3. 解码器性能指标

选择或设计一个量子纠错解码器，不能只看“能不能纠错”。在工程上，真正决定一个解码器能否落地的，是五个相互牵制的指标：逻辑错误率、阈值、解码延迟、吞吐量和资源开销。它们之间不是并列关系，而是彼此拉扯的权衡网络——压低逻辑错误率往往要付出延迟或面积代价，提高吞吐量可能牺牲最优性，而阈值又决定了整个系统在什么物理错误率下才“值得解码”。本节把这五个指标拆开讲清楚，再说明它们如何互相制约。

一、逻辑错误率：最终要交付的“结果指标”

逻辑错误率（Logical Error Rate, LER）是解码器性能的终点指标，指经过纠错后逻辑量子比特发生不可纠正错误的概率。它通常以“每轮综合征测量”或“每次逻辑操作”为单位给出。工程上更常用的是逻辑错误率随码距的缩放关系：当物理错误率 p 低于阈值时，码距 d 每增加 2，逻辑错误率大致按指数下降，可写成

P_L ≈ A · (p / p_th)^((d+1)/2)

其中 A 是与具体解码器和噪声模型相关的拟合系数，p_th 是阈值。这个式子说明：逻辑错误率不是单点数值，而是一条随码距下降的曲线。评估解码器时，必须给出多个码距（如 d=3、5、7、9）下的 LER 曲线，而不是只报一个数字。示例性地，若某表面码解码器在 p=0.1% 时，d=3 的 LER 约为 1e-4，d=5 约为 1e-6，d=7 约为 1e-8，则每增加 2 个码距，LER 下降约两个数量级，说明该解码器工作点远离阈值、缩放良好。

二、阈值：解码器“有效”的分界线

阈值 p_th 是逻辑错误率随码距增大而不再下降的临界物理错误率。低于阈值，增大码距能持续压低 LER；高于阈值，增大码距反而更差。阈值是解码器与噪声模型共同决定的，不同解码算法在同一码上的阈值差异明显：例如表面码中，最小权重完美匹配（MWPM）在去极化噪声下阈值约 0.5%~1%，而某些贪心或快速近似解码器阈值可能只有 0.3%~0.5%。

工程含义很直接：阈值决定了硬件需要达到的物理错误率目标。若解码器阈值是 0.5%，而实际物理比特错误率是 0.8%，那么再增加码距也无济于事，必须先改进硬件或换更高阈值的解码器。因此阈值常被当作“准入门槛”指标，而逻辑错误率是“达标后比优劣”的指标。

三、解码延迟：实时性硬约束

解码延迟指从采集到一轮综合征数据，到解码器输出修正方案所需的时间。它与量子电路的相干时间直接竞争：若延迟超过后续操作允许的等待窗口，修正就来不及应用，逻辑错误率会显著恶化。延迟通常拆成三部分：

• 数据搬运延迟：综合征从探测器读出并送入解码器的时间；
• 计算延迟：解码算法本身的运行时间，与码距、图规模、并行度相关；
• 输出与调度延迟：修正信息回传并插入控制流的时间。

以表面码为例，若每轮综合征测量周期为 1 μs，则解码器必须在约 1 μs 内完成一轮解码，否则会形成“解码积压”。MWPM 在 d=7 时单轮解码约几十微秒量级，难以满足实时要求；而基于神经网络的解码器或并查集类快速解码器可压到亚微秒级，但阈值和 LER 往往略逊。这就是延迟与最优性之间的典型权衡。

四、吞吐量：单位时间能处理多少轮/多少码块

吞吐量衡量解码器在单位时间内能完成多少轮解码，常用“轮/秒”或“综合征比特/秒”表示。它与延迟不同：延迟是单次响应时间，吞吐量是整体处理能力。一个延迟很低但只能串行处理的解码器，吞吐量可能仍然不足；而一个批处理式解码器延迟较高，却能用流水线把吞吐量做上去。

吞吐量受限于算法复杂度、并行度和硬件资源。例如，MWPM 的复杂度大致随码距增长而快速上升，若用单核 CPU 串行处理，d=9 时吞吐量可能只有每秒几百轮；若改用 FPGA 或 GPU 并行匹配，吞吐量可提升一到两个数量级。工程上要区分峰值吞吐量和持续吞吐量，后者才是与量子电路节拍匹配的真实指标。

五、资源开销：面积、功耗与存储

资源开销包括逻辑资源（查找表、乘法器、BRAM）、存储资源（匹配图、神经网络权重、查找表）和功耗。对低温环境下的解码器，功耗还直接受制冷预算限制。资源开销与延迟、吞吐量通常同向变化：并行度越高，吞吐量越大、延迟越低，但面积和功耗也越大。

例如，一个基于查找表的解码器在 d=5 时可能只需几 KB 存储，延迟极低，但 d=7 时查找表规模指数增长，资源开销迅速不可接受；而 MWPM 存储的是图结构，增长较缓，但计算延迟更高。因此资源开销必须与码距、目标 LER 一起评估，不能孤立看“面积小就是好”。

六、五指标的工程权衡关系

把五个指标放在一起，可以看到清晰的制约结构：阈值决定“能不能用”，逻辑错误率决定“纠得多好”，延迟决定“来不来得及”，吞吐量决定“跟不跟得上节拍”，资源开销决定“放不放得下”。下图给出这五个指标之间的主要权衡路径，以及它们共同作用的解码器工作点。

从图中可以看出，五个指标围绕“解码器工作点”形成一张拉扯网。实际工程决策通常按以下顺序推进：

1. 先看阈值：确认硬件物理错误率是否低于解码器阈值，否则一切优化无意义。
2. 再看逻辑错误率：在目标码距下，LER 是否满足算法需求（如 1e-6 或 1e-9）。
3. 然后卡延迟：单轮解码时间是否小于综合征测量周期，这是硬实时约束。
4. 接着算吞吐量：持续处理能力是否匹配量子电路节拍，避免积压。
5. 最后压资源：在满足前四项的前提下，尽量降低面积、存储和功耗。

七、一个可参考的权衡评估表

下面给出一份可直接用于方案对比的评估表模板，字段均围绕本节五个指标设计，示例数据为合理假设，用于说明填写方式。

填写时注意：延迟和吞吐量必须注明测试条件（码距、噪声模型、硬件平台），否则数字不可比；资源开销建议用同一工艺节点下的等效门数或 BRAM 块数，而不是笼统的“大/小”。

八、权衡的实践判断

最后给出三条可操作的判断原则。第一，阈值不达标，先别谈优化：若物理错误率高于解码器阈值，增加码距只会让 LER 更差，此时应优先换更高阈值解码器或改进硬件。第二，延迟是硬约束，吞吐量是软约束：延迟超标会直接破坏纠错循环，必须优先解决；吞吐量不足可以通过流水线、批处理或多解码器并行缓解。第三，资源开销要放在系统预算里看：低温环境下的功耗和面积往往比算法复杂度更早成为瓶颈，选型时应把资源开销与制冷预算、控制层面积一起评估，而不是只看解码器本身的指标。

把这五个指标理解成一张相互制约的网，而不是五个独立分数，才能在具体码距、噪声模型和硬件条件下做出真正可落地的解码器选型。