在一座名为“计算之城”的都市里，有一家远近闻名的量子神探事务所。这里的王牌侦探 BQ 先生与普通神探最大的不同，是拥有一项绝技——分身术。普通神探接手“谁是嫌疑人”的案子时，只能挨家挨户敲门、逐个核对不在场证明，查完一家才能赶去下一家；BQ 神探却能在眨眼间派出无数分身，同时敲开全城每一扇门，把所有证词收拢后凝结成一个结论。于是，城里出现了一批令普通神探绝望、却被 BQ 神探轻松突破的悬案。“BQP 复杂度”正是用来刻画这批“神探能高效侦破的案子”究竟有多大范围的学科工具。要真正读懂量子优势场景，我们得先弄明白：神探的立案标准是什么？他与普通神探（P）、神秘的 NP 警长之间是什么关系？他破了哪些成名大案？分身术有没有边界？模拟演练的战绩如何？竞赛的计分规则又怎么定？这篇文章将一一揭晓。

岗位关联

对 AI 从业者而言，理解 BQP 复杂度能帮你看穿“量子优势”宣传的真伪：知道哪些问题是量子真正擅长的、哪些只是噱头，从而在量子计算投资、算法选型与架构决策中做出理性判断。

目录
  1. 可视化演示
  2. 复杂度类定义：神探的立案标准
  3. 与经典类关系：神探与同行的较量
  4. 已知BQP问题：神探的成名大案
  5. 量子优势理论：分身术的边界
  6. 实验证据进展：模拟演练的战绩
  7. 基准评估方法：破案竞赛的计分规则
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示BQP与经典复杂度类包含关系、已知BQP问题实例及量子优势边界与实验验证，交互切换理解量子计算能力边界。

本节配有交互动效（进入视口后自动加载，约 3KB）。

'+modeData.contain.caption+'

复杂度类定义：神探的立案标准

任何案子想进入 BQ 神探的“擅长清单”，必须先过三道立案关卡：第一，这必须是“是/否”型决策案，比如“嫌疑人 A 是否是凶手”，而不是开放性问答题；第二，案情档案越长，破案时间的增长必须保持“温和”（多项式级），不能指数爆炸；第三，神探允许偶尔失手，但把案子办错的概率不得高于三分之一。

这三道关卡，正是计算复杂性理论对 BQP（Bounded-error Quantum Polynomial time，有界错误量子多项式时间）的形式化要求。复杂度类 BQP 把所有能被量子计算机在多项式时间内、以有界错误率解决的决策问题收编为一个集合。在量子线路模型里，解答过程就是让一份“分身术阵列”（量子线路）作用于案情档案。

形式化地，设量子线路为 $C$，输入为 $x$，BQP 要求：

可见，立案标准既宽又稳：宽在只问“是/否”、不挑食，稳在允许小失误，但通过重复侦查能把误判概率指数级压低到几乎为零。这正是量子神探的底气所在。

∀x∈L: Pr⁡[C(x)=1]≥23,∀x∉L: Pr⁡[C(x)=0]≥23\forall x \in L:\ \Pr[C(x)=1] \geq \tfrac{2}{3},\qquad\forall x \notin L:\ \Pr[C(x)=0] \geq \tfrac{2}{3}
  1. 集合 $L$ 的含义$L$ 是所有“答案为是”的决策问题实例构成的集合，好比把全城案情分成“有罪”与“无罪”两类。
    L⊆{0,1}∗L \subseteq \{0,1\}^*
  2. 量子线路 $C$$C$ 代表神探的分身术阵列，其规模随输入长度多项式增长，对应“破案时间温和增长”。
    C=C∣x∣C = C_{|x|}
  3. 接受概率 ≥ 2/3当 $x$ 属于 $L$ 时，神探输出“是”的概率至少三分之二，这是立案的及格线。
    Pr⁡[C(x)=1]≥23\Pr[C(x)=1] \geq \tfrac{2}{3}
  4. 拒绝概率 ≥ 2/3当 $x$ 不属于 $L$ 时，神探输出“否”的概率同样至少三分之二，保证不冤枉好人。
    Pr⁡[C(x)=0]≥23\Pr[C(x)=0] \geq \tfrac{2}{3}

与经典类关系：神探与同行的较量

城里还有两位同行：一位叫 P 神探，办案按部就班、从不失误，但速度有限；另一位叫 NP 警长，自己破案很磨蹭，可只要你把嫌疑犯名单递到他面前，他扫一眼就能飞快验证“就是此人”。那么会分身术的 BQ 神探，在办案能力榜上到底排第几？

