浪尖知识库 2026

量子信息科学

28分钟阅读

量子信息科学

量子信息科学是物理学和信息科学的交叉学科，研究的是如何用量子力学的原理来处理和传输信息。这个定义听起来简单，但背后的东西深不见底。它包含三个核心方向，每一个都是当前最前沿的研究热点：

量子计算是用量子比特代替经典比特，利用量子叠加态和纠缠态实现并行计算。传统计算机的比特要么是0要么是1，量子比特可以是0和1的叠加态。这种看似微小的差异，在处理某些特定问题时会产生指数级的加速——比如大数分解、量子搜索、量子化学模拟。Google在2019年宣称实现了”量子霸权”，用的就是53个量子比特的量子计算机，虽然现在还远达不到实用，但这个方向的发展速度已经超出了很多人的预期。

量子通信是利用量子态传输信息，理论上具有绝对的安全性。量子密钥分发（QKD）利用量子不可克隆定理，任何窃听行为都会被通信双方发现。“墨子号”量子科学实验卫星已经实现了洲际量子密钥分发，这在信息安全日益重要的今天意义重大。2026年，量子通信网络正在从城域范围扩展到城际甚至洲际。

量子精密测量利用量子效应提高测量精度，在导航、医疗诊断、环境监测等领域有重要应用。量子陀螺仪、量子重力仪、量子磁场计……这些仪器的精度远超传统设备。

和传统物理学专业相比，量子信息科学更侧重于量子力学和信息论的交叉应用，对数学和计算机科学的要求更高。线性代数、群论、概率论，信息论——这些数学工具必须非常熟练。和计算机科学专业相比，量子信息科学更侧重于量子力学原理的深入理解，而不是纯粹的工程实现。

就业方面，量子信息科学是一个新兴方向，机会和挑战并存。国内做量子信息的头部机构包括中科大、清华、北大、南方科技大学、之江实验室等；产业界有本源量子、问天量子、阿里达摩院量子实验室等。2026年，量子计算正从”学术研究”走向”产业应用”，虽然大规模通用量子计算机还没出现，但专用量子计算机已经在特定问题上展现出优势，就业前景正在逐步改善。

适合人群

量子信息科学只适合少数人，在决定之前请认真评估自己是否符合以下特质：

第一类：对”颠覆认知”有强烈好奇心的人。量子力学里的很多概念——叠加态、纠缠、隧穿——完全不符合日常经验。学量子信息科学，需要不断挑战自己的直觉，接受”这个世界不是你想象的那样”。薛定谔的猫又死又活不是玄学，是严格数学描述的物理现实。如果觉得这件事很有趣而不是很可怕，这个专业大概率适合。

第二类：数学和物理都强的人。量子信息科学对两者的要求都很高，不是”还行”就行，是真的要强。物理帮助理解量子力学原理，数学帮助进行严格的推导和计算。高中数学物理都学得轻松的人，进大学后适应起来会快一些。但即使某一门稍微弱一点，通过努力也是可以补上来的，关键是要对这两门学科都有基本的热情，不能排斥任何一门。

第三类：能接受长期投资的人。量子信息科学是前沿基础研究领域，回报周期很长。本科毕业直接就业的对口工作极少，需要至少读到硕士，最好读到博士。这个专业适合那种”愿意为科学理想长期投入”的人，不适合想快速就业挣大钱的人。

第四类：有编程基础或愿意学编程的人。量子信息科学不是纯理论学科，编程是重要工具。Python是基础，Qiskit、Cirq等量子计算框架是必备技能。量子算法的实现、量子模拟器的使用、量子硬件的控制——都需要编程。

四年路线图

大一：数理基础+编程入门

大一的策略是把数学和物理基础打牢，同时培养编程能力。量子信息科学对数学和物理的要求比大多数理工科专业高，大一的基础学习至关重要。

高等数学和线性代数是基础中的基础。量子力学里到处是线性代数——态矢量、算符、矩阵表示——如果线代没学好，后面学量子力学会非常吃力。推荐用《线性代数应该这样学》这本书，它从抽象向量空间出发，能帮你建立正确的线代思维。

