什么是量子随机性？它在计算中如何应用？
量子随机性指的是在量子系统中观察到的内在不可预测性，例如电子或光子等粒子的行为。 在量子层面，即使所有初始条件已知，也无法确定地预测电子的自旋或光子的极化等属性。 这与经典的随机性形成对比，后者依赖于确定性算法（例如，伪随机数生成器），原则上如果种子值已知，则可以预测。 量子随机性被认为是“真正的”随机性，因为它源于基本的物理过程，而不是计算近似。
在计算中，量子随机性主要应用于两个领域：密码学和算法设计。 对于密码学，它可以创建无法破解的加密密钥。 例如，量子密钥分发 (QKD) 协议（如 BB84）使用光子的随机极化状态来生成各方之间的共享秘密。 任何窃听企图都会扰乱量子态，从而提醒用户。 在算法设计中，用于模拟或优化问题的蒙特卡罗方法等量子算法受益于真正的随机输入，与经典的伪随机替代方案相比，这可以提高准确性或速度。 量子随机数生成器 (QRNG) 是硬件设备，用于获取这种随机性以供实际使用，例如为密码系统或科学模拟设定种子。
然而，将量子随机性集成到计算系统中面临着挑战。 量子比特（量子信息的基本单位）对环境干扰（退相干）敏感，这可能会引入错误。 需要纠错和隔离等技术来维持量子随机性的完整性。 尽管存在这些障碍，对安全通信和高性能计算的需求推动了进步。 对于开发人员来说，IBM 的 Quantum Experience 或基于云的 QRNG 服务（例如 QuintessenceLabs）等 API 提供了可访问的工具，可以试验量子随机性，而无需深入了解量子物理学。 随着硬件的改进，应用程序可能会扩展到安全投票系统、用于机器学习的随机算法或增强的隐私保护技术等领域。