复杂度理论给出的“段位图”可以浓缩成一条关系链：P 神探破得了的案子，BQ 神探必然破得了；而 BQ 神探破得了的案子，无论如何不会超出 PSPACE 国库的地界。换句话说，量子神探的能力介于“经典确定型”与“多项式空间”两堵墙之间。

至于 NP 警长与 BQ 神探谁更强，至今仍是悬案：目前既没有证据表明 NP 包含于 BQP，也没有证明相反结论。另一个深层问题是：经典计算机能否高效模拟 BQP？若能，量子优势将彻底瓦解；而多数理论家相信这不可能——这正是后面“分身术边界”讨论的起点。

在这场侦探城的地位之争中，BQ 神探的段位是“稳居 P 神探之上、不越 PSPACE 国库边界”，而他与 NP 警长的高下，至今是未决的世纪悬案。

P⊆BQP⊆PSPACE\mathrm{P} \subseteq \mathrm{BQP} \subseteq \mathrm{PSPACE}
  1. 经典核验基础 $P \subseteq BQP$经典多项式时间算法本质上是一类特殊量子线路，可以平凡地嵌入量子计算机，所以普通神探的案子神探全都会破。
    P⊆BQP\mathrm{P} \subseteq \mathrm{BQP}
  2. 多项式空间上界 $BQP \subseteq PSPACE$量子态的演化可以按基态振幅逐一记录下来，用多项式空间做经典模拟，因此神探不会超出 PSPACE 国库。
    BQP⊆PSPACE\mathrm{BQP} \subseteq \mathrm{PSPACE}
  3. 未知的严格性两个包含是否严格（即是否真正不相等）都是未解决的世纪难题，类似“神探是否真的比普通神探破得更多”尚无定论。
    P⊊BQP?BQP⊊PSPACE?\mathrm{P} \subsetneq \mathrm{BQP}? \qquad \mathrm{BQP} \subsetneq \mathrm{PSPACE}?

已知BQP问题：神探的成名大案

BQ 神探有三桩让全城轰动的成名大案：第一桩，一位富豪的 RSA 保险箱密码被神探用分身术迅速拆解（大数分解）；第二桩，在 100 万个仓库里找一件失物，普通侦探最坏要查 100 万次，神探却只跑了约 1000 次（无序搜索）；第三桩，模拟整座城市的天气系统（量子模拟），普通侦探只能靠粗略近似，神探却直接演化出真实分子的量子态。

这三桩案子对应了 BQP 中最重要的三类问题：Shor 的大数分解算法、Grover 的无序搜索算法、以及费曼构想的量子模拟。此外，黑箱模型中的 Simon 问题还能在相对化意义下严格分离 BQP 与经典类，成为理论上的“教科书级铁证”。以第二桩案子为例，Grover 搜索的加速可以这样定量刻画：

三桩成名大案让神探名声大噪，但也有人冷静提醒：大数分解虽然属于 NP，却未必是 NP 完全问题；神探并非无所不能，他的优势集中在“结构恰好能被量子干涉利用”的案子上。

TGrover=O(N),Tclassical=O(N)T_{\mathrm{Grover}} = O(\sqrt{N}),\qquad T_{\mathrm{classical}} = O(N)
  1. 候选规模 $N$无序数据库的条目数，也就是神探需要排查的仓库门数。
    NN
  2. 经典查询 $O(N)$经典逐项检查没有捷径，最坏情况要尝试全部 $N$ 个候选。
    Tclassical=O(N)T_{\text{classical}} = O(N)
  3. 量子查询 $O(\sqrt{N})$Grover 利用振幅放大机制，只需约 $\sqrt{N}$ 次预言机访问就能锁定目标。
    TGrover=O(N)T_{\mathrm{Grover}} = O(\sqrt{N})
  4. 二次加速的幅度从 $N$ 到 $\sqrt{N}$ 是平方级加速；当 $N=10^6$ 时，查询次数从百万次降到千次。
    TclassicalTGrover=O(N)\frac{T_{\text{classical}}}{T_{\mathrm{Grover}}} = O(\sqrt{N})

