软件栈与量子云：你最熟悉的那一层 · 量子计算入门

10.1 量子软件栈和云计算的对应关系

这一章从你熟悉的云计算切入。量子软件栈可以借助 IaaS、SDK、作业调度等概念理解，但这只是职责类比，不是产品能力的一一对应：你不能把一个未知量子态像虚拟机一样随意快照、复制和热迁移。

量子计算层次	包含什么	云计算类比
应用层	量子化学软件、金融优化工具、行业解决方案	SaaS
算法与库	算法库、纠错库、行业算法模板	中间件、算法库
开发框架（SDK）	Qiskit、Cirq、PennyLane、本源 pyQPanda 等	云 SDK、开发框架
编译器	把逻辑线路翻译成硬件原生门，适配比特拓扑	编译器、JIT
云接入与调度	任务排队、资源分配、计费、API	云控制台、作业调度
控制系统	脉冲生成、校准、实时反馈	固件、驱动
硬件	量子芯片、制冷机、测控设备	IaaS 底层硬件

10.2 你的第一个量子程序

下面用 IBM 开源的 Qiskit 写一个制造贝尔态的程序。即使你没有量子计算机，也可以在自己电脑上用模拟器运行。

安装（需要 Python 环境）：

pip install qiskit qiskit-aer

代码：

from qiskit import QuantumCircuit, transpile
from qiskit_aer import AerSimulator

qc = QuantumCircuit(2, 2)   # 2 个量子比特，2 个经典比特
qc.h(0)                     # 对第 0 号比特做 H 门：制造叠加
qc.cx(0, 1)                 # CNOT：0 号控制，1 号目标，制造纠缠
qc.measure([0, 1], [0, 1])  # 测量，结果写入经典比特

sim = AerSimulator()
job = sim.run(transpile(qc, sim), shots=1000)
print(job.result().get_counts())
# 输出大约是：{'00': 500 左右, '11': 500 左右}

逐行理解：

创建一个包含 2 个量子比特和 2 个经典比特的线路；
h(0)：对 0 号量子比特做 Hadamard 门；
cx(0, 1)：做 CNOT 门；
measure：把量子比特的测量结果存入经典比特；
transpile：把线路「编译」成模拟器或硬件支持的形式；
shots=1000：运行 1000 次并统计结果。

在这个理想模拟器中，结果只会出现 00 和 11，各占约一半。你完成的是纠缠态的经典数学模拟，并没有在 PC 上物理制造量子纠缠；而且仅凭这一组 Z 基测量计数不能独立验证纠缠（见第 4 章）。代码示例使用 QuantumCircuit、AerSimulator 的接口形式；安装时请记录实际 Python、qiskit、qiskit-aer 版本，不能把未锁定版本的安装命令当作永久兼容保证。

先避开一个常见坑：Qiskit 的比特顺序

第 5 章手算线路按「控制比特在左、目标比特在右」书写。Qiskit 默认线路图中 q0 在上，但在这里 measure([0,1], [0,1]) 映射产生的计数字符串中，c1 在左、c0 在右；状态向量的标签同样通常写成 |q1 q0>。这不是物理定律改变，而是软件的显示约定。[R2]

操作（从两个零开始）	q0	q1	Qiskit 计数字符串
只做 qc.x(0)	1	0	01
只做 qc.x(1)	0	1	10
x(0) 后做 cx(0,1)	1	1	11

贝尔态的 00、11 左右对称，恰好会掩盖位序错误。调试时先运行不对称的 x(0) 测试，再解释复杂线路；额外经典寄存器及不同结果数组接口也可能改变展示方式，不要凭界面上下位置猜字符串位序。

再做一个实验：把相位变成可读的概率

把上面代码里创建 qc 到测量前的部分，分别换成下面三个小线路；每次都从新建的 |0⟩ 出发，经典寄存器也改为 1 位，最后调用 qc.measure(0,0)：

# 实验 A：两次 H，中间没有测量
qc = QuantumCircuit(1, 1)
qc.h(0)
qc.h(0)
# 理想最终测量：100% 为 0

# 实验 B：H、Z、H，把相对相位翻转变成比特翻转
qc = QuantumCircuit(1, 1)
qc.h(0)
qc.z(0)
qc.h(0)
# 理想最终测量：100% 为 1

# 实验 C：中间测量破坏相干，再做 H
qc = QuantumCircuit(1, 1)
qc.h(0)
qc.measure(0, 0)
qc.h(0)
# 最后再次 qc.measure(0,0)：最终 0/1 各约一半

上面 A、B、C 三段是独立实验，不是一起顺序粘贴的完整程序；应一次选一段，再接上测量与模拟器运行部分。实验 C 最后的测量会覆盖同一个经典位，因此这里统计的是最终结果，而非两次测量历史。

