在量子计算领域，基准测试的可复现性是一个看似简单实则复杂的工程问题。当我们使用模拟器替代真实量子硬件后端进行基准测试时，随机数种子的处理方式直接决定了测试结果的可信度与可比性。本文以 IBM Qiskit Aer 模拟器为核心案例，剖析随机种子在量子基准测试中的工程哲学与具体实践参数。
随机种子的本质：可控的伪随机性
量子模拟器中的随机性主要来源于两个层面：电路生成的随机性和测量采样的随机性。以 Qiskit 为例，当使用 random_circuit 生成随机量子电路时，种子的作用是确保每次生成的电路拓扑结构一致；而在 AerSimulator 中执行电路时，seed_simulator 参数控制的是测量结果的伪随机采样过程。这两者的区别至关重要 —— 即使电路结构完全相同，不同的测量种子也会产生不同的输出分布。
在工程实践中，许多开发者容易犯的一个错误是仅设置 Python 全局随机种子（random.seed），而忽略了 Qiskit Aer 内部的种子机制。AerSimulator 使用独立的伪随机数生成器，直接影响测量结果的采样分布。正确的做法是显式传递 seed_simulator 参数：sim = AerSimulator (seed_simulator=12345)。这种方法确保了即使在不同运行环境下，只要种子值相同，测量结果的统计分布就完全一致。
基准测试的可复现性设计
建立一个健壮的量子计算基准测试流程，需要在三个层面控制随机性。第一层是电路生成层面，确保用于测试的电路实例在整个测试周期内保持不变；第二层是模拟器执行层面，使用固定种子获得确定性的测量结果；第三层是噪声模型层面，如果模拟器配置了噪声模型，则需要记录噪声参数的来源与校准时间戳。
在实际操作中，建议采用以下参数配置：对于电路生成，使用固定的整数种子或 NumPy Generator 对象传递给 random_circuit 函数；对于模拟器执行，在创建 AerSimulator 实例时一次性指定 seed_simulator，并在整个基准测试周期内复用该实例，避免因重新实例化导致的种子泄漏；对于 shots 参数，建议使用 2 的幂次值（如 4096、8192），因为这有助于在二项分布假设下获得更稳定的统计误差估计。
从模拟器到硬件的跨越
模拟器验证的价值在于提供完美的基准线，但将基准测试结果对标到真实硬件时，需要理解两者之间的根本差异。硬件的随机性来源于物理噪声的不可控波动，包括量子退相干、门操作误差以及读出误差的时变特性。即使在同一天的不同时间段运行相同的量子电路，硬件的输出分布也可能存在显著差异，这与模拟器的确定性输出形成鲜明对比。
解决这一问题的工程方法是将硬件校准数据引入模拟器的噪声模型。IBM Quantum 平台提供了基于实时校准数据的噪声模型配置选项，这些模型包含了当前设备的单比特门误差、双比特门误差、T1/T2 退相干时间等关键参数。通过将模拟器的噪声模型与硬件校准数据同步，可以在模拟器中复现硬件的统计特性，从而为基准测试的可比性提供桥梁。
一个典型的对比流程如下：首先使用固定种子在无噪声模拟器中运行基准电路，获得理想分布作为参考；然后在校准后的噪声模拟器中运行同一电路，记录与理想分布的交叉熵基准（XEB）得分；最后在实际硬件上执行相同电路，并将硬件结果与模拟器结果进行 Hellinger 距离计算。这种三阶段对比方法能够清晰分离算法本身的能力与硬件噪声的影响。
监控与回滚策略
生产级量子基准测试系统需要内置监控机制来检测模拟器与硬件之间的漂移。建议监控以下关键指标：XEB 得分的时间序列方差、相同种子下测量分布的 Hellinger 距离、以及噪声模型参数与校准数据的偏差。当 XEB 得分的滑动平均值在连续 24 小时内下降超过 15% 时，系统应触发告警并建议重新校准噪声模型或更新硬件后端。
回滚策略的核心是保持历史基准结果的版本化管理。每次基准测试应同时记录以下元数据：模拟器版本、Qiskit 版本、种子值、噪声模型配置（包含校准时间戳）、以及硬件后端标识。当新测试结果与历史基线出现显著偏差时，可以回溯到特定的配置组合进行复现，定位问题是来源于软件更新、硬件老化还是噪声模型过时。
工程实践参数清单
以下是经过验证的推荐参数配置，可直接应用于 Qiskit Aer 基准测试流程。种子选择方面，推荐使用 32 位整数作为种子值，并在日志中记录种子与对应的电路哈希，以便精确复现；shots 配置方面，轻量级测试使用 1024 或 2048 shots，生产级验证使用 8192 或 16384 shots，以获得低于 1% 的统计误差；噪声模型方面，从 IBM Quantum 平台获取最近的校准数据，优先使用与目标硬件相同拓扑结构的噪声模型；对比指标方面，XEB fidelity 适用于随机电路，Hellinger 距离适用于固定电路的结构化测试。
随机种子在量子计算基准测试中绝非技术细节，而是关乎测试可信度的工程哲学体现。通过系统性地控制种子、记录配置、同步校准数据，我们能够在模拟器的确定性世界与硬件的统计现实之间架起可验证的桥梁。
资料来源：IBM Quantum 文档与 Qiskit Aer 源码实践