量子优势理论：分身术的边界

为什么神探在某些案子上必胜？本质在于分身术的并行性：量子比特可以同时处于多种状态的叠加，经典侦探却只能一个一个排查。但分身术也有边界——不是所有案子都能从并行中获益，比如判断两个图是否同构这类结构化难题，量子至今没有突破性加速。

理论家们从三个层面给量子优势划界：第一，查询复杂度下界证明 Grover 的 $\sqrt{N}$ 加速在黑箱模型中是最优的，无法再改进；第二，随机电路采样被设计成“经典模拟极难”的采样任务，成为量子优势的标准考题；第三，借助 Stockmeyer 计数定理与 #P-困难性论证，可以得到一条震撼的推论：

这就像破案竞赛中给经典侦探判了“死缓”：想靠经典模拟赢下采样案，除非发生数学界公认的奇迹——无限层级的高塔自行塌缩。量子优势的理论边界，由此既清晰又谦逊。

若经典可模拟随机电路采样  ⇒  PH=Σ3P\text{若经典可模拟随机电路采样} \;\Rightarrow\; \mathrm{PH} = \Sigma_3^\mathrm{P}
  1. 随机电路采样任务从理想随机量子线路的输出分布 $\{p_U(x)\}$ 中采样，是当前量子优势基准的核心考题。
    {pU(x)}x\{p_U(x)\}_{x}
  2. Stockmeyer 近似计数如果经典能成功采样该分布，就能在多项式谱系内近似计算任意结果的概率。
    近似计数∈FPNP\text{近似计数} \in \mathrm{FP}^{\mathrm{NP}}
  3. 谱系塌缩结论当交叉熵计算被证明为 #P-困难时，上述近似能力会把整个多项式谱系压扁到第三层。
    PH=Σ3P\mathrm{PH} = \Sigma_3^\mathrm{P}
  4. 证据而非证明谱系塌缩被公认极不可能发生，所以这是反对经典模拟的“强证据”，但不构成严格证伪。
    PH≠Σ3P (普遍信念)\mathrm{PH} \neq \Sigma_3^\mathrm{P}\ (\text{普遍信念})

实验证据进展：模拟演练的战绩

光说不练假把式。2019 年，量子神探事务所搞了一场公开演练：用一块叫 Sycamore 的 53 比特芯片，执行 20 层随机电路采样。演练结果震惊全场——量子设备约 200 秒完成任务，而当时最强的经典超算预估需要约一万年。这是“量子霸权”实验的标志性时刻。

不过，演练中的量子态究竟是什么样子？它由 53 个量子比特的均匀叠加出发，经过 20 层随机单比特门与受控纠缠门的反复作用，形成高度纠缠的量子态：

然而，这场演练也暴露了现实：当前设备属于 NISQ（含噪声中等规模量子）阶段，没有纠错，噪声随线路深度迅速累积；更关键的是，经典算法持续“反扑”——张量网络等改进方法不断压缩模拟耗时，把所谓的“万年优势”缩水到数百秒量级。演练证明了神探分身术的潜力，但距离“无可争议的优势”仍有距离。

|\psi\rangle = U |0\rangle^{\otimes 53},\qquadU = \prod_{d=1}^{20} U_d
  1. 初始态 $|0\rangle^{\otimes 53}$53 个量子比特全部初始化为 $|0\rangle$，相当于 53 扇待探查的仓库门。
    ∣0⟩⊗53|0\rangle^{\otimes 53}
  2. 第 $d$ 层线路 $U_d$每层由随机单比特门与受控纠缠门（如 CZ 门）组成，制造深度纠缠。
    Ud=∏i(单比特门)⋅CZU_d = \prod_{i} (\text{单比特门}) \cdot \text{CZ}
  3. 整体酉演化 $U$20 层随机电路串联成整体酉变换，把简单初始态变成复杂纠缠态。
    U=U20⋯U1U = U_{20} \cdots U_1
  4. 采样输出位串对 $|\psi\rangle$ 测量得到 53 位串，其频率分布应逼近理想概率分布。
    x∼p(x)=∣⟨x∣ψ⟩∣2x \sim p(x) = |\langle x | \psi \rangle|^2

基准评估方法：破案竞赛的计分规则

既然神探和普通侦探都要参加破案竞赛，怎么公正地计分？总不能各说各话。量子优势研究同样需要一把统一的“尺子”来衡量一台量子设备到底有多接近理想量子行为——这就是线性交叉熵保真度（XEB）。

