算法
Grover 算法（量子搜索算法）
想象一本完全没有按姓名排序的电话簿——只是 N 条记录乱堆在一起——而你想找出与某个已知名字相符的那一条。在经典做法里，你别无选择，只能一条一条地查，平均要翻过其中大约一半，所以工作量随 N 增长。Grover 算法是一种量子方法，它只需大约 N 的平方根那么多步，就能找到这条被标记的记录。对一份一百万条的列表来说，大约是一千次检查，而不是五十万次。它需要一个“预言机（oracle）”：一种在看到正确答案时能认出它的办法，哪怕它没法直接指出答案在哪里。
下面说说它真实的运作机制，因为这一点很容易被听岔。这个算法并不是“一次性把所有答案都试一遍”，然后把胜出者读出来。它一开始让所有可能性共享相等的振幅，然后重复一个两步操作——预言机把被标记答案的振幅翻转符号，第二步操作再把所有振幅相对于它们的平均值做一次反射。每一轮都把多一点点振幅推向正确答案、推离其余答案，这个过程称为振幅放大（amplitude amplification）。大约 sqrt(N) 轮之后，正确结果就有很高的概率被测量到。轮数跑得太多，振幅会冲过头、然后又开始缩小，所以迭代次数其实很要紧。
steps: ~N (classical) vs ~sqrt(N) (Grover) — e.g. N=1,000,000 -> ~1,000
在一份一百万项的无结构列表中搜索：经典做法约需一百万次检查，而 Grover 大约只要一千次迭代，体现的是二次方（而非指数级）的提升。
要保持清醒：这是二次方加速（sqrt(N)），不是 Shor 算法那种指数级加速——而且在真实硬件上，运行一个可靠的预言机、再配上足够多经过纠错的量子比特，其代价往往把这点优势吃掉，所以它并不是一个免费的“把什么都搜得更快”的按钮。
又称
另见