错误缓解：不纠错也能多撑几步

机器只有几十个比特，跑不了纠错；可你仍然想要一个比「纯噪声」更接近真值的数。错误缓解就是为这个场景发明的。

不是纠错，是估计

先划清界限：纠错要编码，用多个物理比特换一个逻辑比特，把错误实时测出来并改掉；缓解不编码，也不产生逻辑比特。它承认每一步都会错，然后用多次含噪运行去估计「如果没有噪声，期望值是多少」。

三条常见路子。零噪声外推（ZNE）：人为放大噪声（比如把门折叠成等效的更长序列），在几个噪声强度下测同一观测量，再外推到零噪声；它假设噪声可以被可控放大，且结果随噪声平滑变化。读出校准：先测出混淆矩阵，再反解。概率错误消除（PEC）：把噪声通道拆成理想通道与若干 Pauli 错误的准概率组合，按权重采样不同线路求平均。

先看噪声怎么吃掉深度。

曲线不会因为缓解而变平，这就是边界。

代价与边界

缓解的开销随线路规模长得很快。PEC 要把每个噪声通道展开成准概率组合，采样次数按 $\gamma^{2N}$ 量级增长（N 是门数，γ 由噪声强度决定），想保持同样的统计精度，代价是随门数指数上升；ZNE 要跑多条不同噪声的线路，每条都要采样。线路一深，信号被噪声压住，外推的误差也会变大。

所以它救不了深线路，也替代不了纠错。它的位置是近期实验：在几十到几百个门、没有逻辑比特的条件下，让能量、关联函数这类期望值的估计更可信一些。NISQ 描述的正是这个阶段。

先问三个问题：线路深度是否还在可外推的范围？噪声是否稳定、可缩放？采样预算够不够？三个都是「是」，缓解能把结果往前推一步；有一个是「否」，它只会给你一个看起来精确、实际上偏移的数。