XEB 的核心思想很朴素：把理想量子线路给出的概率分布 $p_U(x)$ 与设备实测的频率分布 $q_U(x)$ 做对比，吻合度越高，说明设备越“真量子”。它的计算公式是：

有了统一的计分规则，神探的战绩才能被量化、被比较、被质疑：结合随机线路采样基准与噪声模型估计，XEB 还能反推出设备的有效保真度。这正是量子优势研究从“自说自话”走向“可验证科学”的成熟标志。

XEB=2n∑xpU(x) qU(x)−1\mathrm{XEB} = 2^n \sum_{x} p_U(x)\, q_U(x) - 1
  1. 位串 $x$ 与理想概率 $p_U(x)$理想量子线路输出位串 $x$ 的真实概率，由线路 $U$ 完全决定。
    pU(x)=∣⟨x∣U∣0n⟩∣2p_U(x) = |\langle x | U | 0^n \rangle|^2
  2. 实测频率 $q_U(x)$设备重复运行 $M$ 次后，位串 $x$ 出现的相对频率。
    qU(x)=#(x)Mq_U(x) = \frac{\#(x)}{M}
  3. 交叉熵核心项理想概率与实测频率的点积，衡量两条分布曲线的吻合程度。
    ∑xpU(x)qU(x)\sum_x p_U(x) q_U(x)
  4. 归一化与判读乘以 $2^n$ 再减 1 后，完美量子输出时 XEB≈1，全噪声输出时 XEB≈0。
    XEB≈1 (理想),XEB≈0 (噪声)\mathrm{XEB} \approx 1 \ (\text{理想}),\quad \mathrm{XEB} \approx 0 \ (\text{噪声})

AI 应用场景

量子安全密码迁移规划（金融与政务）

阶段：量子威胁评估与密码体系迁移

解决的问题：RSA 等公钥密码的安全性依赖大数分解的困难性，而 Shor 算法把大数分解放进了 BQP。传统安全团队只能被动观望；理解 BQP 复杂度后，可按“量子可解性”给密码资产分级，提前迁移到格密码等抗量子方案，避免“今天加密、明天被破”的存储转发攻击。

具体案例：某银行在量子安全清单中评估 RSA-2048 密钥：按 Shor 算法需要数千逻辑量子比特，结合 NISQ 现状估算出 10—20 年的风险窗口，从而启动“经典+后量子”混合密码迁移，分阶段替换 TLS 证书与签名体系。

量子模拟加速材料与药物研发

阶段：分子与材料量子模拟

解决的问题：薛定谔方程精确求解对经典计算是指数困难，但制备并演化量子态属于 BQP 中“量子模拟”的天然主场。传统分子动力学使用近似力场，精度有限且无法刻画强关联体系。

具体案例：某锂电池厂商用量子模拟评估新型电解液分子的基态能量，先用经典方法从 10 万级候选分子中粗筛出 Top 50，再对这 50 个分子做高精度量子模拟，将筛选周期从数年压缩到数月。

云量子平台的基准验证服务

阶段：量子设备验证与性能评估

解决的问题：用户无法分辨云上的量子设备是真量子还是经典模拟冒充。XEB 基准提供了一台标准化“测谎仪”，通过比对输出分布与理想分布的交叉熵，判定设备是否具备真实的量子行为。

具体案例：某云厂商对三款量子后端做 XEB 测试，报告显示 20 比特线路下 XEB=0.02（高噪声）与 12 比特下 XEB=0.85（近理想），据此调整计费策略、任务调度与设备上架名单。

