3. 量子比特资源与训练规模的关系

在评估量子模型训练成本时，最先需要回答的问题不是“需要多少量子门”，而是“需要多少量子比特”。量子比特资源是训练规模的硬约束：它决定了可编码的参数量、可表示的希尔伯特空间维度，也决定了纠错开销能否被工程承受。本节从逻辑比特与物理比特的映射关系出发，分析纠错开销、训练所需比特数随模型规模与精度要求的变化规律，并给出一套可用于初步估算的比特资源方法。

逻辑量子比特与物理量子比特的映射

逻辑量子比特是算法层面使用的抽象单元，物理量子比特是硬件上真实存在的量子系统。二者之间不是一对一关系，而是通过量子纠错码建立映射。以表面码为例，一个距离为 d 的逻辑比特需要约 d² 量级的物理比特来编码，同时还需要额外的辅助比特用于 syndrome 测量。工程上常用的粗略估算是：单个逻辑比特的物理开销约为 2d² 到 3d²，具体系数取决于码型、连接拓扑和测量电路复用程度。

纠错距离 d 与逻辑错误率之间存在近似指数关系。若物理错误率为 p，逻辑错误率大致按 p_L ∝ (p/p_th)^(d+1)/2 下降，其中 p_th 为纠错阈值。这意味着精度要求每提高一个数量级，距离 d 往往需要增加 2 左右，而物理比特开销按 d² 增长。精度与资源之间因此呈现明显的非线性放大关系，这是训练规模评估中最容易被低估的部分。

训练所需比特数随模型规模的变化

量子模型的“规模”通常体现为可训练参数数量或特征维度。若采用角度编码、振幅编码或量子线路作为模型主体，逻辑比特数与模型规模的关系取决于编码方式。以常用的角度编码为例，n 个逻辑比特最多可承载 n 个独立角度参数，参数量与比特数近似线性；而振幅编码可将 2ⁿ 维经典向量映射到 n 个逻辑比特上，比特数随数据维度呈对数增长。两种编码的资源曲线差异极大，评估时必须先明确编码方案，否则估算结果会相差数量级。

训练过程本身还会引入额外比特需求。变分量子线路的梯度计算、参数移位规则、以及多次测量求期望值，往往需要辅助比特或重复制备。若采用误差缓解而非完全纠错，辅助比特和采样次数会进一步放大资源消耗。因此，训练所需物理比特数可写成：

N_physical ≈ N_logical × C_code(d) × (1 + α_train)

其中：
  N_logical  = 模型逻辑比特数（由编码方式与参数量决定）
  C_code(d)  = 每逻辑比特物理开销，表面码约 2d² ~ 3d²
  α_train    = 训练辅助开销比例（辅助比特、重复制备、误差缓解）

这个式子虽然简单，但把三类因素清晰分开：模型规模决定 N_logical，精度要求决定 d 进而决定 C_code，训练策略决定 α_train。实际估算时，先固定编码方式和目标逻辑错误率，再逐项代入，就能得到量级正确的物理比特需求。

比特资源估算的初步方法

下面给出一个可直接套用的估算流程，并以一个教学示例说明。假设我们要训练一个含 64 个可训练参数的变分量子模型，采用角度编码，目标逻辑错误率不高于 1e-6，物理错误率 p = 1e-3，纠错阈值 p_th = 1e-2，训练辅助开销比例按 30% 估计。

1. 确定逻辑比特数：角度编码下 64 个参数至少需要 64 个逻辑比特，若线路含纠缠层和辅助寄存器，取 N_logical = 72。
2. 由目标逻辑错误率反推距离：按 p_L ∝ (p/p_th)^(d+1)/2 估算，p/p_th = 0.1，要达到 1e-6 量级，d 取 5 较为稳妥。
3. 计算每逻辑比特物理开销：表面码取 C_code ≈ 2.5 × d² = 2.5 × 25 ≈ 62.5，向上取整为 63。
4. 计入训练辅助开销：N_physical ≈ 72 × 63 × 1.3 ≈ 5,897，工程上按 6,000 个物理比特规划。

精度要求带来的非线性放大

从示例可以看出，逻辑比特从 72 增加到 144 只让物理比特翻倍，但目标逻辑错误率从 1e-6 收紧到 1e-9 时，距离 d 从 5 增至 9，单比特开销从 63 增至约 203，物理比特需求放大约 3.2 倍。这说明在量子模型训练中，精度指标往往比模型规模更能主导资源预算。做成本评估时，应把“目标逻辑错误率”作为一等参数单独列出，而不是笼统地写“高精度”。

此外，训练过程中的中间态保真度、测量采样次数和经典优化器迭代轮数，会通过 α_train 间接影响比特需求。若采用误差缓解替代部分纠错，虽然短期物理比特数下降，但采样开销和经典后处理成本会上升，需要在总成本口径下统一比较，避免只看比特数得出片面结论。

把上述关系固化为一张可复用的估算表，有助于在模型设计早期快速判断资源可行性。建议至少记录：编码方式、逻辑比特数、目标逻辑错误率、纠错距离、单比特开销系数、训练辅助比例和物理比特总量七项，并在方案变更时同步更新，使比特资源评估成为训练成本管理中的常规动作，而不是事后补救。