力学、热学、电磁学这些普通物理课程是物理思维的入门训练。量子信息科学虽然研究的是微观世界，但经典物理的直觉依然重要——很多量子现象是对经典现象的”量子化”，理解经典才能理解量子。光学部分尤其重要，因为很多量子光学实验和光学干涉密切相关。

编程从Python开始。Python语法简洁、入门快，是量子计算领域的主流编程语言。大一下学期开始用Python做科学计算——numpy、scipy、matplotlib——这些库在后面的学习中会反复用到。大一开始刷LeetCode是很好的习惯，虽然量子计算岗位目前很少，但扎实的算法基础对任何方向都有价值。

大二：四大力学入门

大二上学期是物理系最难的阶段之一。数学物理方法、理论力学、量子力学I——三门硬课同时上，每门都需要大量时间消化。

数学物理方法是”物理系的微积分”——复变函数、积分变换（傅里叶变换、拉普拉斯变换）、特殊函数（贝塞尔函数、勒让德多项式）、偏微分方程求解。这些数学工具在后面的量子力学、电动力学里会反复出现，学扎实了后面会顺畅很多。

理论力学是经典物理的巅峰——拉格朗日力学、哈密顿力学。这些内容用”最小作用量原理”统一了牛顿力学，第一次接触会觉得非常抽象，但等理解之后会发现它极其优美。更重要的是，量子力学里的很多概念（哈密顿量、相空间等）都是从理论力学来的，所以理论力学是量子力学的重要铺垫。

量子力学I是整个专业的核心课。薛定谔方程、波函数、算符、不确定性原理、氢原子——这些概念彻底颠覆了经典物理的认知。学量子力学最大的感受是：不要试图用日常经验去理解量子现象，而是用数学工具去描述它们。量子力学不是”另一种物理”，而是一种全新的语言。

大二下学期有量子力学II、热力学与统计物理、电动力学、固体物理基础。

量子力学II继续深入——自旋、角动量、谐振子、散射理论、近似方法（微扰论、变分法）。这些内容是后续学习量子信息的基础——量子计算的很多算法建立在微扰论和变分法之上，量子通信里涉及角动量和自旋。

固体物理是理解量子材料和器件的基础。晶格结构、能带理论、费米面——这些概念是理解半导体、光学材料、量子点等量子器件的必备知识。

大三：专业方向深入

大三开始分方向，量子信息科学专业的核心课程聚焦在量子力学和信息论的交叉领域。

量子信息基础课是核心。这门课系统介绍量子计算和量子通信的基本概念：量子比特（Qubit）、量子门（Quantum Gate）、量子电路、量子纠缠、量子隐形传态、量子密钥分发（QKD）。

量子算法课深入学习量子算法。Shor大数分解算法（RSA加密的”克星”）、Grover搜索算法（量子加速）、变分量子本征求解器（VQE，量子机器学习的基础）。量子算法的数学推导很复杂，但它的核心思想其实很清晰——利用量子叠加态和纠缠态，实现经典算法无法达到的并行性。

量子通信课学习量子通信的原理和实现。量子密钥分发（BB84协议、B92协议）、量子隐形传态、量子纠缠分发。量子通信是目前量子信息技术里最接近实用的方向——“墨子号”量子科学实验卫星已经实现了洲际量子密钥分发。

量子光学和凝聚态物理是理解量子硬件的必备知识。量子计算目前有多种硬件路线——超导量子比特、离子阱、量子点、光学量子计算——它们各有优缺点。学这些课能帮你理解不同硬件路线的物理原理，从而更好地理解量子计算的技术瓶颈和发展方向。

