吴金闪教授:量子力学无基础入门

这门《量子力学无基础入门》来自吴金闪教授，定位很明确：给没有量子力学前置知识的人，讲清楚量子世界的基本规则。但放在 GetFromCode 的语境里，它不只是"听个科普"——对做 AI、做计算、关心概率模型和线性代数的人来说，量子力学的数学骨架其实和很多工程工具是相通的。这份资料适合拿来对照实践，而不是开着视频当背景音。

从概率到态：数学结构先立住

课程从基础概率学切入，这一点很关键。量子力学讲的是概率幅，不是经典概率，但入门阶段必须先把"事件、样本空间、概率分布"这套语言铺好，才能理解为什么量子里的概率会出现干涉、出现负号。吴金闪的处理方式是把概率论当作入口，再过渡到态矢量、叠加和测量。

对写代码的人，这一段的对应关系很直接：概率分布在工程里对应采样和推断，叠加对应线性组合，测量对应一次观测带来的状态坍缩。如果你做过蒙特卡洛、贝叶斯推断或者简单的线性代数运算，这条线会走得比纯文科背景的人顺很多。建议边看边把出现的数学对象手推一遍，尤其是复数、模方和归一化条件，别跳过。

实验驱动的讲法：现象先于公式

这门课的一个明显特征是结合实验案例。双缝干涉、偏振、斯特恩-格拉赫这类经典实验，是理解量子行为的抓手。课程不是先甩一整套公理再让你接受，而是从实验现象出发，逼出"经典物理解释不通"的地方，再引入量子描述。

这种顺序对自学者友好。工程里也常用类似思路：先复现现象，再抽象模型。学习时可以按"实验装置—观测结果—经典解释为何失败—量子解释"四步做笔记，把每个实验单独整理成一条可复述的链路。这样做的好处是，后面遇到纠缠、不确定性关系时，你能回到具体实验找锚点，而不是靠记忆背结论。

纠缠与量子信息：和 AI 方向最贴的部分

课程目录延伸到量子纠缠，这是和 AI 分类最相关的一块。纠缠不是玄学，它描述的是复合系统态不能拆成各自态的张量积。理解这一点，需要前面态矢量和张量积的基础。课程把纠缠放在靠后的位置，顺序是合理的。

对做机器学习的人，这里值得多花时间：密度矩阵、混合态、测量算符这套形式，和概率图模型、隐变量、信息熵等概念在思想上可以互相参照。虽然不必把量子计算和神经网络强行类比，但把贝尔态、纠缠度量这些概念弄清楚，对读量子机器学习方向的论文是有直接帮助的。建议在学完纠缠后，自己写一小段代码用矩阵运算验证贝尔态不可分解，比只看讲解印象深得多。

怎么用这份资料自学

• 先过一遍概率与线性代数，再进课程，否则中间会频繁卡壳。
• 每个实验单独成页，记录现象、失败解释、量子解释三栏。
• 公式不背结论，动手推归一化、期望值和测量概率。
• 纠缠部分配合矩阵运算动手验证，别停在文字描述。
• 看完整理一张概念关系图，把态、算符、测量、纠缠串起来。

整体来说，这是一门把门槛压低、但没把内容掏空的入门课。它适合作为你进入量子力学领域的第一个坐标点：先建立正确的直觉和数学语言，再决定往量子计算、量子信息还是基础物理方向深入。对照实践、动手推导，才是这份资料的正确打开方式。