物理 · Physics

量子技术

Day 24 · 2026 · Phase E 量子力学
量子计算机不是"同时试遍所有答案"的超级并行机。它唯一的本事，是让错的答案自己抵消掉——而环境每时每刻都在拆这个台。
叠加、纠缠、不可克隆，这些原本用来吵本体论的性质，如今被当作工程资源调用。麻烦在于它们极其娇气——把一个量子态和世界隔开，比把它做出来难得多。所以真实的进度条不长在"有多少个量子比特"上，而长在相干维持多久、错误压到多低。看清这条线，就能分辨哪些承诺是物理、哪些是话术。

量子比特凭什么 What a Qubit Actually Buys You

叠加与干涉 · Deutsch 1985
直觉 经典比特是个开关，只有两个位置。量子比特是球面上的一个方向：北极是 0，南极是 1，其余每一点都是两者的混合。听起来像能装下海量信息——但你一读它，它就塌回南北极之一，读出来仍然只有一个经典比特。
机制 一个量子比特写成
|ψ⟩ = α |0⟩ + β |1⟩，　|α|2 + |β|2 = 1
ψ 是希腊字母 psi；竖线加尖括号 | ⟩ 只是"一个状态"的记号，里面的 0（数字零）和 1（数字一）是两个可能的读数，不是数值大小。α（alpha）、β（beta）是复数概率幅——取模平方才是概率，两者之和为 1。关键在于：概率永远非负，只会越加越平；概率幅可正可负、还带相位，能互相抵消。
n 个量子比特要 2n 个复数才描述得完，三百个比特的振幅个数就超过可见宇宙的原子数。但这堆振幅不是给你读的，是给你操纵的：算法的全部技巧，是让通向错误答案的振幅两两相消、正确答案的相长叠加。
经典比特 量子比特 0（数字零） 1（数字一） 只有两个位置 |0⟩ |1⟩ α|0⟩ + β|1⟩ 球面上任一方向 · 一读仍只出 0 或 1
右边多出来的自由度是真的，但只在运算过程中存在；读数那一刻，两边的输出格式一模一样。
反直觉的重点 "量子计算机同时试遍所有可能"是这行最顽固的误解。真要如此，它早该秒杀一切搜索问题。分支同时演化不假，但你只能取走一个结果，还不能挑。答案必须被藏进干涉花样里——这活儿极难设计，四十年过去，被证明有指数加速的算法屈指可数。
跨学科对读 · 计算机科学 / AI
  • 计算机科学：量子能解的问题构成复杂度类 BQP，它不被认为包含 NP 完全问题——旅行商、SAT 这类"验证容易、求解极难"的题目至今没有指数加速的证据。会被撬动的是有隐藏周期结构的问题，比如大数分解。
  • AI：蒙特卡洛采样也在"同时探索很多分支"，但它加的是概率——只增不减，只会把分布摊平；量子加的是可相消的振幅。这正是随机算法与量子算法的分界线。
一句话：量子比特的资源不是"存得多"，是"能相消"。
思考：既然读出只给一个经典比特，多出来的振幅到底"有用"在哪？
用在读之前。干涉能把结果的概率分布捏成你要的形状，把绝大部分权重挤到正确答案上。它不是被读走的信息，是塑造读数分布的杠杆。

