趋近智
现代数字基础设施建立在一个基石之上:比特。在研究量子力学如何改变信息处理之前,我们必须理解现有系统的边界。无论是智能手表还是超级计算机,经典计算机都基于二进制逻辑运行。这种逻辑推动了数十年的技术进步,但在解决特定类型的复杂问题时,它面临着难以逾越的物理和数学屏障。
在经典计算中,信息是确定的。比特是开关的物理实现,它只能处于两种状态中的一种:0 或 1。在物理上,这由电压水平表示,高电压代表 1,低电压代表 0。
这种二进制特性简化了工程设计。它提供了容错空间;略低于“高”的电压仍会被识别为“高”,从而过滤掉噪声。然而,这种稳定性是有代价的。在任何特定时刻,一个经典比特都有一个唯一的、确定的值。如果你有一个 3 比特的寄存器,它们读出的可能是 101。它们不能同时表示 000、111 以及中间的所有状态。在操作改变它们之前,它们被锁定在单一的配置中。
下图展示了经典逻辑门的线性流程,其中输入指向一条单一的、确定的输出路径。
经典逻辑门接收确定的输入状态并产生确定的输出状态。其路径是单一且排他的。
当我们尝试模拟复杂的自然系统时,经典计算的局限性就变得显而易见了。大自然的行为并不像二进制开关。原子、分子和亚原子粒子之间的相互作用涉及复杂的概率和干涉模式。
为了在经典机器上模拟量子系统,我们必须跟踪每个粒子的状态。如果一个系统有 个组件(例如电子),且每个组件有两个可能的状态,那么总配置数量就是 。
为了让经典计算机同时表示该系统的所有可能状态,它需要存储 个复数。这一需求呈指数级增长。
看看这种增长的量级:
最后这个数字超过了可观测宇宙中估计的原子总数。无论我们将晶体管做得多么小、多么快,人类永远无法建造出能通过暴力计算存储仅 300 个相互作用量子粒子状态的经典计算机。这通常被称为“指数墙”。
下图直观地展示了线性增长(增加更多经典硬件)与指数增长(问题的复杂性)之间资源需求的快速背离。
随着问题规模 () 的增加,经典方法(红色)所需的计算资源相较于线性扩展(蓝色)呈爆发式增长。
由于这种指数级的扩展,某些问题被归类为经典计算机的“难解”问题。虽然理论上可以解决,但所需的时间超过了宇宙的年龄。
常见的例子包括:
除了数学复杂性外,经典计算在硬件制造方面也面临物理极限。几十年来,制造商遵循摩尔定律,大约每两年将芯片上的晶体管数量翻一番。为了实现这一目标,晶体管必须变得更小。
现代晶体管的尺寸已接近几纳米。在这种尺度下,经典物理定律开始失效,量子力学效应开始主导。
量子隧穿效应: 当屏障(如晶体管的栅极)变得足够薄时,电子可以自发穿过它,即使它们缺乏跨越屏障所需的能量。在经典芯片中,这是灾难性的。它会导致“漏电”,即在开关本应关闭时仍有电流流动。这会产生过量热量并导致数据错误。
工程师们花费巨大精力对抗这些量子效应,以维持比特的确定性。量子计算则采取了不同的思路:与其对抗这些效应来维持二进制的幻象,量子计算直接将物质的概率特性作为一种计算资源。
经典计算的暴力求解法也遇到了能源天花板。高性能经典超级计算机需要数兆瓦的功率,大部分用于处理电阻产生的热量。当我们尝试用经典逻辑解决指数级问题时,单次计算的能源成本将变得不可持续。
为了解决指数墙之外的问题,我们不能仅仅依靠建造更大的经典计算机。我们需要信息单位本身的根本性转变,从确定性的比特转向概率性的量子比特。
这部分内容有帮助吗?
© 2026 ApX Machine Learning用心打造