本轮代码实测（2026-10-27）：Python 3.13.12、Qiskit 2.6.1、qiskit-aer 0.18.2，使用理想 Aer 模拟器。上方完整贝尔态程序的 1000 shots 得到 00：504 次、11：496 次。另以 10000 shots、seed_simulator=42 校验：H-H 全为 0，H-Z-H 全为 1，H-中间测量-H 得到 0：5080 次、1：4920 次；只做 x(0) 的两比特线路全为 01，贝尔态得到 00：4932 次、11：5068 次。这些是指定软件环境下的模拟结果，不是真机性能指标，也不要求换版本后随机计数逐项相同。

10.3 量子编译器在做什么

你写的线路是「逻辑层」的，真实硬件有两个限制：

原生门集有限：比如某台硬件只支持特定的旋转门和某种双比特门，H 门要拆成它们的组合；
连接拓扑受限：超导芯片上不是任意两个比特都能直接做 CNOT，不相邻时要插入额外的 SWAP 操作「搬运」状态。

编译器还要做优化：合并、消去冗余的门，尽量缩短线路深度，因为线路越长，噪声累积越多。这和经典编译器做指令调度、寄存器分配、死代码消除的思路很相似。

10.4 量子云：不用买机器也能用量子计算机

和云计算一样，绝大多数用户不会自己买量子计算机，而是通过云平台按需使用：

平台	提供方	特点
IBM Quantum Platform	IBM	Qiskit 生态；后端可用性、访问资格及额度以当期平台说明为准
Amazon Braket	AWS	多硬件接入，可调用多家厂商的量子计算机
Azure Quantum	Microsoft	接入多家硬件，和 Azure 云生态整合
Google Quantum AI	Google	以研究合作为主，Cirq 框架
本源量子云	本源量子	国产超导量子计算机，如本源悟空系列
天衍量子计算云平台	中电信量子集团	运营商体系，天衍系列整机

使用流程基本是：注册账号 → 获取 API Token → 用 SDK 写线路 → 选择后端（模拟器或真机）→ 提交任务排队 → 获取结果。是不是和调用任何一个云 API 差不多？

10.5 模拟器 vs 真机

对比项	模拟器	真实量子计算机
运行在哪	你的电脑或云服务器（经典）	真实量子硬件
规模约束	稠密态向量随 2^n 增长；稳定子、张量网络等方法对适配的线路可模拟更多比特，不能给所有模拟器一个固定上限	同时受物理规模、连接、错误率、可运行深度与可访问资源限制
噪声	此处示例无噪声；可选择噪声模型，但不能完整复刻设备所有漂移	包含真实噪声、漂移及读出误差
适合做什么	学习、调试、小规模算法与数学验证	真实实验、设备性能及噪声测试
成本	小规模通常低；大规模精确模拟也可能昂贵	按后端、任务、时长或采样次数计费，需查实际服务条款

建议学习路径：先在模拟器上把概念跑通，再去真机上体验噪声的影响。

10.6 从一段代码到一次可复现的云实验

从云工程视角，量子作业更接近带排队和设备约束的批处理任务，而不是一个实时返回的普通 Web API：

固定输入：保留原始线路、参数、测量基和随机种子；模拟器种子只固定伪随机采样，不代表真机能固定测量结果。
选择后端：说明是理想模拟器、含噪模拟器还是物理设备；记录目标门集、连接图和校准信息。
编译留痕：保存编译后的物理比特映射、双比特门数和线路深度，同一逻辑线路在不同后端的代价可能完全不同。
执行留痕：记录 shots、作业标识、提交时间、排队时间、执行时间以及失败/重试次数。访问令牌保存在安全的凭据管理位置，不写进共享教材或代码。
统计留痕：输出计数、期望值和误差范围；说明是否做误差缓解、丢弃了多少样本，不能只展示处理后最好的一次。
对照实验：同等精度、同样输入，与合适的经典方法比较总时长和总成本，而不只比较 QPU 上的几微秒。

建议的最小实验记录是一行：软件版本 + 原始/编译线路 + 后端与校准时间 + shots + 结果统计 + 不确定度 + 处理方法。这相当于把机器学习实验的可复现习惯迁移到量子编程中。

本章小结

量子软件栈可以借助云计算分层理解，但量子态不能像虚拟机或内存一样任意复制与迁移。
用 Qiskit 可以模拟纠缠线路；这不等于在 PC 上制造物理纠缠。读计数前要核对经典位映射和字符串位序。
量子编译器负责适配原生门集和比特拓扑，并缩短线路深度。
量子云让用户无需购买硬件即可按需使用量子计算机。
模拟器适合学习，真机适合体验真实噪声。