量子信息——当信息住进 Hilbert 空间
一、从一个比特不够用开始
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。
二、测量：从向量到概率
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。
三、张量积：多个系统不是简单拼接
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。
四、纠缠：整体比部分多出来的结构
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。
五、密度矩阵：把不确定性也写进线性代数
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。
六、熵：信息论进入量子世界
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。
七、量子信道：允许的演化是什么？
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。
八、不可克隆：量子信息不能随便复制
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。
九、量子门与线路：把酉变换拆成可执行步骤
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。
十、Schmidt 分解：纠缠的最干净坐标系
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。
十一、量子纠错：不能复制，仍然可以保护
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”。
十二、应用场景
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。
十三、与前几章的连接
线性代数：量子态是 Hilbert 空间向量，观测量是算子。 概率论：测量结果是概率，但概率来自投影。 信息论：von Neumann 熵推广 Shannon 熵。 泛函分析：无限维量子系统需要算子理论。 表示论：物理对称性通过酉表示作用在状态空间上。 优化：量子态判别、纠错和变分量子算法都依赖凸优化。十四、前沿展望
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。
十五、总结
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。
