2. 量子容错计算基础与开销度量体系

要评估容错量子计算的资源开销，先要有一套共同的“语言”。不同论文里出现的“物理比特数”“逻辑错误率”“时空体积”“魔法态工厂吞吐量”等词，如果定义口径不一致，数字之间就无法比较。本节先回顾容错量子计算的基本模型，再逐一定义关键开销指标，最后把它们组织成一套统一的度量语言，为后续各章的估算与优化打基础。

一、容错量子计算的基本模型

当前主流的容错方案建立在电路模型之上：量子算法被编译成一串逻辑门，逻辑门作用在逻辑量子比特上。逻辑量子比特并不对应单个物理器件，而是由多个物理量子比特通过量子纠错码编码而成。以最常被引用的表面码为例，一个码距为 d 的表面码逻辑比特，需要约 d² 量级的物理数据比特，外加用于测量稳定子的辅助比特，实际布局中物理比特总数通常在 2d² 量级。

表面码的码距 d 决定了纠错能力：在物理错误率 p 低于某个阈值 p_th（表面码约 1% 量级，具体取决于噪声模型与解码器）时，逻辑错误率随 d 增大呈指数下降，常用近似为

p_L ≈ A · (p / p_th)^((d+1)/2)

其中 A 是与电路细节相关的拟合系数。这个关系是全部开销估算的基石：想要更低的逻辑错误率，就要付出更大的码距，而码距增大又直接推高物理比特数与操作时间。

逻辑门层面，表面码原生支持 Clifford 门（如 H、S、CNOT）的横向或格点手术实现，但非 Clifford 门（如 T 门）不能横向实现，必须借助魔法态。魔法态由魔法态工厂通过蒸馏协议（如 15-to-1）批量生产，再通过门传送注入到数据比特上。因此，一个容错量子计算机的资源消耗，本质上由三部分构成：数据块的物理比特、魔法态工厂的物理比特与时间、以及连接它们的路由与测量开销。

二、关键开销指标的定义

物理/逻辑量子比特比是最直观的指标，记为 R = N_phys / N_L。它回答“一个逻辑比特要花多少个物理比特”。对表面码，仅数据块就约 2d²，若再计入工厂与路由，整体 R 常达到 10³～10⁴ 量级。注意 R 强烈依赖目标逻辑错误率：要求 p_L 越低，d 越大，R 呈平方增长。

时空体积（spacetime volume）把空间与时间合并计量，单位可定义为“物理比特·纠错周期”。一次逻辑操作占用的时空体积 ≈ 参与该操作的物理比特数 × 持续周期数。整个算法的总时空体积则是所有逻辑门、魔法态注入、路由与等待的累加。它是跨方案比较最公平的单一数字，因为它同时惩罚“用更多比特换速度”和“用更长时间换比特”两种策略。

魔法态工厂吞吐量定义为工厂每单位时间产出的合格魔法态数量，记为 Q（个/纠错周期）。若算法需要 N_T 个 T 门，且工厂吞吐为 Q，则仅从供给角度，T 门阶段至少需要 N_T/Q 个周期。工厂本身也消耗物理比特，因此存在权衡：多开工厂提高 Q 可缩短时间，但抬高物理比特总数。

码距与错误率关系已在上面给出近似式。工程上更常用“每数量级逻辑错误率所需的码距增量”来描述：在 p/p_th ≈ 0.1 时，d 每增加 2，p_L 约下降一个数量级。这条经验规则让工程师能快速反推所需码距。

三、把指标组织成统一度量语言

单独看任一指标都容易误导。一个常见做法是先固定“目标逻辑错误率”和“算法规模”，再自底向上折算：

1. 由目标 p_L 与物理 p，用码距—错误率关系定出 d；
2. 由 d 算出单逻辑比特的物理比特数与单逻辑门周期；
3. 由算法逻辑比特数 N_L 与深度 D_L 估算数据块时空体积；
4. 由 T 门数 N_T 与工厂吞吐 Q 估算工厂侧时空体积；
5. 两者相加并乘以路由/测量开销系数（经验上 1.2～1.5），得到总时空体积。

举个教学示例（参数为合理假设，非实测）：设 p = 0.1%、p_th = 1%，目标 p_L = 10⁻¹²。按每增 2 个码距降一个数量级，从 d=7 起算约需 d ≈ 21。单逻辑比特约 2×21² ≈ 880 个物理比特，单逻辑门约 21 个纠错周期。若算法有 100 个逻辑比特、深度 10⁶ 个逻辑门，数据块时空体积约 100×880×10⁶×21 ≈ 1.8×10¹² 物理比特·周期。若 N_T = 10⁸、Q = 10 个/周期，工厂侧约 10⁷ 周期，若工厂占 10⁴ 物理比特，则约 10¹¹，比数据块小一个量级——这说明在该参数下瓶颈在数据块而非工厂，调参方向应优先压缩码距或深度。

最后要强调口径一致性：物理比特是否含辅助比特、周期是否按最慢操作计、工厂是否计入路由，这些细节必须在报告开头写明。统一度量语言的价值不在于某个绝对数字，而在于让不同方案、不同章节的估算可以放在同一张表里比较，从而支撑后续的资源优化决策。