📚 课程目录第3章 Benchmark任务定义与场景建模

3. Benchmark任务定义与场景建模

量子纠错系统的性能不能脱离具体任务来评价。一个逻辑量子比特在码距 d=5 的表面码下，单次纠错周期错误率可能低至 10⁻³ 量级，但如果目标算法需要 10⁶ 个 T 门和 10⁷ 个纠错周期，累积失败概率依然可能超过 50%。因此，Benchmark 的第一步不是选指标，而是把"实际量子计算任务"翻译成"纠错系统可评测的场景"：明确电路结构、噪声来源、资源约束和成功判据。本节围绕这一映射过程展开，给出可操作的建模方法。

一、从算法任务到电路级描述

任何量子算法最终都要落到门序列上。以量子化学中的 H₂ 分子基态能量估计为例，采用 Jordan-Wigner 变换后，4 个自旋轨道对应 4 个量子比特，哈密顿量约化为若干 Pauli 串的线性组合。若使用变分量子本征求解器（VQE），电路由参数化拟设（ansatz）和测量线路组成；若使用量子相位估计（QPE），则包含受控时间演化算符和逆量子傅里叶变换。

对纠错 Benchmark 而言，关键不是算法本身，而是它产生的电路特征量：

逻辑量子比特数 n_L：决定码块数量与并行纠错压力。
非 Clifford 门数量 N_T：T 门需要魔法态蒸馏，是资源瓶颈。
电路深度 D：决定纠错周期总数，直接影响逻辑错误累积。
测量与反馈次数：影响解码器延迟与实时性要求。

以 H₂ 的 VQE 为例，若拟设为 UCCSD 截断形式，4 比特下典型参数约 3～8 个，单次能量评估电路深度约 20～50 层；若做 100 次迭代优化，总门数约 10⁴ 量级。这个规模在无纠错时可能勉强运行，但一旦引入表面码，每个逻辑门要展开为数十个物理门和多个纠错周期，总物理操作数会放大 3～4 个数量级。这正是 Benchmark 需要量化的核心放大关系。

二、噪声模型的选择与参数化

噪声模型决定了 Benchmark 结果是否有意义。常用的三类模型如下：

模型	核心参数	适用场景
去极化噪声	单/双门错误率 p₁, p₂	快速估算阈值与码距收益
电路级噪声	门错误、测量错误、空闲衰减	贴近真实硬件的综合评估
现象学噪声	数据比特翻转/相位翻转概率	解码器算法对比

参数化时要注意：噪声强度必须与码距匹配。若 p=10⁻³ 而码距 d=3，逻辑错误率可能仍在 10⁻² 量级，纠错收益不明显；若 p=10⁻⁴，d=5 才能体现明显优势。Benchmark 场景应至少覆盖"低于阈值""接近阈值""高于阈值"三个工作点，例如 p ∈ {10⁻⁴, 5×10⁻⁴, 10⁻³}，才能看出系统的鲁棒边界。

噪声模型一旦确定，所有对比实验必须固定同一组参数，否则逻辑错误率的变化无法归因于纠错方案本身。

三、成功判据的量化定义

成功判据不能只写"结果正确"，而要给出可计算的阈值。常见判据有三类：

逻辑错误率 ε_L：每个纠错周期后逻辑比特发生不可纠正错误的概率，通常要求 ε_L < 10⁻⁶ 或更低。
任务成功率 P_succ：整个电路执行后输出正确结果的概率，P_succ = (1 − ε_L)^N_cycle，其中 N_cycle 为总纠错周期数。
能量估计精度：对化学模拟，要求能量误差 |E − E_exact| < 1.6×10⁻³ Hartree（化学精度）。

这三类判据层层递进：ε_L 是底层指标，P_succ 是任务级指标，能量精度是应用级指标。Benchmark 报告应同时给出三者，避免只报底层指标而掩盖任务失败风险。

四、场景建模的完整流程

把上述要素串起来，一个可复现的 Benchmark 场景应包含：任务描述 → 电路生成 → 噪声注入 → 纠错周期展开 → 解码与判据计算。下图给出这一映射关系，并标注了每个环节的关键参数与输出。

图中左侧三个任务框代表不同应用场景，它们经过电路特征提取后统一为门序列与深度参数；噪声模型和纠错周期展开是两个独立可调维度，最终汇聚到成功判据。右侧虚线框标出了 Benchmark 中需要扫描的变量和必须满足的工程约束。

五、一个可执行的场景配置示例

以下给出一个 H₂ 分子 VQE 的 Benchmark 场景配置，参数为教学示例，非实测结果：

task: H2_VQE_UCCSD
n_logical: 4
ansatz_depth: 30
n_iterations: 100
total_logical_gates: ~12000
noise_model: circuit_level
  p1: 1e-4
  p2: 5e-4
  p_meas: 2e-3
  p_idle: 5e-5
code: surface_code
  distances: [3, 5, 7]
  cycles_per_logical_gate: 10
decoder: MWPM
success_criteria:
  epsilon_L: 1e-6
  P_succ: 0.9
  energy_error: 1.6e-3  # Hartree

运行该场景时，对每个码距 d 计算逻辑错误率 ε_L(d, p)，再代入 P_succ = (1−ε_L)^N_cycle。若 d=5 时 ε_L=10⁻⁶，N_cycle=1.2×10⁵，则 P_succ≈0.887，接近但未达到 0.9 的目标；此时需要提升码距到 d=7 或降低物理错误率。这种定量判断正是场景建模的价值所在。

场景配置中的参数必须与硬件实际能力匹配。若解码器延迟超过纠错周期时间，逻辑错误率会因反馈滞后而显著恶化，此时应把解码延迟作为独立变量纳入扫描。

总结来说，Benchmark 任务定义的核心是把应用需求翻译为可计算的电路参数、噪声参数和判据阈值，并通过扫描码距与噪声强度找到系统的工作边界。只有场景定义清晰、参数固定、判据可量化，后续的纠错方案对比才有意义。