1. 量子编译器验证与回归测试全景
量子编译器是把量子程序从高层描述（如 Qiskit、QIR、OpenQASM）翻译为可在具体量子硬件或模拟器上执行的脉冲、门序列或中间表示（IR）的软件系统。它同时承担优化、映射、调度、噪声适配等职责。与经典编译器不同，量子编译器的输出不是确定性的机器码，而是带有概率性、受噪声影响、依赖后端拓扑的量子线路。因此，"编译正确"本身就是一个需要被验证的命题。本章作为课程开篇，先建立全景认知：验证与回归测试在量子软件栈中的位置、核心挑战、典型工作流与工具链概览。
一、验证与回归测试在量子软件栈中的位置
量子软件栈自上而下大致可分为：应用层（量子算法、变分电路）、编译层（前端解析、IR 变换、优化、映射、调度）、执行层（脉冲生成、硬件控制、模拟器）、以及贯穿各层的验证与测试基础设施。验证与回归测试并非某一层的附属功能，而是横跨编译层与执行层的"质量护栏"：它既检查编译前后语义是否等价，也检查同一输入在不同版本、不同后端、不同优化级别下输出是否稳定。
可以把验证理解为"证明某一次编译结果符合规范"，把回归测试理解为"证明新版本没有破坏旧行为"。前者关注正确性，后者关注稳定性。二者共享同一套测试基础设施：测试用例库、参考线路、等价性检查器、噪声模型、覆盖率统计。
二、核心挑战：为什么量子编译验证比经典更难
经典编译验证可以依赖"输入输出等价"这一强判据：给定相同输入，编译前后程序应产生相同输出。量子场景下，这一判据被多重因素削弱。
第一，语义等价难以直接判定。两个量子线路是否等价，本质上是判断两个酉矩阵是否相等（或相差全局相位）。对于 n 量子比特，矩阵规模为 2^n × 2^n，n=20 时已无法显式存储。因此实际验证依赖形式化方法（如基于 ZX 演算、路径和、SMT 求解）或随机化测试（如随机输入态下的输出分布对比），而非暴力矩阵比较。
第二，噪声与概率性输出。量子测量结果是概率分布，同一线路多次运行会得到不同比特串。验证不能要求"逐位相等"，而要在统计意义上判断分布是否一致。这引入了采样次数、置信区间、统计检验等额外维度。
第三，后端拓扑与映射引入的语义变化。编译器为适配硬件连通性会插入 SWAP 门、改变量子比特编号。这些变换在逻辑上等价，但物理线路已不同。验证必须区分"逻辑等价"与"物理实现差异"。
第四，优化级别与版本漂移。同一程序在 O0/O1/O2/O3 下输出不同线路；编译器升级后，即使语义正确，门数、深度、映射结果也可能变化。回归测试需要锁定"可接受的变化范围"，而非要求逐字节一致。
常见误区：把"编译成功、无报错"当作"编译正确"。量子编译器可能在语法层面通过，却在语义层面产生错误映射或错误优化。验证必须独立于编译器的自检机制。
三、典型工作流与工具链概览
一个可落地的量子编译验证与回归测试工作流通常包含五个环节：
- 测试用例生成：从量子程序库、随机线路生成器或手工构造的边界用例中产生输入。常用工具包括 Qiskit 的
random_circuit、Cirq 的测试线路集、以及针对特定算法（QFT、Grover、VQE）的模板。 - 参考结果获取：用高保真模拟器（如 Qiskit Aer 的态向量模拟器）或形式化工具计算参考输出。参考结果可以是酉矩阵、输出分布或期望值。
- 编译与执行：将输入送入待测编译器，得到目标线路，再在模拟器或真实后端上执行，采集输出。
- 等价性/一致性判定：对比参考与实际输出。常用方法有：态向量内积、输出分布的总变差距离（TVD）、期望值偏差、以及基于 ZX 演算的线路等价性检查。
- 回归比对与报告：将本次结果与基线版本对比，统计通过率、门数变化、深度变化、映射代价变化，生成报告并决定是否阻断发布。
工具链方面，Qiskit 提供 qiskit.quantum_info 中的 Operator、Statevector 用于等价性检查；qiskit.test 与 pytest 结合可构建回归测试套件。Cirq 提供 cirq.testing.assert_circuits_with_terminal_measurements_are_equivalent 等断言工具。形式化验证方向有 PyZX（ZX 演算）、Qbricks、以及基于 Coq/Isabelle 的量子程序验证框架。工业界如 IBM Quantum、Quantinuum 也提供编译器的版本化测试与基准线路集。
实践建议：初期不必追求全形式化验证。先用"随机线路 + 态向量模拟 + TVD 阈值"搭建最小可用回归测试，覆盖映射、优化、调度三个关键 pass，再逐步引入形式化等价性检查处理高风险变换。