4. 噪声模型与错误注入工程

量子纠错系统的Benchmark结果，只有在噪声模型被明确参数化、错误注入过程可复现的前提下才具有可比性。同一段表面码电路，在去极化噪声下逻辑错误率随码距呈指数下降，而在振幅阻尼主导的偏置噪声下，若解码器未做偏置适配，性能可能几乎不随码距改善。因此，噪声模型不是仿真环境的附属配置，而是Benchmark的输入契约：它定义了错误发生在哪里、以什么概率发生、以什么形式作用，以及测量环节如何失真。

四类基础噪声模型的参数化

去极化噪声是最常用的对称模型。对单量子比特，以概率 p 施加 X、Y、Z 之一，每个概率为 p/3，等价于以概率 1−p 保持恒等。其Kraus算子为 E₀=√(1−p)I，E₁=√(p/3)X，E₂=√(p/3)Y，E₃=√(p/3)Z。在电路级仿真中，通常在每个门之后、每个空闲时段按单位时间错误率注入。参数化时需明确三件事：作用位置（门后/空闲/初始化/测量前）、单次概率还是单位时间率、以及是否对双比特门使用两比特去极化（15种非恒等Pauli均匀分布）。

振幅阻尼描述能量弛豫，对应 T₁ 过程。以衰减概率 γ 参数化，Kraus算子为 E₀=[[1,0],[0,√(1−γ)]]，E₁=[[0,√γ],[0,0]]。γ 与物理时间的关系为 γ=1−exp(−t/T₁)。它把 |1⟩ 单向映射向 |0⟩，因此产生的是有偏噪声，且会引入相干性的同步衰减。在Benchmark中，若只注入去极化噪声而忽略振幅阻尼，会高估纠错码在真实超导硬件上的表现。

相位阻尼描述纯退相干，对应 T₂ 过程（无能量交换）。以概率 λ 参数化，Kraus算子为 E₀=√(1−λ/2)I，E₁=√(λ/2)Z。它不改变布居数，只压缩Bloch球赤道面。当 T₂ < 2T₁ 时，退相干速率中超出能量弛豫的部分即由相位阻尼刻画。参数化时常用关系 1/T₂ = 1/(2T₁) + 1/T_φ，其中 T_φ 为纯退相干时间。

测量错误是独立的一类。它不作用于量子态演化，而是翻转经典读出结果：真实态为 |0⟩ 却读出 1 的概率为 p₀₁，真实态为 |1⟩ 却读出 0 的概率为 p₁₀。二者通常不对称，需分别标定。在重复测量或综合征提取中，测量错误会直接污染解码器的输入，其影响往往比同等量级的数据错误更严重，因为它同时破坏空间和时间上的综合征关联。

错误注入框架的设计要点

一个可复现的错误注入框架，核心不在于支持多少种噪声，而在于把“随机性”变成“可审计的确定性”。具体做法是：所有随机采样统一走一个带种子的伪随机数生成器（PRNG），并且为每个噪声通道分配独立的子种子流。这样，当只改变去极化概率而保持其他参数不变时，振幅阻尼和测量错误的采样序列完全不受影响，便于做单变量对照实验。

注入位置需要与电路表示层对齐。以 stim 或 Qiskit 的电路级仿真为例，噪声指令应显式插入到电路中间表示里，而不是在采样后对结果做后处理。典型插入点包括：复位后（初始化错误）、每个单比特门后、每个双比特门后、每个空闲时刻、测量前。若使用单位时间错误率，还需知道每个操作的持续时间，把时间换算成概率。例如 T₁=50 μs、空闲 1 μs，则 γ=1−exp(−1/50)≈0.0198。

测量错误应作为独立通道处理，而不是混入数据噪声。在综合征提取电路中，每个测量比特的读出结果按 p₀₁ 和 p₁₀ 分别翻转。若做重复测量，还需考虑测量之间的关联，但基础Benchmark通常先假设测量错误在时间和空间上独立，作为一阶近似。

可复现性与可比性的保障

要让不同团队、不同时间的Benchmark结果可比，噪声配置必须随结果一起归档。建议的最小配置清单包括：噪声类型及参数值、注入位置、PRNG类型与种子、电路编译后的操作时间表、测量错误是否独立、以及是否包含泄漏或串扰等扩展项。缺少任何一项，复现时都可能出现数量级偏差。

最后，噪声模型的选择应与目标硬件的实际噪声特征对齐。超导硬件通常以振幅阻尼和相位阻尼为主，去极化只是简化近似；离子阱的测量错误相对较高；中性原子则可能受泄漏和擦除错误影响。Benchmark的价值，正在于用同一套注入框架，把不同噪声假设下的纠错性能差异清晰地暴露出来。