量子科技中心_量科网

量子程序往往生成概率分布而非确定性输出，这使得验证本质上具有统计性，且在实际硬件上成本愈发高昂。实践中，开发者仍频繁依赖在模拟器上使用固定采样预算进行测试，这种方法虽然简单，但耗时且难以适应含噪后端。当前缺少的是一种兼具统计明确性与预算感知能力的验证方法。本文将贝叶斯序贯验证形式化为一种基于参考的贝叶斯假设检验工作流，其中先验信息源自明确的参考来源（如有限次采样的参考运行或基于理想态矢量的计算），验证决策随测量证据积累逐批次更新。该方法在 Qiskit 上针对两项互补性工作负载进行了评估：贝尔态与 QAOA-MaxCut。两项案例研究的结果表明，当程序成功概率超过目标阈值时，与固定预算基线相比，贝叶斯序贯验证能显著降低测量成本。这些发现将贝叶斯序贯验证定位为量子程序的一种实用验证工作流。该方法为未来需要可靠、预算感知的通过/失败决策的量子持续集成流水线奠定了基础，并推动了在实际量子硬件上的验证工作。