1. 课程导入与量子程序测试全景

量子程序单元测试与结果校验，是量子软件工程中最容易被低估、却最直接影响可信度的一环。经典程序里，一个函数返回 3 就是 3，断言 assert f(2) == 3 成立与否一目了然；而量子程序运行在含噪声的中等规模量子（NISQ）设备或理想模拟器上，一次 measure 只给出一个采样结果，同一个量子线路重复执行 1024 次，得到的是一串统计分布。因此，量子程序的“单元测试”本质上不是判断“输出是否等于期望值”，而是判断“观测到的统计分布是否与理论分布一致，且置信度足够高”。

本课程的核心目标可以概括为三件事：能写——为量子线路、量子门、量子子程序编写可复现的测试用例；能算——知道每个测试的期望值从何而来（解析推导、状态向量模拟、参考实现）；能判——用统计判据而非精确相等来判定通过与否，并能区分“程序错误”与“采样噪声”。这三件事贯穿全部 30 章，最终落到一个可运行的实战项目上。

量子测试与经典测试的关键差异

理解差异是建立正确测试直觉的前提。经典单元测试的输入输出是确定性的，测试是“点对点”的断言；量子测试面对的是概率幅、纠缠、不可克隆和测量坍缩，测试对象从“值”变成了“分布”和“态”。下表列出几个最关键的对照维度。

这些差异直接决定了测试设计：不能只写一个期望值，而要写“期望分布 + 采样次数 + 容差 + 判据”。例如测试一个制备 Bell 态的线路，理论输出是 |00⟩ 与 |11⟩ 各占 50%，若采样 1024 次，观测到 00 出现 498 次、11 出现 505 次、01 与 10 共 21 次，那么“01/10 出现”本身就是强信号——说明线路中存在非预期的单比特翻转或纠缠门参数错误，而不是噪声能解释的偏差。

整体学习路径

课程按“基础—工具—方法—实战”四段推进。前三章建立全景与开发环境；随后进入量子态、测量与期望值的数学基础，这是所有判据的来源；中段集中讲解测试框架（如 Qiskit 的 qiskit.test、pytest 集成）、参考实现对比、态向量与密度矩阵校验、统计判据与置信区间；后段覆盖噪声模拟、参数化线路测试、回归测试与 CI 集成；最后以实战项目收束，把前面所有方法串成一条可交付的测试流水线。

实战项目与判据示例

贯穿课程的实战项目是“为一个小型量子线路库建立可回归的测试流水线”。该库包含若干基础线路：Bell 态制备、GHZ 态制备、量子傅里叶变换子程序、参数化旋转线路。项目要求为每个线路写出测试用例，在模拟器上以固定随机种子执行，计算判据并输出通过/失败报告，最终接入 CI，使得任何一次线路修改都能被自动检测。

以一个具体判据为例：测试 Bell 态线路时，设采样次数 shots = 1024，理论分布为 P(00)=0.5, P(11)=0.5，其余为 0。定义总变差距离 TVD = 0.5 * Σ|P_obs(i) - P_theory(i)|，并设定阈值 TVD ≤ 0.05。若观测到 00 出现 498 次、11 出现 505 次、01 出现 12 次、10 出现 9 次，则 P_obs(00)=0.4863, P_obs(11)=0.4932, P_obs(01)=0.0117, P_obs(10)=0.0088，计算得 TVD ≈ 0.5*(0.0137+0.0068+0.0117+0.0088) ≈ 0.0205，小于 0.05，判为通过。但若 01 与 10 各出现 60 次，TVD 将明显超过阈值，此时应优先怀疑纠缠门参数或比特映射错误，而不是简单归因于噪声。这个例子说明：判据的阈值设定必须结合采样次数与噪声水平，否则要么误报、要么漏报。

需要强调的是，本课程中的示例参数（如 1024 次采样、TVD 阈值 0.05）均为教学用合理假设，用于说明判据的计算与解读方式，不代表任何真实设备或真实项目的实测结论。实际项目中应根据硬件噪声水平、线路深度和所需置信度重新标定阈值。掌握“如何算、如何判、如何定位”，比记住某个具体数字更重要。