大四：毕业设计与前沿探索

大四上学期主要是毕业设计和准备深造。选择量子计算方向作为毕设课题，做了一个关于”基于变分量子算法的优化问题求解”的课题。虽然实现比较简单，但这个过程让人完整地体验了”从理论设计到代码实现到结果分析”的科研全流程。

大四下学期开始准备读博，同时关注产业界的动态。2026年的量子计算产业正在快速发展——IBM、Google、本源量子等公司都在推进量子计算机的实用化。虽然大规模通用量子计算机还需要时间，但量子模拟、量子优化等专用方向已经有了实际应用案例。

四年下来，最深的感触是：量子信息科学是一个需要长期投入的前沿领域，它给你的不是快速变现的技能，而是站在科学最前沿看世界的机会。

核心课程

物理基础：普通物理（力、热、电、光、原）、理论力学、热力学与统计物理。普通物理是入门，理论力学和统计物理是理解量子力学的重要铺垫。

量子核心：量子力学I、量子力学II、量子信息基础、量子光学、固体物理。量子力学是理论核心，量子信息基础是专业核心，两门课都要学扎实。

数学基础：高等数学、线性代数，数学物理方法、复变函数、泛函分析基础。线性代数和泛函分析在量子力学里无处不在，必须深入理解。

信息论基础：信息论与编码、经典密码学基础。信息论是理解量子信息的理论框架，经典密码学是理解量子密码的背景知识。

计算工具：Python编程、数据结构与算法、量子计算框架（Qiskit/Cirq）。编程能力是量子计算研究的必备工具。

能力栈

量子力学理解能力。这是量子信息科学最核心的能力——不只是会算量子力学题目，而是能真正理解量子态、测量、演化、纠缠这些核心概念的本质。量子力学是一种新的世界观，需要彻底放弃经典直觉，建立量子思维。

数学推导能力。线性代数、矩阵论、群论、泛函分析——这些数学工具在量子信息里无处不在。量子力学本质上是用线性代数描述的物理理论，数学推导能力直接决定了能不能深入理解量子算法和量子信息的理论。

编程实现能力。Python是基础，Qiskit或Cirq至少要熟练一个。量子计算框架让人能在经典计算机上模拟量子算法，从而验证自己的想法。编程能力决定了你能不能把自己的理论想法变成可验证的实现。

物理图像构建能力。量子力学虽然需要数学描述，但物理图像同样重要——需要能在脑子里构建出”量子态长什么样""量子门在做什么操作”的直观图景。好的物理图像能帮你理解复杂问题、提出新想法。

升学就业

2026年量子信息就业现状

量子信息科学是一个新兴交叉领域，就业市场正在逐步形成。学术界的就业路径是读博→做博后→申请教职或研究职位，竞争激烈但方向明确。工业界的就业机会在快速增长——量子计算公司、量子通信公司，科技巨头的量子研究实验室都在招人。

学术界：继续读博是做量子信息研究的主流路径。国内头部机构包括中科大、清华、北大、南方科技大学、之江实验室等。申请海外 PhD 也是热门选择——MIT、Caltech、ETH Zurich、牛津、剑桥等都有很强的量子信息研究组。2026年，量子信息 PhD 的就业市场比五年前好了不少，但教职竞争依然激烈。

产业界：量子计算公司（IBM Quantum、Google Quantum AI、本源量子、问天量子等）、科技巨头的量子实验室（阿里达摩院量子实验室、腾讯量子实验室、百度量子计算研究所等）、金融机构（摩根、高盛等投行也在布局量子计算用于金融优化）。2026年，这些机构的招聘需求在增长，但岗位数量相比传统IT行业依然很少。

读博建议

量子信息科学是一个研究型专业，本科毕业直接就业的对口岗位极少，读博几乎是必然选择。读博的方向选择很重要——量子计算硬件（超导、离子阱、量子点）、量子算法（Shor算法、Grover算法、变分算法）、量子通信（量子密钥分发、量子网络）、量子模拟（用量子系统模拟其他量子系统）。每个方向都有前景，关键是你对哪个方向最有热情。

