量子叠加是一种基本原理，其中量子系统（如量子比特）可以同时存在于多个状态，直到被测量。与严格为 0 或 1 的经典比特不同，处于叠加态的量子比特是两种状态的组合。在数学上，这表示为线性组合：( |\psi\rangle = \alpha|0\rangle + \beta|1\rangle )，其中 (\alpha) 和 (\beta) 是概率幅度。例如，一个量子比特可能处于这样一种状态：它有 50% 的几率被测量为 0，50% 的几率被测量为 1，这可以通过将 Hadamard 门应用于 (|0\rangle) 来实现。这种一次保持多种状态的能力使得量子并行成为可能，这是相对于经典系统的一个关键优势。
叠加态实用性的一个实际例子是 Grover 的搜索算法。假设你有一个包含 (N) 个条目的未排序数据库。在经典情况下，找到一个特定项目需要逐个检查每个条目，花费 (O(N)) 时间。 使用 Grover 算法，叠加态允许量子计算机同时评估所有条目。通过将量子比特初始化为所有可能状态的叠加，该算法并行“处理”多个可能性。虽然测量会将叠加态折叠为单个结果，但通过巧妙地操纵概率幅度（通过量子门）可以放大正确答案的可能性。这可以将搜索时间减少到 (O(\sqrt{N}))，表明叠加态如何为特定问题实现指数级的加速。
对于开发人员来说，使用叠加态涉及 Qiskit 或 Cirq 等工具。 例如，在 Qiskit 中创建叠加态需要初始化一个量子比特并应用一个 Hadamard 门
from qiskit import QuantumCircuit
qc = QuantumCircuit(1)
qc.h(0)
这使量子比特进入 ((|0\rangle + |1\rangle)/\sqrt{2}) 状态。然而，由于退相干 - 环境干扰会过早地折叠状态 - 维持叠加态具有挑战性。开发人员必须设计电路以最大限度地减少门操作并利用纠错。 即使硬件限制意味着结果是概率性的，理解叠加态对于优化量子算法至关重要。 虽然被库抽象化了，但掌握基础知识有助于调试性能问题并设计高效的量子-经典混合应用程序。