Python 演示

python26 行
# -*- coding: utf-8 -*-"""以振幅向量模拟 Grover 量子搜索, 演示 BQP 中的二次加速."""import math  def grover_search(n_qubits, target):    """纯经典模拟, 维护 2^n 个振幅, 执行 Grover 迭代后测量."""    N = 1 << n_qubits    amp = [1.0 / math.sqrt(N)] * N          # 均匀叠加, 所有嫌疑人等概率    theta = math.asin(1.0 / math.sqrt(N))   # Grover 旋转角    iters = round(math.pi / (4 * theta) - 0.5)    for _ in range(iters):        amp[target] = -amp[target]          # 预言机: 翻转目标项的相位        avg = sum(amp) / N                  # 扩散算子: 求平均振幅        for i in range(N):            amp[i] = 2 * avg - amp[i]       # 围绕均值镜像反射    probs = [a * a for a in amp]    best = max(range(N), key=lambda i: probs[i])    print("目标索引:", target)    print("Grover 迭代次数:", iters)    print("最高概率索引:", best, "概率: %.3f" % probs[best])    print("经典期望尝试 %.1f 次, 量子约需 %d 次查询" % (N / 2.0, int(math.sqrt(N))))  if __name__ == "__main__":    grover_search(5, 17)   # 32 个候选, 藏身 17 号仓库
目的：在经典电脑上以振幅向量模拟 Grover 算法（BQP 中的无序搜索），直观展示 √N 次查询对 N 次查询的量子优势来源。
  1. amp = [1.0 / math.sqrt(N)] * N初始化均匀叠加态，相当于神探同时派出 N 个分身。
  2. theta = math.asin(1.0 / math.sqrt(N))计算 Grover 旋转角，决定需要迭代多少轮。
  3. amp[target] = -amp[target]预言机翻转目标相位：分身们标记出目标嫌疑人。
  4. avg = sum(amp) / N扩散算子第一步：求全体振幅的平均值。
  5. amp[i] = 2 * avg - amp[i]围绕均值镜像反射，让目标振幅“水涨船高”。
  6. best = max(range(N), key=lambda i: probs[i])最终“测量”：概率最高的索引即破案结果。

常见误区

误区“BQP 不是包含 P 吗？NP 完全问题肯定也能被量子计算机轻松搞定，所以量子优势可以碾压所有难题。”

正解BQP 只刻画量子能高效求解的问题集。目前没有任何理论证据表明 NP 包含于 BQP；Shor 算法只针对大数分解这种“属于 NP 但未知是否 NP 完全”的特殊问题，而公认的 NP 完全问题（如 3-SAT）在量子下目前只有平方级加速（Grover 穷举）。神探的分身术不是万能的。

为何常见：媒体常把“量子霸权”渲染成“量子无所不能”，加上 Shor 破解 RSA 的新闻，给大众留下“量子秒解一切难题”的错觉。

误区“既然量子优势被证明了，那量子机器上跑任何 AI 任务都应该比经典快。”

正解优势是“问题特异”的。随机电路采样、大数分解这类结构恰好匹配量子干涉的问题才在 BQP 中；而常见的矩阵求逆、线性回归在量子下只有低阶多项式加速，且受输入输出带宽限制，很多经典优化问题量子并无优势。神探只在“分身术恰好有用”的案子上快。

为何常见：把“采样优势”误当成“通用加速”，混淆了量子优势实验展示的计算任务与实际生产任务。

误区“BQP 允许三分之一的错误率，这哪能用于实际？量子计算机肯定不靠谱。”

正解1/3 只是复杂度类定义的“及格线”。只要重复运行常数次并取多数投票，错误率就会指数级下降（Chernoff 界）。就像神探对同一证词多问几遍，几乎不会出错。随机化与重复放大是计算理论的标准套路。

为何常见：习惯了确定性算法的直觉，不理解“有界错误 + 重复放大”这一经典设计模式。

误区“Google 已经实现了量子霸权，BQP ≠ P 被实验证明了，量子优势是板上钉钉的事实。”

正解实验基于随机电路采样与 XEB 统计假设，是“强证据”而非“严格证明”；且经典模拟算法持续改进（如张量网络方法），曾把优势幅度从万年压到数百秒。量子优势的严格证明需要依赖复杂性假设（如 PH 不塌缩）。演练再精彩，也替代不了数学证明。

为何常见：忽略“实验演示”与“数学证明”的本质区别，也低估了经典算法的迭代能力。

面试题

Q1. BQP 复杂度类描述的是哪类问题？

单选题 · easy

  • A.量子计算机能确定性求解的问题类
  • B.量子计算机可高效求解的决策问题类← 正确答案
  • C.经典计算机可高效求解的随机问题类
  • D.量子物理实验中的能级分类体系

答案：B。BQP 是“神探能高效破案的是/否型案情集合”，强调有界错误（≤1/3）下的多项式时间量子可解。A 少了“有界错误”与“决策”的限定，C 描述的是经典随机类 BPP，D 是物理学概念而非复杂度类。

Q2. 关于 P 与 BQP 的关系，正确的是？

单选题 · easy

  • A.BQP 严格包含 P，且不等性已经证明
  • B.P 包含于 BQP，但严格性尚未知← 正确答案
  • C.P 与 BQP 完全不相交相互独立
  • D.BQP 包含于 P 且量子能力更弱