避坑点

坑一：把量子力学学成”玄学”

量子力学的很多概念很反直觉，有些同学学完之后只记住了一堆”诡异”的结论——“观测导致坍缩”、“薛定谔的猫又死又活”——但没有真正理解背后的数学结构。这样学量子力学，学到的只是谈资，不是能力。

避坑方法：学习量子力学时，始终把”数学描述”放在第一位。每个量子现象，先搞清楚它的数学表示是什么，再讨论它的物理解释。波函数是复数函数，测量是算符作用在态矢量上，演化是薛定谔方程——这些才是量子力学的本质。理解了数学，物理图像自然会清晰。

坑二：忽视编程和实验

量子信息科学不是纯理论学科，编程和实验都是重要技能。只做理论推导不做编程实现，会失去”动手验证想法”的能力；只做编程实验不深究理论，会失去”提出新想法”的能力。

避坑方法：每学一个量子算法或量子协议，就用Qiskit或Cirq实现一遍。理论和代码对照着学，理解的深度完全不一样。

坑三：方向选择盲目跟风

量子信息科学有很多方向——量子计算硬件、量子算法、量子通信、量子精密测量。不同方向的难度、就业前景、研究节奏差别很大。有些同学盲目跟风选”最热”的方向，结果发现自己不适合，浪费了大量时间。

避坑方法：大三之前多尝试不同方向——去不同课题组参观、读不同方向的综述论文，和不同方向的学长学姐聊天。大三再确定方向，这个顺序能帮你做出更适合自己的选择。

与AI新产业结合

2026年，量子信息和AI的结合是前沿热点，两个领域的交叉正在产生很多新的研究方向。

量子机器学习是最重要的交叉方向之一。量子计算机在处理某些机器学习问题上有理论上的优势——量子SVM、量子神经网络、量子核方法。虽然实用化的量子机器学习算法还需要更强的量子硬件，但这个方向的研究已经非常活跃。

**变分量子本征求解器（VQE）**是量子计算在化学模拟中的核心应用。VQE可以用量子计算机模拟分子结构，从而用于药物设计、材料科学等领域。2026年，已经有团队用VQE模拟了比经典计算机更大的分子系统，这是量子计算实用化的重要里程碑。

量子优化是另一个活跃方向。组合优化问题（如旅行商问题、调度问题）在经典计算机上很难求解，量子近似优化算法（QAOA）试图利用量子效应加速求解。虽然QAOA的实际加速效果还在研究中，但这个方向有重要的应用价值。

量子-经典混合计算是2026年的主流范式。由于当前量子硬件的规模有限，量子计算通常和经典计算结合使用——用量子计算机处理特定子问题，用经典计算机处理其他部分。这个混合范式是目前量子计算落地的主要路径。

推荐阅读

量子力学：《量子力学概论》（Griffiths）——量子力学入门经典，讲解清晰；《量子力学讲义》（Cohen-Tannoudji）——大师写的进阶教材，深度和广度兼具。这两本书结合起来用，入门和进阶都能覆盖。

量子信息：《量子信息与量子计算》（Nielsen & Chuang）——量子信息的”圣经”，必读；《量子计算与量子信息原理》（Preskill的讲义）——加州理工量子计算课程的讲义，在线免费，质量极高。

编程实践：《Learn Quantum Computing with Python and Qiskit》（Rodney Samboks）——Qiskit官方教程的配套书，实践性很强。建议边看书边敲代码，量子计算必须动手实践。

前沿动态：关注arXiv上的quant-ph（量子物理）和quant-info（量子信息）板块，以及Quantum、npj Quantum Information等期刊的最新论文。量子信息领域发展迅速，保持对前沿进展的关注很重要。

继续阅读导航

上级目录

同目录索引

跨库关联

同主题推荐

相关标签

  • 中国大学的专业规划
  • 理学类
  • 物理学类
  • 科研
  • 就业
  • 留学

下一步阅读