1. 课程导入与资源开销评估全景

量子容错计算并不是把逻辑量子比特直接“造”出来，而是用大量带噪声的物理量子比特，通过量子纠错码、魔法态蒸馏和格点手术等机制，逐层合成出可靠的计算能力。因此，当我们问“运行一个量子算法需要多少资源”时，答案不能停留在算法层面的门数或比特数，而必须落到物理量子比特数、时间步、魔法态消耗量和码距这几个可度量的工程参数上。本课程的核心任务，就是建立从算法描述到物理资源估算的完整映射链条，并学会在给定硬件约束下判断方案是否可行。

四个核心评估对象

资源开销评估围绕四个相互耦合的量展开。第一是物理量子比特数，它由逻辑量子比特数、每个逻辑比特占用的物理比特数（约与码距的平方成正比）以及魔法态工厂、路由与辅助区域的开销共同决定。第二是时间步，通常以表面码的纠错周期为基本单位，一个逻辑门或一次格点手术需要若干周期，算法总时间等于关键路径上各操作周期之和。第三是魔法态消耗，非 Clifford 门（如 T 门）必须消耗预先蒸馏好的魔法态，其数量与蒸馏工厂的产出率和占用面积直接相关。第四是码距，它同时影响逻辑错误率、物理比特数和时间开销，是精度与成本之间的核心调节旋钮。

这四个量并非独立：提高码距会降低逻辑错误率，但物理比特数按平方增长、时间步也随解码周期变长；增加蒸馏工厂可以加快魔法态供给，却要占用更多物理比特。评估的本质，是在目标逻辑错误率约束下寻找这四者的可行组合。

评估目标与典型场景

资源开销评估的直接目标，是在给定硬件条件下回答三个问题：需要多少物理量子比特？需要运行多长时间？魔法态供给能否跟上计算节奏？这三个问题对应三类典型场景。其一是可行性判断，例如评估 Shor 算法分解 2048 位 RSA 模数所需的物理比特规模，判断当前或近期硬件是否具备条件。其二是方案对比，在相同逻辑错误率目标下比较不同纠错码、不同蒸馏方案或不同编译策略的资源差异。其三是瓶颈定位，当总开销超出预算时，判断瓶颈来自码距过大、魔法态工厂不足还是路由与手术开销过高。

以量子化学模拟为例，若目标分子需要约 100 个逻辑量子比特、T 门数量约 10⁸，目标逻辑错误率 10⁻¹²，物理错误率 10⁻³，则码距大致需要 d≈25 量级。每个逻辑比特约需 d²≈625 个物理比特，仅数据区就约 6 万物理比特，再加上魔法态工厂与辅助区域，总量往往达到数十万量级。这个数量级判断本身就是评估的第一层产出，它决定了后续是否需要优化 T 门计数或改用更高效的蒸馏协议。

建立全栈映射的基本方法

实际评估通常按“自顶向下分解、自底向上校验”的方式推进。第一步从算法线路中提取逻辑量子比特数、T 门总数和 CNOT 总数，这是资源估算的输入清单。第二步根据物理错误率与目标逻辑错误率确定码距，利用表面码的逻辑错误率近似关系估算 d。第三步计算数据区物理比特数，并按蒸馏协议估算魔法态工厂的数量与面积。第四步沿关键路径累加时间步，得到总运行时间，同时检查魔法态产出率是否满足 T 门消耗速率。第五步将结果与硬件预算对比，若超限则回到码距、蒸馏方案或编译优化处调整。

需要建立的几个基本约定

为保证后续各章数据可比，本课程统一采用以下约定：时间以表面码一个纠错周期为基本单位，记为 1 个时间步；物理错误率指单比特门、双比特门与测量错误的综合代表值，默认量级为 10⁻³；逻辑错误率指单个逻辑量子比特在若干时间步内发生不可纠正错误的概率；魔法态消耗按 T 门数量计，并假设每个 T 门消耗一个已蒸馏魔法态。这些约定是估算的起点，实际硬件参数不同时应按相同结构替换数值，而不是改变评估框架本身。