量子算法：Grover搜索与Shor整数分解
1. Grover算法概述
Grover算法是一种用于无结构搜索问题的量子算法，能在量子计算系统中显著加速搜索过程。该算法主要包含相位反转（Phase Inversion）和均值反转（Inversion About the Mean）两个关键步骤。
1.1 相位反转
相位反转是Grover算法的第一步，需在所有状态的叠加态下执行。假设要寻找的元素为$x’$，满足$f(x’) = 1$，叠加态可表示为$\sum \alpha |x\rangle$。相位反转的作用如下：
- 若给定的$x$不是要找的元素（$x \neq x’$），叠加态保持不变。
- 若$x$是要找的元素，则反转其相位（即改变量子比特复系数$\alpha$的符号）。
1.2 均值反转
在完成相位反转后，需进行均值反转。给定叠加态$\sum \alpha |x\rangle$，先定义均值$\mu$为振幅的平均值：
$\mu = \frac{\sum_{x = 0}^{N - 1} \alpha_x}{N}$
然后将振幅关于该均值进行翻转，即$\alpha_x \to 2\mu - \alpha_x$。
1.3 Grover算法迭代过程
多次重复相位反转和均值反转的步骤，可逐步增大目标元素的振幅。具体迭代过程如下：
1. 所有量子比特的叠加态使所有振幅初始为$\frac{1}{\sqrt{N}}$。
2. 相位反转将$x’$的振幅变为$-\frac{1}{\sqrt{N}}$，同时使均值$\mu$略微降低。
3. 均
