1. 课程导入与资源估算全景
在经典计算中，我们习惯用时间复杂度、空间复杂度和常数因子来评价一个算法是否可行。到了量子计算，评价标准并没有消失，而是被“翻译”成了一套新的量纲：逻辑量子比特数、T 门数量、T 深度、旋转门数量、测量次数、电路深度，以及最终折算出的物理量子比特数与运行时间。本课程要解决的核心问题就是：给定一个量子算法和一组硬件参数，我们能否在可接受的时间内、用可接受的资源把它跑出来？
这个问题看似简单，实际包含三个层次。第一层是算法层：算法本身需要多少逻辑资源？第二层是纠错层：为了达到目标逻辑错误率，需要多少物理量子比特和多少纠错周期？第三层是硬件层：当前或预期硬件的门错误率、测量错误率、相干时间、连通性是否支撑上述需求？三层之间通过一组明确的参数耦合在一起，任何一层估算失真，最终结论都会偏离。
为了看清这条链路，先建立一张全景图。下图把本课程涉及的核心对象、参数流向和判断节点放在同一视图中：左侧是算法与逻辑资源，中间是纠错与物理资源折算，右侧是硬件约束与可行性结论。图中标注了后续章节会逐一展开的关键量，例如 T 门数量、码距 d、物理错误率 p、每轮纠错周期时间等。
这张图揭示了本课程的基本工作方式：估算不是单向计算，而是带反馈的迭代。当硬件层判断“不可行”时，我们不会直接放弃，而是回到纠错层调整码距 d，或回到算法层优化 T 门数量，再重新走一遍链路。后续章节会分别深入每一层，并给出可复用的估算公式与工具。
核心对象与基本问题
资源估算的核心对象可以归纳为四组量。第一组是算法输入：问题规模 n、目标精度 ε、成功概率要求。第二组是逻辑资源：逻辑量子比特数、T 门总数、T 深度、旋转门数量、测量次数、电路深度。第三组是纠错参数：码距 d、每逻辑比特对应的物理比特数、单轮纠错周期时间、逻辑错误率目标。第四组是硬件参数：物理门错误率 p、测量错误率、相干时间 T1/T2、门操作时间、比特连通拓扑。
围绕这些对象，本课程要回答四个基本问题：
- 需要多少？——算法在逻辑层面需要多少量子比特和多少非 Clifford 门（主要是 T 门）。
- 代价多大？——为达到目标逻辑错误率，需要多大的码距，进而需要多少物理量子比特和多少纠错轮次。
- 要跑多久？——总运行时间由电路深度、纠错周期和测量反馈共同决定，是否在可接受范围内。
- 现在能不能做？——把估算结果与当前或近期硬件能力对比，给出“可行 / 边界可行 / 不可行”的判断，并指出瓶颈在哪一层。
学习路径与最终交付物
本课程按“先建立量纲，再逐层深入，最后综合判断”的顺序展开。前期先统一资源计数的口径：什么算一个 T 门、T 深度如何定义、逻辑量子比特是否包含辅助比特、测量次数如何计入。口径不统一，后续所有估算都不可比。中期分别进入算法层资源计数、纠错层折算、硬件层约束建模，每一层都会给出示例参数和可手算的估算过程。后期进入综合可行性分析，把三层结果汇总成一张资源预算表，并针对典型算法（如 Shor、量子化学模拟、振幅估计）做案例推演。
学完本课程，你应当能够独立完成一份量子算法资源估算报告。这份报告至少包含以下字段：算法名称与问题规模、逻辑量子比特数、T 门总数与 T 深度、目标逻辑错误率、选定码距与编码方案、物理量子比特数、纠错轮数与总运行时间、硬件参数假设、可行性结论与瓶颈定位。报告中的每个数字都应能追溯到明确的公式或假设，而不是拍脑袋给出。
为了让这份报告可执行，下面给出一个最小可用的估算记录模板。它不追求覆盖所有细节，而是确保你在做任何一次估算时，输入、假设、计算和结论都不缺失。后续章节会逐步填充其中的专业计算方法。
| 字段 | 示例值（假设） | 来源/说明 |
|---|---|---|
| 算法与问题规模 | Shor，n = 2048 bit | 待分解整数位数 |
| 逻辑量子比特数 | 约 2n + 3 ≈ 4099 | 数据寄存器 + 工作寄存器 |
| T 门总数 | 约 1.5 × 10¹¹ | 模幂运算与模逆的 T 计数 |
| T 深度 | 约 2 × 10⁹ | 受并行度限制 |
| 目标逻辑错误率 | ≤ 10⁻¹² | 由总门数反推 |
| 码距 d | 约 27 | 表面码，p ≈ 10⁻³ |
| 物理量子比特数 | 约 2d² × 逻辑比特 ≈ 6 × 10⁶ | 含辅助比特与路由开销 |
| 单轮纠错周期 | 约 1 μs | 假设值，随硬件变化 |
| 总运行时间 | 约 2 × 10³ s（约 33 分钟） | T 深度 × 纠错周期量级 |
| 可行性结论 | 边界可行，瓶颈在物理比特数 | 需与硬件预算对比 |
表中数值均为教学示例假设，用于说明估算流程和量级关系，不代表任何真实硬件或已执行实验的结果。实际估算时，你需要根据所选算法、编码方案和硬件参数替换这些数字，并保持单位与口径一致。
最后需要明确本课程的边界：我们讨论的是资源估算与可行性分析，不是量子算法的数学推导，也不是硬件物理实现。你不需要重新证明 Shor 算法的正确性，但需要知道它的模幂电路大致产生多少 T 门；你不需要设计超导芯片，但需要理解物理错误率 p 如何影响码距选择。这种“跨层但不过深”的定位，正是资源估算工作在实际项目中的真实位置。