课程项目，围绕量子纠错码设计，用Python与Stim模拟器搭建表面码噪声模型，实现最小权重匹配与贪心解码。负责任务分工、进度检查和结果复盘，在固定噪声率与码距样本下对比逻辑错误率，分析解码复杂度与纠错效果。进一步引入解码时间与阈值估计指标，比较不同解码器在码距扩展时的资源开销，产出实验报告与代码仓库，为容错量子计算架构课程展示提供依据。

个人项目，基于量子机器学习方向，使用PennyLane构建变分量子分类器，在小型公开数据集上测试。完成数据预处理、线路设计与参数优化，对比经典逻辑回归基线，记录不同量子比特数下的准确率变化。尝试调整纠缠层结构与学习率调度，观察梯度消失与贫瘠高原现象，整理代码与实验笔记，形成可复现的课程外延学习材料，锻炼算法设计与调参能力。