答案：B。经典多项式时间算法可以在量子计算机上模拟，故 P ⊆ BQP；但两者是否严格相等是开放问题。就像普通侦探能破的案子神探必然能破，但神探是否破得更多尚无定论。

Q3. 下列哪一问题已知属于 BQP？

单选题 · mid

  • A.大数分解与无序数据库搜索← 正确答案
  • B.全部 NP 完全问题
  • C.图灵停机判定问题
  • D.通用的整数线性规划求解

答案：A。Shor 分解与 Grover 搜索是 BQP 的经典成员；NP 完全问题（含整数线性规划）是否在 BQP 中未知，停机问题不可判定。神探的成名案集中在分解与搜索，而非所有难题。

Q4. Grover 算法对无序数据库搜索的查询复杂度是？

单选题 · mid

  • A.O(N) 与经典枚举完全一致
  • B.O(N log N) 略快于经典
  • C.O(√N) 相对经典平方加速← 正确答案
  • D.O(log N) 实现指数加速

答案：C。Grover 通过振幅放大做到 √N 次查询，是平方级而非指数加速。经典枚举最坏需 N 次，所以 A、B 错误，D 夸大了加速幅度。

Q5. BQP 定义中的 1/3 错误率含义是？

单选题 · mid

  • A.每次运行错误不可重复纠正
  • B.重复运行取多数可指数降错← 正确答案
  • C.错误率必须精确等于三分之一
  • D.只需对一半输入保证正确

答案：B。1/3 是“及格线”，常数次重复加多数投票可把错误率指数压低（Chernoff 界），如同神探对同一证词多问几遍。A、C、D 都是对定义机制的误解。

Q6. 若随机电路采样能被经典多项式模拟，则？

单选题 · hard

  • A.立即严格证明 P 与 BQP 不等
  • B.多项式谱系将塌缩到第三层← 正确答案
  • C.BQP 复杂度类将变为空集合
  • D.量子纠错编码完全失去意义

答案：B。Stockmeyer 计数加 XEB 的 #P-困难性论证表明：经典可模拟会导致 PH 塌缩到 Σ₃P，数学界认为极不可能，因此是反对经典模拟的强证据。A 方向反了，C、D 与逻辑无关。

Q7. Google 量子霸权实验的要素包括？

多选题 · mid

  • A.53 个超导量子比特的 Sycamore← 正确答案
  • B.约 200 秒完成随机电路采样← 正确答案
  • C.经典超算预估需约一万年← 正确答案
  • D.实现全纠错的逻辑量子比特

答案：ABC。Sycamore 用 53 比特、20 层随机电路采样，宣称 200 秒对比经典约 1 万年；但实验仍是含噪声的物理比特，并未实现容错逻辑量子比特，故 D 错误。

Q8. 关于 BQP 与 PSPACE 的关系，正确的是？

单选题 · hard

  • A.BQP 已证明严格包含 PSPACE
  • B.PSPACE 已证明严格包含 BQP
  • C.BQP 包含于 PSPACE 但严格性未定← 正确答案
  • D.BQP 与 PSPACE 完全不可比较

答案：C。量子线路可按基态振幅用多项式空间经典模拟，故 BQP ⊆ PSPACE 已成立；但包含是否严格未知。A、B 把未知当已知，D 否定了已证的包含关系。

Q9. NISQ 指的是哪类量子设备？

单选题 · easy

  • A.无噪声的通用容错量子计算机
  • B.含噪声的中等规模量子设备← 正确答案
  • C.经典超级计算机的模拟集群
  • D.传统中央处理器的并行扩展

答案：B。NISQ（Noisy Intermediate-Scale Quantum）指含噪声、中等规模（几十到数百比特）、无纠错的设备。当前实验（如 Sycamore）都处于 NISQ 阶段，A 是远期目标。

Q10. 关于线性交叉熵保真度 XEB 的说法，正确的有？

多选题 · hard

  • A.数值接近 1 表示输出接近理想分布← 正确答案
  • B.数值接近 0 表示输出近似全噪声← 正确答案
  • C.可严格证明量子计算机的通用性
  • D.用于比对理想概率与实测频率← 正确答案

答案：ABD。XEB = 2ⁿ Σ p_U(x) q_U(x) − 1，当实测频率等于理想概率时约等于 1，均匀噪声时约等于 0，因此 A、B、D 正确；它只是统计验证工具，不能证明通用性，C 错。