1. 课程导入与实验复现挑战
量子计算实验并不是“把电路提交到云端、等结果返回”这么简单。一次可复现的量子实验，本质上是一条从物理问题到可验证结论的完整数据链：问题被翻译成量子线路，线路被编译成目标硬件的原生门与拓扑约束，作业在含噪声的真实设备上执行，原始测量计数经过读出校正、误差缓解与统计推断，最终才成为可以写进论文或报告的结论。这条链上任何一环的隐含假设没有被记录，复现就会失败。
本课程把“量子计算实验工作流”定义为：从实验目标出发，经过线路设计、编译映射、后端选择、作业提交、数据采集、后处理与统计判定，直到结果可被第三方在相同或等价条件下重新得到的一组可记录、可传递、可审计的操作与元数据集合。它包含三个层次：一是计算层，即线路与算法逻辑；二是执行层，即编译、映射、调度与硬件校准状态；三是证据层，即原始数据、随机种子、后处理脚本与判定阈值。三者缺一，实验就只是“一次观测”，而不是“一次实验”。
结果复现为什么难
经典数值实验的复现难点通常集中在随机种子和依赖版本；量子实验的难点则被显著放大，主要来自四个方面。
- 硬件时变性与校准漂移：同一台超导量子处理器，其T1、T2、单/双比特门错误率、读出错误率会随时间和环境变化。今天测得的保真度，明天用同一线路未必得到相同数值。复现必须绑定“校准快照”，而不是只绑定设备名。
- 编译与映射的非唯一性：同一逻辑线路，在不同初始布局、不同SWAP插入策略、不同优化等级下，会得到不同的物理线路，深度和错误累积完全不同。若只公开逻辑线路，复现者可能得到差异很大的结果。
- 统计估计的隐含选择：测量次数（shots）、是否丢弃某些比特、是否做读出校正、误差缓解采用哪种方法、置信区间如何计算，都会改变最终报告的数字。这些选择若未显式记录，就构成“研究者自由度”。
- 噪声与后处理的耦合：误差缓解本身是有偏估计，它降低偏差但放大方差。复现者若只复制缓解后的结果而不复制缓解流程，就无法判断差异来自硬件还是来自算法。
因此，复现的目标不是“得到完全相同的比特串”，而是在明确记录的条件下，得到统计上一致、且差异可被噪声模型解释的结果。这一点必须在课程开始时就建立正确预期。
一个可操作的最小示例
考虑一个用于验证Bell态制备的实验：目标是在两个比特上制备 \(|\Phi^+\rangle=(|00\rangle+|11\rangle)/\sqrt{2}\)，并测量关联量。一个可复现的记录应至少包含以下要素，而不是只写“运行了Bell电路”。
实验目标: 制备 |Phi+> 并估计 <ZZ>, <XX>
逻辑线路: H(q0); CX(q0,q1); measure(q0,q1)
编译记录: basis_gates=[id,x,sx,rz,cx], optimization_level=1
初始布局: {q0: 物理比特3, q1: 物理比特5}
校准快照: 2025-03-11T09:20Z, T1(q3)=118us, T1(q5)=96us
readout_err(q3)=1.8%, readout_err(q5)=2.4%
cx_err(3,5)=0.92%
执行参数: shots=8192, seed=20250311, 无动态解耦
后处理: 读出校正矩阵M, 未做零噪声外推
判定: |<ZZ>| 与 |<XX>| 的95%置信区间是否同时 > 0.5这份记录的价值在于：当复现者得到 <ZZ>=0.71、<XX>=0.66，而原始实验为 0.78 与 0.74 时，可以逐项排查——是校准快照不同、映射不同，还是shots不足导致置信区间过宽。若没有这些字段，差异就无从归因。
本课程的整体路线图
课程按“工作流—复现—工程化”三条主线推进。前半部分建立工作流骨架：实验目标形式化、线路设计与验证、编译与映射、后端选择与校准读取、作业提交与数据采集。中段聚焦结果可信度：读出校正、误差缓解、统计判定与置信区间、结果可视化与报告。后段进入复现工程：环境与依赖锁定、随机性控制、元数据规范、复现包结构与自动化回归。最后通过若干端到端案例，把单次实验扩展为可批量、可对比、可审计的实验体系。
工作流与复现要素关系图
下图把上述工作流压缩为一条从目标到结论的主链，并标出每一环必须随结果一起保存的复现要素。注意：图中箭头表示数据与依赖的传递方向，右侧“复现要素”并非附加文档，而是与左侧环节一一绑定的实验组成部分。
从这张图可以读出本课程的核心主张：复现不是最后一步的“打包”，而是从目标定义开始就贯穿每一环的记录纪律。后续章节会逐环展开，给出可执行的字段、脚本结构与判定方法。现在需要建立的第一个习惯是：任何一次量子实验，在写下第一行线路代码之前，先确定可观测量、精度目标与判定阈值；在提交作业之前，先固定校准快照与随机种子；在报告结果之前，先确认原始数据与后处理脚本已一并归档。