1. 课程导入与全景认知
在容错量子计算的研究与工程实践中，有一个问题始终处于核心位置：量子纠错码到底能把错误压到多低，代价是什么？要回答它，不能只停留在“码距越大越好”的定性判断上，而必须通过数值模拟，定量地刻画物理错误率与逻辑错误率之间的关系。本课程围绕两条主线展开：纠错阈值模拟与物理错误率扫描。前者回答“在什么物理错误率以下，增大码距才能真正降低逻辑错误率”；后者回答“在给定码与解码器下，逻辑错误率随物理错误率如何变化，拐点在哪里”。
先明确三个贯穿全课程的关键指标。其一是物理错误率 p，指单个物理量子比特或单次操作发生错误的概率，通常按比特翻转、相位翻转、测量错误、门错误等分量分别建模。其二是逻辑错误率 pL，指整个逻辑量子比特在一次纠错周期后发生不可纠正错误的概率，它是我们真正关心的“有效错误率”。其三是阈值 pth，它是一个临界物理错误率：当 p < pth 时，增大码距 d 可使 pL 指数下降；当 p > pth 时，增大码距反而使 pL 上升。阈值不是码的固有常数，而依赖于错误模型、解码算法与电路级实现细节，这一点在后续章节会反复出现。
核心判据：在阈值以下，逻辑错误率近似满足 pL ∝ (p/pth)⌊(d+1)/2⌋。这条标度关系是判断“是否处于阈值以下”以及“增大码距是否划算”的基本依据，也是本课程所有扫描实验的结果解读框架。
下面这张全景图把本课程的核心对象、工作流与指标关系组织在一起，帮助你在进入具体操作前建立整体坐标。
从全景图可以看到，整个工作流是一条“输入—模拟—扫描—输出”的链路，但真正决定结论可靠性的，是链路中每一环的建模精度。以最常见的表面码为例，一个可执行的最小实验设定可以这样组织：选择旋转表面码，码距分别取 d=3、5、7；错误模型采用电路级去极化噪声，单比特门错误率取 p，双比特门错误率取 p，测量错误率取 p，即所有操作共享同一物理错误率参数；解码器使用最小权完美匹配。然后令 p 在 0.1% 到 2% 之间按对数或线性网格取点，例如 0.001、0.002、0.003、0.005、0.007、0.01、0.015、0.02。每个 p 点运行足够多的蒙特卡洛样本，例如每个码距 105 次纠错周期，统计逻辑错误次数并除以样本数得到 pL 的估计值。
这里有一个容易被忽视但非常关键的实践细节：样本量与统计误差。若某 p 点下逻辑错误只出现几次，那么 pL 的相对误差会很大，曲线在该点会剧烈抖动，进而使阈值拟合产生偏差。合理的做法是保证每个点至少有数十次逻辑错误事件，或者根据二项分布给出置信区间，并在拟合时对高误差点降权。另一个细节是扫描范围的选择：范围太窄会看不到交叉点，范围太宽则大量样本浪费在远离阈值的区域。通常先用粗网格快速定位交叉点大致位置，再在交叉点附近加密取点，这是本课程后续“两阶段扫描”策略的来源。
得到 pL–p 曲线后，判读逻辑非常直接：把不同码距的曲线画在同一坐标系中，若在低 p 区域 d 越大曲线越低，且曲线在某个 p 值附近交汇，则该交汇点就是阈值的数值估计；交汇点左侧曲线间距随 d 增大而拉大，说明纠错在起作用；交汇点右侧曲线顺序反转，说明物理噪声已超过码的纠错能力。进一步，对阈值以下的点做对数拟合，斜率应接近 ⌊(d+1)/2⌋，若明显偏离，往往提示错误模型或解码器实现存在问题，例如把测量错误重复计入、或解码图构建时漏掉了边界条件。
学习建议：本课程后续章节会依次展开错误模型构建、综合征采样、解码器接入、扫描脚本编写、阈值拟合与结果复盘。建议在进入第 2 章前，先明确你手头的模拟器支持哪种噪声接口、是否支持电路级噪声注入，以及解码器是否可替换。这三项决定了后续实验能否顺利复现。
最后需要强调本课程的一个基本立场：阈值是一个“条件下”的量，而不是一个绝对真理。同一码族在不同错误模型、不同解码器、不同电路级实现下，阈值可能相差数倍。因此，本课程不追求记住某个具体数值，而是训练你具备“给定条件—设计扫描—解读曲线—判断可靠性”的完整能力。当你能够独立完成一次从参数设定到阈值判读的闭环实验，并清楚说明结论的适用边界时，本课程的核心目标才算真正达成。