
|0⟩ ─────────[CNOT]── 测量

第二章 量子算法

2.1 Shor 算法（大数分解）

意义： 能在多项式时间内分解大整数，威胁 RSA 加密。

经典方法： 普通数域筛法，复杂度 O(exp(n^(1/3)))

Shor 算法： 复杂度 O(n³)，指数级加速

步骤：

  • 将因数分解转化为求阶问题
  • 用量子傅里叶变换（QFT）求阶
  • 经典后处理得到因数

2.2 Grover 算法（无序搜索）

问题： 在 N 个未排序的項目中找到目标

经典： O(N) 次查询

Grover： O(√N) 次查询，二次加速

应用：

  • 数据库搜索加速
  • 密码学攻击（将密钥搜索时间减半）
  • 优化问题

2.3 量子近似优化算法（QAOA）

用于解决组合优化问题（如旅行商问题、图着色）：

# 用 Qiskit 实现 QAOA
from qiskit.algorithms import QAOA
from qiskit_optimization import QuadraticProgram
from qiskit.primitives import Sampler

# 定义优化问题
qp = QuadraticProgram()
qp.binary_var('x')
qp.binary_var('y')
qp.minimize(linear={'x': 1, 'y': -1}, quadratic={('x','y'): 2})

# 求解
qaoa = QAOA(sampler=Sampler(), reps=2)
result = qaoa.solve(qp)
print(result)

2.4 变分量子本征求解器（VQE）

用于量子化学模拟——计算分子的基态能量：

应用：

  • 药物分子设计
  • 催化剂材料发现
  • 电池材料优化

第三章 量子硬件

3.1 主流技术路线

技术路线代表公司Qubit 数优势挑战
超导IBM, Google100-1000+速度快、可扩展需极低温
离子阱IonQ, Quantinuum10-30高保真度、全连接速度慢
光量子Xanadu, PsiQuantum可变室温运行规模化难
中性原子QuEra, Pasqal100-1000可编程阵列控制复杂
硅自旋Intel少量与半导体兼容技术早期

3.2 量子体积与算法 Qubit

量子体积（Quantum Volume）： 综合衡量量子计算机能力的指标

  • 考虑 qubit 数、连通性、门保真度、串扰等
  • IBM 最新系统量子体积 > 1024

算法 Qubit（Algorithmic Qubit）：

  • 考虑纠错后的有效 qubit 数
  • 当前最先进的系统约有 10-50 个算法 qubit

3.3 量子纠错

量子比特非常脆弱，需要纠错：

表面码（Surface Code）：

  • 最主流的量子纠错方案
  • 约需 1000 个物理 qubit 编码 1 个逻辑 qubit
  • 容错阈值约 1% 错误率

前沿进展：

  • Google 2023 年展示量子纠错突破：更多 qubit = 更低错误率
  • Quantinuum 2024 年展示高保真度逻辑 qubit 操作

第四章 量子软件生态

4.1 主要开发框架

框架语言特点
QiskitPythonIBM 出品，最流行
CirqPythonGoogle 出品
PennyLanePython量子机器学习
Q#Q#Microsoft 出品
BraketPythonAWS 量子云服务

4.2 实践：Qiskit 入门

from qiskit import QuantumCircuit, transpile
from qiskit_aer import AerSimulator

# 创建 Bell 态电路
qc = QuantumCircuit(2, 2)
qc.h(0)          # Hadamard 门
qc.cx(0, 1)      # CNOT 门
qc.measure([0,1], [0,1])

# 模拟运行
simulator = AerSimulator()
compiled = transpile(qc, simulator)
result = simulator.run(compiled, shots=1000).result()
counts = result.get_counts()
print(counts)  # {'00': ~500, '11': ~500}

4.3 量子云计算

平台提供商可用硬件
IBM QuantumIBM超导，免费访问
AWS BraketAmazon多技术路线
Azure QuantumMicrosoft多技术路线
本源量子云本源量子超导，国内
百度量子云百度超导

第五章 量子机器学习

5.1 量子神经网络（QNN）

将经典神经网络的概念扩展到量子领域：

  • 参数化量子电路：类似神经网络的"层"
  • 量子特征映射：将数据编码到量子态
  • 变分方法：经典优化器 + 量子电路

5.2 量子优势场景

量子计算可能率先在以下领域展现优势：

  • 量子化学：分子模拟、药物设计
  • 材料科学：超导体、电池材料
  • 金融：投资组合优化、风险分析
  • 物流：路径优化、供应链
  • 密码学：后量子密码迁移

5.3 后量子密码学

Shor 算法威胁现有公钥密码体系（RSA、ECC）。NIST 已标准化后量子密码算法：

算法类型标准化状态
CRYSTALS-Kyber密钥封装已标准化（ML-KEM）
CRYSTALS-Dilithium数字签名已标准化（ML-DSA）
SPHINCS+数字签名已标准化（SLH-DSA）
FALCON数字签名已标准化

学习路径

数学基础：线性代数、复分析、概率论
  ↓
量子力学基础：Dirac 符号、量子态、测量
  ↓
量子计算入门：Qiskit 教程、量子门与电路
  ↓
量子算法：Shor、Grover、VQE、QAOA
  ↓
量子机器学习：PennyLane、QNN
  ↓
前沿研究：量子纠错、容错计算

推荐资源

  • 书籍：《Quantum Computation and Quantum Information》（Nielsen & Chuang）
  • 课程：Qiskit Global Summer School（每年免费）
  • 平台：IBM Quantum Lab（免费在线量子计算机）
  • 竞赛：QHack、IBM Quantum Open Science Prize
← 返回教育专区