平方-乘法的负担来自两件事： 次受控乘法必须串起来，以及每次乘法都要为可逆性准备辅助存储并在用完后回收。半经典路线针对这两点各改一处：测量后不复位，用”哪些比特已被测量”这一经典信息替代复位与反计算；把乘法链折叠，让初始态是一次算术序列的叠加而不是 次受控乘法的级联。Zalka 用这两点把比特数压到约 ，而 Yoran 与 Short 的结果给这条路划了一条重要的界。
一、Zalka 的三点
Zalka 在《更少（纯）量子比特的 Shor 算法》里依次给出三点，每一点都对应一种”省法”。
第一点是纯比特：给出一种线路，使得在约 个量子比特中没有一个需要被初始化，尽管后续仍要做通常的 次测量。这句话里的限定条件是全文的关键——省掉的是初始化，不是测量次数。测量一次就要占一个比特，“只测量不复位”并不是免费午餐，它把复位成本换成了测量比特数。
第二点是结构：模加法可以用”算术序列的叠加”完成，这让 Shor 算法的并行化更容易。把这件事翻译成线路语言：平方-乘法里那 次受控模乘可以折叠，“第 次乘法”变成”把周期函数的下一个值取出来”，而取下一个值这件事的并行度远高于做 次串行模乘。这正是比特↔深度取舍谱系里”深度换比特”的极端形态之一。
第三点是总量：最终可以只用约 个比特完成因数分解，也许还能更少。要注意它与 Beauregard 的 不在同一口径：前者是半经典折叠后的计数，后者是显式计算测量基 QFT 的计数， 更小不是因为做得更好，而是因为不再保留那个可以不做反计算的算术链。
图里测得的那条指数线停在计算基态上，而不是回到 。后续轮次里，这根线不再是”量子控制的来源”，而是”已知的经典条件”，于是可以把若干步受控加法合并成一次以经典值为条件的模加。
二、“只测量不反计算”为什么省得多
可逆线路里最贵的一类操作不是计算本身，而是把用过的辅助比特还原。平方-乘法的每次乘法都写满工作寄存器再清空；反计算把这笔开销翻倍。若输出端只需要测量，则这层反计算根本不必存在。半经典路线把算法改写成”算完之后就测量”的形态，等于把整条链的尾巴剪掉。
Yoran 与 Short 把这件事的后果推到了一个更锋利的结论：对特定的乘积态输入、并且在输出端做一般乘积态基测量的模幂线路，存在经典高效模拟算法，从而可以高效模拟整个 Shor 因数分解。他们使用的正是 Griffith 与 Niu 的半经典傅里叶变换概念，并在 Shor 语境下的讨论归于 Browne。这里必须如实说明其范围：这个结论约束的是”乘积态输入 + 输出乘积基测量”这一类具体结构，它不是说所有半经典实现都可经典模拟，而是说这类结构之所以可模拟，正是因为可逆性负担大幅降低——省下来的东西恰好就是那条让模拟变难的链。这也是评估半经典线路时该带着的警惕：最容易实现的版本，同时也是最容易在受限条件下被经典模拟的版本。
三、落到资源账上
半经典路线在端到端成本里的位置可以用 Gidney–Ekerå 的抽象线路模型看清。他们对 位 RSA 给出的三项是：逻辑比特 、Toffoli 数 、测量深度 。请注意”测量深度”是独立于 Toffoli 数的一项——半经典折叠把大量工作推到测量调度上，于是测量轮次之间的串行时间成为新的瓶颈项。这也是为什么本卷把比特数纪录（、、）与深度纪录分开列而不合并成一张排名表，见资源对比。
论文依据
- Zalka（2006） —— 给出三点：约 个比特中无一需要初始化；模加法可用”算术序列的叠加”完成从而更易并行；最终可用约 个比特完成因数分解。
- Yoran 与 Short（2007） —— 证明在特定乘积态输入与输出一般乘积态基测量下模幂线路可经典高效模拟，并据此可高效模拟整个 Shor 因数分解；所用概念出自 Griffith 与 Niu 的半经典傅里叶变换，在 Shor 语境下的讨论由 Browne 给出。
- Gidney 与 Ekerå（2019/2021） —— 给出 逻辑比特、 Toffoli、 测量深度这一组抽象线路成本，是评估半经典路线在端到端账目中位置的锚点。
延伸阅读
- semi-qpe —— 同一套”只测量不复位”在相位估计一侧的对应结构。
- repeating-exponentiation —— “折叠”这条思路的通用形态。
- schoolbook-exponentiation —— 被折叠掉的那条乘法链。