资源、性能与 benchmarkevaluation
Monte Carlo 仿真
抽样物理故障、执行 syndrome 与 decoder、判断逻辑失败；它通常是评估方法，不是 decoder。
- 成熟度
- 核心基础
- 重要度
- 重要主题
- 证据
- 0 篇代表来源
01
范围与辨析
本主题指通过抽样物理故障、执行 syndrome/decoder 并判定逻辑失败来估计性能。它是一种评估方法，不是 decoder，也不替代解析证明。
02
核心机制与研究判断
核心机制
- p_L = failures / samples
- rare-event methods
- confidence intervals
- importance sampling
- reproducible seeds
适用场景
- 用于估计有限长度、线路级或硬件校准噪声下的逻辑错误率和阈值趋势。
比较维度
- 比较置信区间、有效样本量、稀有事件效率、运行成本和可复现性。
至少报告
- 声明噪声采样器、随机种子、停止规则、失败数、置信区间和 decoder 版本。
重点风险
- 零次观测失败不是零逻辑错误率；低 p 区域需要上界或稀有事件方法。
03
全栈位置与直接关系
benchmark/evaluation/montecarlo← flow容错计算层把纠错循环嵌入逻辑 Clifford、非 Clifford、lattice surgery 与 magic-state 工厂。→ flow核心指标同时报告逻辑性能、资源、延迟与实现复杂度，避免只比较单一阈值。← path逻辑存储循环重复 syndrome–decode–frame 循环，测量 memory lifetime 与每轮逻辑错误率。→ path阈值与标度分析比较不同距离或码长的逻辑错误曲线，估计阈值并检查有限尺寸与低 p error floor。→ path核心指标同时报告逻辑性能、资源、延迟与实现复杂度，避免只比较单一阈值。→ 依赖QEC benchmark 可复现协议规定可比较 QEC benchmark 必须公开的线路、噪声、解码器、随机性、统计区间、硬件假设与制品版本。→ 依赖PECOS QEC simulator用于探索、开发和评估量子纠错协议及量子—经典混合程序的框架。← 依赖相干与系统性噪声由系统性过旋转或其他幺正偏差产生、可在多轮操作中相干累积且不能仅由 Pauli 错误率刻画的噪声。
04
代表证据
当前主题尚未关联可展示的代表论文。
05