退相干是头号敌人 Decoherence, the Real Enemy

纠错与阈值定理 · 1995–1997
直觉 叠加的脆弱不在于"容易变成别的状态"，而在于相位会泄漏出去。一个杂散光子撞上来、一丝磁场晃一下，环境就跟比特纠缠上了——等于它"记下"了这个比特偏向 0 还是 1，干涉花样随即塌成普通的随机。这是「测量问题与诠释」那套机制在工程上的现身：不必有人观测，环境本身就是观测者。
机制 工程上用两个时间刻画：T1 是能量掉下去的时间，T2 是相位还对得上的时间——后者更短也更要命。超导比特的 T2 在几十到几百微秒量级，单次门操作几十纳秒，预算只有几千次操作，远不够跑一个有用的算法。
相干存活 ≈ e−t／T2
e 是自然常数（约 2.718），指数上的负号意味着指数衰减：每过一个 T2，剩下的相干只有约 37%。t（字母 t）是流逝的时间。注意下标里的 1 和 2 是编号，不是次方。
出路是纠错，但量子不能像经典那样存三份投票——复制未知状态本身被禁止。办法是把一个逻辑比特摊进一大片物理比特的纠缠里，只测"症状"：相邻比特之间是否一致。症状不透露状态本身，却能指出哪儿出了错。阈值定理再给一个保证：只要物理错误率低于某个门槛（表面码约 1%），码片摊得越大，逻辑错误率掉得越快。
相干如何消失 时间 包络 ~ e 的负 t/T₂ 次方 干涉花样摊平 纠错如何反击 逻辑错误率 码距 3 码距 5 码距 7 每加两格 ÷ 2.14 0.143% 物理比特越多 → 逻辑错误率越低（2024 年实测）
左：相干按指数消失，蓝线最后摊平成经典随机。右：码片每加两格，逻辑错误率降到约原来的 1/2.14——纠错真正生效的样子。
反直觉的重点 跨过阈值不是宣言，2024 年底已被实测：101 个物理比特编成一个码距 7 的逻辑比特，每轮纠错的逻辑错误率 0.143%，寿命是芯片上最好的那个物理比特的 2.4 倍——第一次"越纠越好"而不是"越纠越乱"。但别漏看另一半账：这换来的是一个逻辑比特，分解大数那类任务要几千个。
跨学科对读 · 通信工程 / 生物
  • 通信工程：经典纠错靠加冗余位定位错误（汉明码、深空探测与硬盘里的 LDPC 码）。量子版必须绕开复制，改成只读校验、不读内容——同一个思想被"不能复制"逼出了全新形式。
  • 生物：常有人说光合作用靠量子相干提高效率。诚实的现状是：实验里的相干信号只持续几百飞秒，后来多被归因于分子振动，效率优势并无定论。温暖潮湿的细胞是退相干的天堂——这也解释了量子芯片为何要泡在接近绝对零度的制冷机里。
一句话：量子技术的真实难度不在造出叠加，而在不让世界知道它。
思考：纠错要测量比特，测量又会破坏叠加——这不矛盾吗？
不矛盾，测的不是比特本身。症状问的是"这两个比特一不一致"，与它们各自处于什么叠加无关，叠加因此保得住。代价是你只知道错在哪、不知道原本是什么——而这恰好够把错纠回去。

通信与传感：已经在用的那部分 Communication and Sensing

不可克隆 1982 · BB84 1984
直觉 最先走出实验室的不是量子计算，是传感和通信：它们不需要维持几百个比特的大规模纠缠，只要求少量量子态足够安静。而"娇气"反过来正是传感的卖点——对环境敏感到极点的东西，天生是好探头。
机制 通信靠一条禁令：不可克隆定理——量子演化是线性的，"复制任意未知状态"不线性，这台复印机造不出来。于是窃听必然扰动信号，拿一小段密钥比对错误率就知道有没有人偷看过。
传感靠相位对外场的极端敏感。N 个独立粒子测出的相位精度是
Δφ ~ 1√N　（经典极限），　Δφ ~ 1N　（纠缠后可达）
Δ 是希腊字母 delta，"误差有多大"；φ 读作 phi，是被测的相位；N（大写字母 N）是参与测量的粒子数。分母从 √N 换成 N：同样多的原子换来平方级的精度提升——纠缠在这里不是玄学，是实打实的信噪比。
已落地的例子：光晶格原子钟稳定到 10−18 量级（跑满宇宙年龄误差不到一秒）；引力波探测器往光路注入压缩光，压低量子噪声换更远的观测距离；2017 年"墨子号"卫星把纠缠光子对分发到了相距 1200 公里的两个地面站。
发送方随机选基矢 接收方随机选基矢 ＋ ／ 1 ✕ ／ 0 ＋ ／ 0 ✕ ／ 1 ＋ ＋ ＋ ✕ 基矢相同 → 留下 基矢不同 → 丢弃 基矢相同 → 留下 基矢相同 → 留下 窃听者插进来测一次，就会在留下的那批里制造错误 ＋ 与 ✕ 是两套互不相容的测量方式：用错了，读数就是纯随机
安全性不靠算法难破，靠物理：偷看必然留痕，而留痕会被误码率统计出来。
反直觉的重点 "量子加密绝对安全"要打折。它证明的是协议在理想设备下安全，而现实攻击从不打协议、只打设备：早年就有人用强光把探测器致盲，让它按窃听者的意思出数。加上它只解决密钥分发、要专用光纤或卫星，多国密码机构反而更推后量子密码——经典计算机就能跑、量子计算机也算不动的数学难题，升级只需换软件。
跨学科对读 · 地球科学 / 医学
  • 地球科学：原子干涉重力仪在"用重力给地下拍片"——找矿脉、盯火山岩浆房的充填、开挖前查明地下管线，都不用动一铲子土。2022 年一支英国团队就这么在城市马路下测到了一条隧道。
  • 医学：脑磁图原本要靠液氦制冷的超导量子干涉仪，如今光泵磁强计能在室温工作、直接戴在头上，儿童和运动状态下的测量第一次成为可能。
一句话：量子技术已经落地的部分，靠的不是算得快，是量得准。
思考：既然窃听必然留痕，为什么密码专家还是更推荐后量子密码？
留痕保证的是"你会发现被偷看"，但它建立在设备完全符合理论模型之上，实践中侧信道多得是；后量子密码只需替换软件里的算法，能覆盖全互联网。两者不冲突，只是后者性价比高得多。

