干涉条纹的量子力学解释
在经典光学中，杨氏双缝实验展示了光波通过两个狭缝后发生叠加，形成明暗相间的干涉条纹。这一现象被完美地用麦克斯韦方程组和惠更斯 - 菲涅耳原理描述：光波在空间各点振幅相干叠加，光强分布呈现周期性变化。然而，当我们将实验条件推向极限，例如使用极弱光源，使得光子几乎是一个个独立地通过双缝时，经典波动理论便显得捉襟见肘。此时，我们需要引入量子力学的视角，重新审视干涉条纹的物理本质。
在量子力学框架下，光不再仅仅是连续的电磁波，而是由离散的能量量子——光子组成。每个光子都具有波粒二象性，既表现出粒子性（如光电效应中的能量量子化），也表现出波动性（如干涉衍射）。经典干涉条纹的量子力学解释核心在于：单个光子自身发生了自我干涉。
单光子干涉与概率幅叠加
理解单光子干涉的关键在于区分“光强”与“概率密度”。在经典理论中，干涉条纹代表的是光波能量在空间上的重新分布；而在量子理论中，干涉条纹代表的是光子出现在屏幕某处的概率分布。
当光源极其微弱，以至于平均每个光子通过双缝的时间间隔远大于其飞行时间时，我们可以认为光子是逐个发射的。如果光子仅仅是粒子，它们应该像炮弹一样，要么通过左缝打在左侧区域，要么通过右缝打在右侧区域，最终在屏幕上形成两个亮斑。然而实验结果却显示，随着光子数量的累积，屏幕上逐渐浮现出清晰的干涉条纹。
这一现象表明，单个光子在通过双缝时，并没有选择“走左缝”或“走右缝”这两条路径中的某一条。相反，光子处于一种叠加态。我们可以定义两个路径态：$|L\rangle$ 表示光子通过左缝，$|R\rangle$ 表示光子通过右缝。光子的状态可以表示为：
$$ |\psi\rangle = \frac{1}{\sqrt{2}} (|L\rangle + e^{i\phi}|R\rangle) $$
其中 $\phi$ 是两路径之间的相位差。
根据量子力学的哥本哈根诠释，光子通过双缝的过程等价于其概率幅（Probability Amplitude）的叠加，而非概率的直接叠加。光子到达屏幕上某一点 $x$ 的概率 $P(x)$ 等于该点概率幅的模平方：
$$ P(x) = |\langle x | \psi \rangle|^2 = |\langle x | L \rangle + e^{i\phi}\langle x | R \rangle|^2 $$
展开后得到：
$$ P(x) = |\langle x | L \rangle|^2 + |\langle x | R \rangle|^2 + 2\text{Re}[\langle x | L \rangle e^{-i\phi} \langle x | R \rangle] $$
前两项分别对应光子只走左缝或只走右缝的概率，而第三项即为干涉项。正是这一项的存在，使得单个光子在到达屏幕前“感知”到了另一条路径的存在，从而决定了它最终落在哪个位置。
路径信息的获取与退相干
量子力学解释干涉条纹的一个深刻推论是：一旦我们能够确定光子究竟通过了哪条缝，干涉条纹就会消失。这被称为“哪条路径信息”（Which-path information）问题。
如果在双缝后放置探测器，试图观测光子走的是左缝还是右缝，那么光子将不再处于 $|L\rangle + |R\rangle$ 的叠加态，而是坍缩为确定的 $|L\rangle$ 或 $|R\rangle$ 态。此时，概率幅的交叉项（干涉项）变为零，屏幕上的分布将退化为两个亮斑的简单叠加，干涉条纹彻底消失。
这一现象揭示了量子力学的核心矛盾之一：观测行为本身会干扰被观测系统。在量子层面，“观测”不仅仅是人眼的观看，而是系统与环境的相互作用。当环境获取了路径信息时，系统的相干性（Coherence）被破坏，发生了退相干（Decoherence）。干涉条纹的消失并非因为光子变成了经典粒子，而是因为量子态的相干叠加被环境噪声破坏，导致相位信息泄露到环境中，无法再用于构建干涉图样。
实验验证与量子擦除
为了验证上述理论，科学家设计了著名的“量子擦除”实验。在该实验中，除了双缝，还在每条缝后引入了纠缠光子对，并利用标记光子记录路径信息。通常情况下，由于路径信息存在，主光子的干涉条纹消失。
然而，如果我们在测量主光子之前，先对标记光子进行特定的测量操作（即“擦除”路径信息），使得路径信息变得不可知，那么主光子的干涉条纹会奇迹般地重新出现。这一实验有力地证明了：干涉条纹的存亡不取决于物理上是否真的发生了干涉，而取决于路径信息在原则上是否可获取。只要路径信息在宇宙中完全不可知，量子叠加态就能维持，干涉条纹便依然存在。
综上所述，干涉条纹的量子力学解释彻底改变了我们对微观世界的认知。它告诉我们，微观粒子并非经典的“小球”或“波”，而是遵循概率幅叠加原理的量子客体。干涉条纹本质上是量子概率幅在空间分布的可视化体现，而观测与信息的获取则是控制这一量子行为的关键变量。