1. 课程导入与全景认知

量子计算程序从一行代码到一次真实测量，中间要经过一条相当长的链路。初学者最容易产生的误解，是把“在本地跑通一个量子线路”等同于“在量子计算机上跑通同一个线路”。事实上，这两件事在输入形式、执行机制、误差来源、结果含义和成本结构上都存在系统性差异。本课程的核心任务，就是把这套差异讲清楚，并让你具备在模拟器与真实硬件之间做选择、做迁移、做结果判读的能力。

一、两个概念：模拟与执行分别指什么

量子线路模拟，是用经典计算机（CPU/GPU）上的线性代数运算，去复现量子态在门作用下的演化。一个 n 量子比特的纯态可以用 2ⁿ 个复数振幅表示，单比特门作用于某个比特，等价于对振幅向量做一次成对的分块矩阵乘法；双比特门则涉及更复杂的索引配对。模拟器本质上是在经典内存里维护这个振幅向量，并按门序列逐步更新它。

量子硬件执行，是把同一个线路编译成目标设备能识别的脉冲或指令序列，在超导、离子阱、中性原子或光量子等物理载体上真正施加操作，最后通过测量读出经典比特串。此时量子态由物理系统本身承载，经典计算机只负责编译、调度和读取结果。

两者的共同点是：都接受同一套线路描述（如 OpenQASM 或 Qiskit 的 QuantumCircuit 对象），都输出测量计数。差异则集中在“谁来承载量子态”这一点上，并由此衍生出下面几个维度。

二、差异维度：一张全景对照

理解差异不能停留在“模拟是假的、硬件是真的”这种粗糙判断上。真正影响你工程决策的，是下面这些可量化的维度：

• 可扩展规模：模拟器的振幅向量随比特数指数增长。n=30 时约需 16 GB 内存（双精度复数），n=40 已超出单机能力；而硬件比特数是物理固定的，当前主流设备在几十到几百比特量级。
• 噪声模型：模拟器默认理想无噪声，也可注入自定义噪声模型；硬件噪声是内生的，包括退相干、门错误、读出错误、串扰。
• 可重复性：模拟器给定随机种子后完全可复现；硬件每次运行都受环境漂移影响，同一线路多次提交结果会有波动。
• 成本与排队：模拟器消耗本地算力，几乎零边际成本；硬件执行按 shot 计费，且需要排队等待调度。
• 可观测性：模拟器可直接读取完整态向量、密度矩阵、任意可观测量期望值；硬件只能通过多次测量统计估计，无法直接看到态。
• 可用门集：模拟器支持任意酉门；硬件只支持原生门集（如超导的 {RZ, SX, X, CZ} 或 {RZ, RX, CZ}），其他门必须编译分解。

这些维度不是并列的，它们之间存在因果链：正因为硬件只支持原生门集，才需要编译与映射；正因为有映射和噪声，才需要读出纠错与误差缓解；正因为只能统计测量，才需要 shot 数与置信区间的考量。下面的 SVG 把这条链路和两类执行路径放在同一张图上，便于建立整体印象。

三、学习路线：从模拟到硬件的四步走

本课程建议按“先模拟、后硬件、再对比”的顺序推进，具体分为四个阶段。

第一阶段：建立线路与态的基本直觉。用模拟器跑通 Bell 态、GHZ 态、量子傅里叶变换等小规模线路，直接打印态向量，观察振幅的相位与模长如何随门变化。这一阶段的目标不是算得快，而是看得见。

第二阶段：引入噪声与误差。在模拟器中加载噪声模型（如 depolarizing error、thermal relaxation），对比理想结果与含噪结果的保真度差异。你会第一次看到“同样的线路，为什么结果不再干净”。

第三阶段：迁移到硬件。把同一线路提交到真实后端，观察编译前后的线路深度变化、映射后的物理比特、以及读出错误对计数分布的影响。此时需要引入误差缓解手段，如读出校正矩阵、零噪声外推（ZNE）。

第四阶段：做对比与决策。针对具体任务，判断该用模拟器还是硬件。例如验证算法逻辑、调试线路结构，优先用模拟器；评估真实设备性能、做基准测试，必须用硬件。

四、工具链概览

当前主流工具链可以按“线路构建—模拟—编译—硬件执行—结果分析”五层来理解。线路构建层常用 Qiskit、Cirq、PennyLane；模拟层有 Qiskit Aer、Cirq Simulator、QuEST、cuQuantum；编译层包括 Qiskit Transpiler、tket；硬件执行层通过各家云平台（IBM Quantum、Amazon Braket、Azure Quantum）提交；结果分析层则依赖 Qiskit Experiments、Mitiq 等做误差缓解与统计。

下面给出一个最小可运行示例，用 Qiskit 构建 Bell 态并在模拟器上采样。注意 shot 数与随机种子的设置，它们直接决定结果的可复现性。

from qiskit import QuantumCircuit, transpile
from qiskit_aer import AerSimulator

qc = QuantumCircuit(2, 2)
qc.h(0)          # 对 qubit 0 施加 Hadamard 门
qc.cx(0, 1)      # CNOT 纠缠
qc.measure([0, 1], [0, 1])

sim = AerSimulator()
compiled = transpile(qc, sim)
result = sim.run(compiled, shots=4096, seed_simulator=42).result()
counts = result.get_counts()
print(counts)   # 预期近似 {'00': 2048, '11': 2048}

运行后你会看到 00 与 11 各占约一半，01 与 10 几乎为零。这个“几乎为零”正是理想模拟的特征；若换到真实硬件，01 与 10 会出现不可忽略的比例，那部分就是噪声与读出错误的贡献。

五、本课程要解决的问题

学完本课程，你应当能够回答三类问题：第一，给定一个线路，它在模拟器上的理想输出是什么，在硬件上可能偏离多少；第二，当硬件结果不理想时，问题出在编译映射、门错误、读出错误还是 shot 数不足；第三，面对一个新任务，如何选择模拟或硬件，并给出合理的参数配置与结果判读依据。接下来的章节将围绕这三类问题逐步展开。