3. 量子模拟误差来源分类
在量子模拟中，最终结果与真实值之间的偏差往往不是单一原因造成的。若把所有偏差笼统称为“误差”，后续的校准、纠错与结果解释就会失去方向。因此，本节的核心任务是把误差按来源与可控性拆开：统计误差来自有限采样，系统误差来自设备标定与操控偏差，算法误差来自数学近似与离散化，硬件噪声来自退相干与门错误，截断误差来自基组或能级截断，模型误差来自物理模型本身与真实系统的差异。六类误差的界定、典型量级与实例，是后续误差预算与验证方案的基础。
一、六类误差的界定与实例
统计误差是量子测量固有随机性带来的误差。量子模拟的期望值通常通过多次测量估计，若单次测量结果为 xi，估计量为样本均值，则标准误差约为 σ/√N，其中 σ 是单次测量标准差，N 是采样次数（shots）。例如用 4096 shots 估计某量子态在 Z 基下的期望值，若单次测量标准差为 1，则统计误差约 1/√4096 ≈ 0.016。统计误差可通过增加 shots 或使用方差缩减技术降低，但它不会因设备变好而自动消失。
系统误差是测量或操控中稳定偏离真值的偏差，不随采样次数增加而减小。典型来源包括：量子门旋转角标定偏差、读出保真度不对称、激光功率漂移、磁屏蔽残余场等。例如某超导量子比特的 X 门实际旋转角为 π+0.02 rad，而非理想 π，则每次门操作都会引入约 1% 的过旋转，多次门累积后系统误差显著。系统误差需要通过校准实验、鲁棒脉冲或误差放大序列来识别和抑制。
算法误差来自所选量子算法或数学近似本身。例如用 Trotter 分解模拟时间演化时，将 e−iHt 近似为多个短时步的乘积，其误差随步长 Δt 的平方或更高阶增长；用变分量子本征求解器（VQE）时，若拟设（ansatz）不能覆盖真实基态，则存在表达误差。算法误差与硬件无关，即使使用完美量子计算机也会存在，只能通过更精细的分解、更大的拟设或更优的算法设计来降低。
硬件噪声是量子处理器中不可逆的退相干与操作错误，包括 T1 弛豫、T2 退相位、单/双比特门错误、串扰、读出错误等。例如某超导设备单比特门错误率约 10−3，双比特门错误率约 10−2，若电路含 20 个双比特门，则仅门错误导致的保真度下降就可能达到 1−0.9920 ≈ 18%。硬件噪声通常随电路深度指数累积，是当前量子模拟的主要瓶颈之一。
截断误差来自对无限维或连续空间的离散化与截断。例如在量子化学模拟中，将分子轨道基组截断到有限个基函数，或把玻色子模式截断到有限 Fock 态；在格点规范场模拟中，将空间格点数和能级截断到有限范围。截断误差可通过增大截断参数、外推或使用自适应基组来评估和减小。它与算法误差不同：算法误差是“方法本身近似”，截断误差是“表示空间被截短”。
模型误差来自物理模型与真实系统之间的差异。例如用理想二能级系统描述超导量子比特，忽略更高能级；用无噪声哈密顿量描述实际存在 1/f 磁通噪声的系统；用 Born-Oppenheimer 近似处理电子-核耦合。模型误差往往最难量化，因为它涉及对真实物理的认知边界，需要通过实验对比、模型修正或不确定性量化来评估。
二、误差来源的层次关系
六类误差并非彼此独立，而是分布在“物理模型—数学表示—算法实现—硬件执行—测量统计”的不同层次上。下图给出一个从真实系统到最终估计值的误差传递视图，帮助区分每类误差的介入位置与可控手段。
三、误差预算的实操示例
假设我们要用 4 个量子比特模拟一个 4 自旋链的基态能量，目标精度为 0.01 Hartree。可以按以下方式建立误差预算表，把六类误差分别量化并判断主导项。
| 误差类型 | 来源示例 | 估计量级 | 降低手段 |
|---|---|---|---|
| 统计误差 | 4096 shots 估计期望值 | ≈ 0.016 | 增加至 105 shots，误差降至 ≈ 0.003 |
| 系统误差 | 读出保真度 97%，不对称 1% | ≈ 0.005 | 读出校正矩阵、校准脉冲 |
| 算法误差 | Trotter 步长 Δt=0.1，二阶分解 | ≈ 0.008 | 减小 Δt 至 0.02，误差降至 ≈ 0.0003 |
| 硬件噪声 | 双比特门错误率 1%，共 12 个门 | ≈ 0.11 | 零噪声外推、纠错、缩短线路 |
| 截断误差 | 基组截断至 6-31G | ≈ 0.02 | 增大基组、外推至完备基 |
| 模型误差 | 忽略自旋-轨道耦合 | ≈ 0.001 | 引入微扰修正、对比实验 |
从表中可见，硬件噪声（≈0.11）和截断误差（≈0.02）是当前主导项，统计误差和系统误差相对较小。若目标精度为 0.01，则必须优先处理硬件噪声与截断误差，否则单纯增加 shots 无法达标。这就是误差预算的实际意义：先定位主导项，再分配资源。
四、常见混淆与界定要点
- 统计误差 vs 系统误差：前者是随机涨落，可通过重复测量平均减小；后者是稳定偏移，平均不减小，需校准或建模。
- 算法误差 vs 截断误差：算法误差是“方法近似”，如 Trotter 分解；截断误差是“表示空间被截短”，如基组或能级截断。两者可同时存在，需分别评估。
- 硬件噪声 vs 系统误差：硬件噪声是随机退相干与门错误，通常随深度累积；系统误差是标定偏差，可通过校准实验识别。某些噪声（如 1/f 漂移）兼具两者特征，需按时间尺度区分。
- 模型误差 vs 其他：模型误差来自物理模型本身，即使使用完美量子计算机和精确算法也会存在。它只能通过与实验对比或引入更完整模型来评估。
在实际项目中，建议先列出所有可能的误差来源，再逐一估计量级，最后按“主导项优先”的原则分配校准、纠错和外推资源。这样既能避免盲目增加 shots，也能防止把模型误差误判为硬件问题。