1. 课程导入与全景认知

量子计算软件生态在过去几年迅速分化：IBM 的 Qiskit、Google 的 Cirq、Amazon 的 Braket SDK、微软的 Q#／Azure Quantum Development Kit、IonQ 与 Rigetti 各自的脉冲与控制接口，以及国内的 OriginIR、QPanda、HiQ 等，形成了多个并行演进的 SDK 阵营。所谓多量子SDK互操作，指的是让同一段量子程序逻辑、同一组量子线路或同一批实验结果，能够在不同 SDK 之间被表达、转换、执行与验证；而迁移则是在互操作基础上，把既有工程从一套 SDK 体系整体搬迁到另一套体系，并保持功能、精度与性能可接受。本课程的目标不是罗列 API，而是建立一套可复用的“跨 SDK 思维模型”和工程方法。

一、互操作与迁移到底在解决什么问题

量子程序的生命周期通常包含：线路构造 → 编译与优化 → 后端映射（含比特路由与门分解）→ 执行（模拟器或真机）→ 结果采样与统计 → 误差缓解与后处理。不同 SDK 在这条链上的抽象层次并不一致：Qiskit 以 QuantumCircuit 和 Transpiler 为核心，Cirq 以 Circuit 与 Gate 的“时刻（Moment）”结构为核心，Braket 强调 Circuit 与设备原生门集的直接对应，Q# 则以语言级操作和函数为组织单位。互操作的本质，是在这些不同抽象之间找到公共语义层，并明确哪些信息在转换中会丢失。

最通用的公共语义层是 OpenQASM 2.0/3.0 与 QIR（Quantum Intermediate Representation）。OpenQASM 适合表达门级线路，但对经典控制流、动态线路和复杂类型支持有限；QIR 基于 LLVM IR，能承载更完整的程序语义，但工具链成熟度因厂商而异。因此实际迁移中常见两种路径：线路级迁移（以 QASM 为桥）和程序级迁移（以 QIR 或重写为目标）。

二、核心挑战：不是“转换”，而是“语义对齐”

初学者常以为迁移就是“把 QASM 读进来再导出”。真正困难的部分在于：

• 门集与分解差异：同一逻辑门在不同 SDK 中可能被分解为不同原生门序列。例如 Toffoli 在 Qiskit 中可分解为若干 CX 与单比特门，而在某些离子阱后端上，原生多比特门可能是 MS 门，分解策略完全不同。
• 比特顺序与端序约定：Qiskit 采用小端序（qubit 0 为最低位），Cirq 的线路图与测量顺序也有自己的约定。若忽略端序，测量结果会整体翻转。
• 参数化与绑定时机：变分算法中参数在构造期、编译期还是执行期绑定，各 SDK 支持程度不同，直接影响能否复用同一份参数化线路。
• 噪声模型与后端特性：迁移后若仍按原后端的耦合图与错误率做映射，结果会失真。必须重新获取目标后端的 coupling_map、basis_gates、noise_model。
• 结果格式与统计口径：计数（counts）、概率（probabilities）、期望值（expectation）在不同 SDK 中的返回结构与归一化方式不同，后处理脚本往往需要同步改写。

三、工具链全景：从桥接层到验证层

围绕互操作，目前可用的工具大致分为四层：

1. 格式桥接层：OpenQASM 导入导出、QIR 生成与消费、Quil 与 QASM 互转。代表工具包括 Qiskit 的 qasm2/qasm3 模块、Cirq 的 cirq.qasm、pyQuil 的 Quil 解析器。
2. 统一抽象层：如 qiskit.circuit 与 cirq.Circuit 之间的转换器、pytket 的多后端支持、Qiskit Nature 与 OpenFermion 的接口。它们提供“一次编写、多后端执行”的能力。
3. 执行与后端层：IBM Quantum、Amazon Braket、Azure Quantum、IonQ、Rigetti 等云平台，以及本地模拟器（Aer、qsim、QuEST）。
4. 验证与对比层：用状态向量模拟器对比迁移前后线路的等价性，用 Operator 或 unitary 检查矩阵是否一致，用统计检验判断采样分布是否在误差范围内吻合。

四、学习路径：从“能跑通”到“可验证”

本课程建议按四个阶段推进。第一阶段建立公共语义认知：理解 QASM 与 QIR 的表达边界，能手工写出一个 Bell 态的 QASM 2.0 并解释每一行。第二阶段做线路级互操作：把同一份参数化线路在 Qiskit 与 Cirq 之间往返转换，并用状态向量模拟器验证等价性。第三阶段进入程序级迁移：处理经典控制流、测量反馈与动态线路，理解 QIR 的适用场景。第四阶段做工程化验证：建立迁移前后的对比测试集，量化门数、深度、执行时间与结果偏差。

一个可操作的最小验证示例：构造 3 比特 GHZ 态，分别在 Qiskit 与 Cirq 中生成线路，导出为 QASM，再交叉导入。判断迁移是否成功的依据不是“能否运行”，而是：

# 伪代码：迁移等价性检查
circuit_a = build_ghz_qiskit(3)
circuit_b = build_ghz_cirq(3)
qasm_a = circuit_a.qasm()
qasm_b = circuit_b.to_qasm()

# 交叉导入
circuit_a2 = cirq.circuit_from_qasm(qasm_a)
circuit_b2 = qiskit.QuantumCircuit.from_qasm_str(qasm_b)

# 用状态向量比较
psi_a = simulate_statevector(circuit_a)
psi_b = simulate_statevector(circuit_b2)
fidelity = abs(inner(psi_a, psi_b))**2
assert fidelity > 0.9999, "迁移后语义不一致"

注意这里的 fidelity 是示例阈值，实际应结合目标后端的噪声水平设定。若在含噪真机上验证，应改用采样分布的总变差距离或卡方检验，并明确样本数 shots 与置信区间。

五、常见误区与判断依据

迁移过程中，以下判断依据可以帮助快速定位问题：若线路矩阵一致但采样结果整体翻转，优先检查端序与测量顺序；若门数激增，检查是否因目标后端 basis_gates 不同导致过度分解；若参数化线路报错，检查参数绑定时机是否与目标 SDK 的 bind_parameters 或 resolve_parameters 语义匹配；若真机结果与模拟器偏差大，检查是否重新做了后端映射与噪声模型更新。