读懂结果与报告¶
先运行第一个实验，同时打开终端输出、HTML 报告和旁边的 JSON 文件。它们描述的是同一次运行，但用途不同：终端给出摘要，报告便于查看，JSON 保存底层结果。
先检查这些字段¶
| 字段 | 它回答什么问题 |
|---|---|
counts |
每个 bitstring 在采样中出现了几次？ |
probabilities |
请求返回概率时，模拟器算出的分布是什么？ |
bit_order |
字符串每一位对应哪个量子比特？ |
diagnostic_codes |
运行是否记录了警告或其他诊断？ |
theta_rad、shots、seed、sdk_version |
哪个实验、在哪个环境下产生了这些数字？ |
先求计数总和，再把 1 的计数除以 shots，与 1 的概率比较。对于这个理想线路，两者的差距是采样波动，不能据此判断存在硬件噪声。诊断列表为空，也不表示实验一定回答了你原本想研究的问题。
报告是从 ResultIR 派生的视图。调整图表不会重新运行线路，也不会修改原始计数。运行 python -m json.tool artifacts/first-experiment.json 可以查看源记录。
不同后端不一定填充相同的可选字段。例如，一份结果可能包含样本，但没有返回态向量。遇到缺失字段时，查阅结果与诊断指南。
重试之前先读诊断¶
如果程序未通过校验，先看错误代码、对应的对象路径和修正建议。原样重跑无效程序，并不能解决输入错误。根据排查问题区分输入问题、资源限制和不支持的操作。
练习：报告中 1 的频率为 0.28，概率为 0.25。仅凭这两个数，能否说模拟器算错了？还需要记录什么？
参考思路
记录 shots、seed、线路、SDK 版本和完整计数。128 次独立采样、概率约为 0.25 时，二项比例的标准误约为 0.038，单次出现 0.03 的差距本身并不反常。这个计算假设样本独立且来自所述分布，不能代替对线路或噪声模型正确性的检查。
下一步：选择学习路线并记录实验。