炒作与现实的边界 Where the Hype Ends

NISQ 时代 · Preskill 2018
直觉 听到一条量子承诺，问三个问题就能筛掉大半：有没有被证明的加速？数据怎么进去？需要多少逻辑比特，今天差几个数量级？三关都过的应用是很短的一张名单。
机制 指数加速证据扎实的只有两类：一是模拟量子系统自身——分子的电子结构、材料里的强关联行为；费曼 1982 年的理由很朴素：用量子的东西算量子的东西，代价才不会指数爆炸。二是有隐藏周期结构的数学问题，代表是分解大数。 平方根加速来自搜索：N 个无序条目里找一个，经典要 N 次，量子要 √N 次。但这点差距容易被纠错开销吃光。 最常被高估的是"量子机器学习"：不少宣称的指数加速，被证明经典算法在同样的数据访问假设下也做得到。何况把 N 个经典数据装进量子态就要约 N 步，指数加速当场蒸发。
所有计算问题 已知存在量子加速的（很小一块） 加速够大，且数据装得进去 现有硬件跑得动
每往下一层都要付出真实代价，而最后一层今天还很窄——这就是"有量子加速"与"有量子产品"之间的全部距离。
反直觉的重点 "量子优越性"演示不等于有用。2019 年那次著名演示跑的是随机线路采样——专门挑来难倒经典计算机、本身没有已知用途的任务；此后经典算法一再改进，把差距反复缩小。该盯的判据是：在一件人们本来就想做的事上，可复现地赢过最好的经典方法。这一天还没到。
但也别滑到另一个极端。破解 2048 位 RSA 所需的物理比特，从 2019 年估的两千万降到 2025 年的不到一百万；纠错刚跨过阈值；传感和授时已在服役。这不是泡沫，是一个以十年计的领域，被按季度计的叙事包装成了下个月就兑现。
跨学科对读 · 技术史 / AI
  • 技术史：可控核聚变"永远还有三十年"的教训不是"它是骗局"，而是"物理可行"与"工程可行"之间隔着一整个产业。判断力在于分清哪一步卡在原理上，哪一步卡在良率和成本上（那通常会解决，只是慢）。量子计算卡的是后者。
  • AI：深度学习在 2012 年前被主流视为死路，寒冬里坚持的人最后拿到了图灵奖。"现在做不到"不是"永远做不到"的证据，反过来也不构成"投钱就会成"的理由。另一个具体教训：2018 年一位十九岁本科生"去量子化"了量子推荐算法，把宣称的指数加速原样搬回经典机器——加速声称要看数据访问假设。
一句话：量子计算不是更快的计算机，是一台只在少数几种问题上开挂的专用机器。
思考：为什么"量子比特数"是个容易骗人的指标？
没纠错的物理比特堆得越多、出错越快。一千个错误率高的物理比特，能做的事可能不如十个高质量的。有意义的指标是逻辑比特数，以及物理错误率离阈值还有多远。

深入思考

量子计算机能不能解 NP 完全问题？
目前没有任何证据说它能。NP 完全问题（旅行商、SAT 等）的特点是"答案好验证、求解难"，而量子加速依赖问题里有可供干涉利用的结构——恰恰是这类问题最缺的。搜索算法能把 N 次尝试压到 √N 次，但对指数大的 N，指数开平方仍是指数；而且已证明在"黑箱查询"模型下平方根就是极限。
退相干是不是已经解决了测量问题？
解决了一半，而且是不太哲学的那一半。退相干很好地解释了干涉花样为何在宏观尺度上迅速消失，以及为何某些状态（位置、指针方向）比别的更"稳定"——环境不停监视这些量，把它们挑成了优选基。但它不解释为什么最后只出现一个结果："为什么是这一个"仍要交给诠释。工程上这区别不重要，本体论上它就是全部争议所在。
如果通用量子计算机永远造不出来，这些投入算白费吗？
不算，但也别用这句话粉饰泡沫。为量子计算发展出来的东西已经在别处结果：极低温电子学、超导工艺良率、单光子探测、把系统与环境隔离到极致的整套本领——原子钟、磁强计、重力仪吃的都是这份红利。底层能力的溢出是真的，"三年内颠覆制药"这类承诺是假的，二者同时成立。

延伸阅读