2^n 的墙：模拟器内幕与张量网络

先备导航：你需要 030（两条跑道）、013（振幅与 2^n）、005（"指数并行"误会）、049（采样认证）。

下一篇预告：080《Qiskit/Cirq/PennyLane 性格导览》。

2^n 的墙：模拟器内幕与张量网络

山区修路，两点之间直线最短——但山不允许。于是两条出路：绕山的盘山公路，或者看地形找隧道的口子。

经典计算机模拟量子电路，撞的就是一座地形极其恶劣的山：n 比特的量子态有 2^n 个振幅（013 篇）——n=50 就是千万亿级内存，n=100 超过全球全部存储。"老老实实存下每个振幅"这条路在 50 比特就断了——这就是 2^n 的墙。

但模拟器至今活得好好的，还越来越强——靠的是隧道技术。本篇拆模拟器的内幕：它为什么能存在、强到哪、死在哪。

先问：为什么需要模拟器

030 篇说开发默认流是"模拟器先行"（075 篇也复述了）：真机又贵又少又排队（078 篇），而绝大多数教学电路、原型算法都在 30 比特以下——模拟器顺手、免费、可调试（能"看"中间态——真机上这是违禁品）。

所以第一个反直觉事实：你今天学的每一步量子计算，大概率先在经典计算机上跑通，才轮到真机——模拟器是量子程序员的第二个书桌。

两代模拟器：老实人与聪明人

第一代：状态向量模拟器（老实人）。直给：把全部 2^n 个振幅存成一个大数组，执行门就是一次大矩阵乘。万能、精确、直观——内存随 n 指数长，50 比特量级封顶（GPU 集群加满也就这个量级）。教学与小电路的绝对主力。

第二代：张量网络模拟器（聪明人）。核心想法：很多量子态其实"住"在很小的角落里——比如 010 篇那种纠缠有限的态、浅电路生成的态——把它们硬写成 2^n 数组是极大的浪费。

张量网络的做法：不存整态，存结构——把 2^n 振幅组织成一张"小张量的网络"（一串几阶小矩阵的乘积网）。妙处：网络的"胖瘦"跟着纠缠度走，不跟着比特数走——低纠缠的电路，哪怕几百个比特，网络照样苗条，经典机器轻松算。

于是模拟器的能力边界第一次被说清了：不是比特数，是纠缠度。

这道边界为什么重要：优势认证

这正是本篇最值钱的一段。049 篇讲"九章"时留了一道伏笔：凭什么说量子机赢了？裁判就是经典模拟器——同一道采样题，两边各跑，量子机快得多才算赢（030 篇"证明"的延伸）。

于是出现了一个漂亮的逻辑倒置：张量网络跑得动的电路，量子机就没有优势可言（模拟器又快又便宜）；模拟器跑不动的电路，才是量子优势的候选区。张量网络每进步一次，量子优势的"认证门槛"就抬高一次——经典模拟与量子优势是一场持续的猫鼠游戏（批九 082 篇专讲攻防战，此处埋钩）。

现状（2026-11 视角）

• 状态向量模拟器：50 比特量级（GPU 集群）；
• 张量网络模拟器：特定结构上到几百比特（低纠缠、浅电路）；
• 趋势：模拟器的每一次"追平"新闻都会出现——读完本篇你知道怎么读：问它赢在结构还是赢在规模——结构性的进步（更聪明的网络）抬高量子优势门槛，规模性的进步（更多 GPU）只是把老路修到更远。

把类比拆掉

隧道借了哪里：

• 不像之一：隧道对所有车都是捷径；张量网络只对低纠缠电路是捷径——高纠缠态的网络指数爆炸，直接退回盘山公路（指数墙原样立在那）。地形选择性是它与传统"更快算法"的本质区别。
• 不像之二：隧道缩短的是"到达"的距离；张量网络模拟的等价是输出分布等价——它不知道、也不求知道态本身（采样任务可模拟，"全态分析"仍被墙挡死）。049 篇的采样认证逻辑在此再进一层。

带走的行李

1. 2^n 的墙：振幅数指数爆炸，老实人模拟器 50 比特封顶——但教学与开发的主力恰恰是它（30 比特以下）。 2. 张量网络=纠缠隧道：内存跟着纠缠度走不跟着比特数走——模拟器的能力边界第一次说清：不是比特数，是纠缠度。 3. 边界即认证：模拟器跑得动=量子机无优势；跑不动=优势候选区——猫鼠游戏（082 预告）；读"模拟器追平"新闻先问结构还是规模。

下一站的钩子：专栏里反复出现的"量子框架"们——到底选哪个入门？三款主流工具的性格画像与选择建议。080《Qiskit/Cirq/PennyLane 性格导览》，批八收官。

#量子计算 #从硬币到纠错 #张量网络 #经典模拟