3.2 操控与读出：在噪声中打准每一发
3.2 操控与读出：在噪声中打准每一发
本节摘要：门操作是把微波或激光脉冲的能量按面积精确"打"进量子比特，读出是让比特状态以可测的物理量泄露出来。两个方向上误差都在所难免：脉冲过冲导致旋转过头，读出误判让好结果变成坏账本。本节拆解完整链路，并用代码演示脉冲校准与读出混淆矩阵。
一次例行校准的班次记录
周一早上，某超导实验室的校准班次从这样一份清单开始：先扫频，找到每个比特此刻的共振频率（昨夜温度漂了几毫开尔文，频率跟着挪了）；再扫幅度，拉比振荡定出派脉冲的电压；然后测读出判据，用基态与激发态的参考数据重新划分类别边界；最后跑基准化线路，确认门错误率没有超标。四个环节，任何一环漂移超限，今天上机的所有实验数据都会带着系统性偏差。这份清单泄露了一个行业真相：量子比特的操控不是"设好参数就跑"的自动化流程，而是持续与漂移打交道的射击校正——本节讲的正是枪怎么打、靶怎么看、误差怎么记。
一、门操作：把旋转角打到派
以超导平台为例。量子比特被做成一个非线性谐振子，零态与激发态的能级差对应一个特定频率。把一束该频率的微波脉冲照上去，态就会在零与一的布洛赫球经线上来回摆动，摆动频率与脉冲幅度成正比——这就是拉比振荡。脉冲时间乘幅度决定"旋转角"：打满一百八十度，态从零转到一（派脉冲，逻辑非门）；打九十度，态转到赤道（派除二脉冲，造叠加）。
门操作的全部误差来源可以归拢为三类。频率不准：载波偏离共振，旋转轴倾斜，等效于每次门都掺一点别的门——校准班次第一个扫频动作防的就是它。面积不准：幅度或时长偏差让旋转角过头或不足，派脉冲变一百七十五度，输出态就带着五度的系统性倾斜——高保真器件要求角度误差压到千分之一弧度以下。串扰：瞄准甲比特的脉冲漏到隔壁乙比特，特别是频率相近的比特之间——这推动了可调耦合器、频率排布与脉冲整形（如高斯导数补偿）等一整套消串扰技术。三类的共同点是：误差不是随机的，是系统性的，校准能治；而校准治不了的那部分残余，才是第 2 章账本里的随机错误率。
图 3-2：一次门操作的完整链路与误差注入点
二、读出：让答案在不破坏它的前提下泄露
测量坍缩不可回避（2.2 节的纪律），但好的读出设计能做到"一次提问、高效作答"。超导平台用色散读出：比特与一个微波谐振腔耦合，比特状态不同，腔的共振频率随之偏移；向腔内打入一束探测微波，反射信号的相位随比特状态偏移——测相位，就能反推态，而不必在比特本体上直接耦合能量。读出的误差账本用混淆矩阵记录：真实是零被判成零与一的概率、真实是一被判成零与一的概率。厂商宣传的"读出保真度百分之九十九"，说的就是主对角线之和的平均。
读出误差有个容易被低估的战术后果：它不参与纠错码的"门错误率"口径，却在每一轮纠错循环里都要发生一次——表面码每轮都要读出伴随式比特，读出错误率哪怕百分之一，也会被纠错解码器当作"症状噪声"处理，吃掉阈值余量。第 4 章讲表面码时会看到，高性能表面码实验的第一指标常常就是"读出保真度加解码延迟"，原因就在这里。
三、演练：拉比校准与读出混淆矩阵
两段代码对应链路的两个环节。第一段模拟拉比振荡并自动寻找派脉冲幅度，这正是校准班次扫幅度环节的原理版；第二段构造读出混淆矩阵，演示"用逆矩阵给坏账本修正"的经典技巧。
# calibrate.py：拉比振荡定派脉冲 + 读出混淆矩阵修正（仅标准库） import math, random # ---- 演练一：扫幅度找派脉冲 ---- def excited_pop(amplitude, t_fixed, rabi_omega_per_amp): """固定脉冲时长，激发态布居随幅度按正弦平方摆动。""" theta = amplitude * rabi_omega_per_amp * t_fixed return math.sin(theta / 2) ** 2 # 模拟一次幅度扫描（理想无噪情形） amps = [0.0, 0.25, 0.5, 0.75, 1.0] pops = [excited_pop(a, 100.0, math.pi / 100.0) for a in amps] for a, p in zip(amps, pops): print(f"幅度 {a:.2f} -> 激发布居 {p:.3f}") # 幅度 1.0 处布居回到 0：再往上找到第一个峰即可定位派脉冲 # ---- 演练二：读出混淆矩阵与逆矩阵修正 ---- # 真实分布 p = (p0, p1)，观测分布 q = A p，A 为混淆矩阵 A = [[0.98, 0.03], # 真实 0 被判 0 / 被判 1 [0.02, 0.97]] # 真实 1 被判 0 / 被判 1 det = A[0][0] * A[1][1] - A[0][1] * A[1][0] Ainv = [[A[1][1] / det, -A[0][1] / det], [-A[1][0] / det, A[0][0] / det]] def mat_vec(M, v): return [M[0][0]*v[0] + M[0][1]*v[1], M[1][0]*v[0] + M[1][1]*v[1]] true_p = [0.85, 0.15] # 某线路的真实输出分布 observed = mat_vec(A, true_p) # 读出后的"坏账本" corrected = mat_vec(Ainv, observed) # 逆矩阵修正 print("真实分布: ", [round(x, 4) for x in true_p]) print("观测分布: ", [round(x, 4) for x in observed]) print("修正后分布:", [round(x, 4) for x in corrected])
逆矩阵修正值得多说一句它的适用边界。修正是线性的、确定性的，能把系统性读出偏差从统计结果里"解"出来，变分算法的代价函数几乎都默认做了这一步。但它有两个前提：混淆矩阵要现测现用（它随校准状态漂移），且修正只作用于统计估计、不作用于单次样本——你不能用它"拯救"某一次读出，只能让一万次读出的平均更诚实。把统计修正误当作单样本修复，是初学者最常见的概念滑坡。
四、易错点与工程取舍
链路上还有几个值得记录的坑。第一，脉冲保真度对波形细节极其敏感：方形脉冲的陡峭边沿会激发邻近能级（泄漏到非计算能级），高斯或导数高斯整形能明显压低泄漏，代价是脉冲变长、门变慢——精度与速度的取舍贯穿操控层始终。第二，读出探测功率是双刃剑：功率高信噪比好，但可能把邻近比特的态"照"乱（测量串扰），功率低则误判率上升，最优功率点要按芯片逐点标定。第三，读出与复位的墙钟成本经常超过门：变分算法每轮参数要采集成千上万个样本，每个样本都要走一遍读出加复位，采样成本而非门成本才是这类算法的真实瓶颈——这是第 5 章变分循环设计的先导结论。
本节要点回顾
- 门误差三分法：频率不准、面积不准、串扰，三者都是系统性误差，校准可治，残余才计入随机错误率。
- 拉比振荡是校准之母：扫幅度定派脉冲，扫时长同理，原理一行正弦平方。
- 色散读出是间接测量：态改变腔相位，测相位推态，保真度用混淆矩阵主对角线定义。
- 读出误差单独记账：它不进门错误率口径，却在每轮纠错中重复发生，吃掉阈值余量。
- 逆矩阵修正只救统计不救单样：混淆矩阵现测现用，修正是让平均诚实，不是单点复活。
下一节把链路里的漂移与耗散折算成两条时间常数——T1 与 T2，并给出算法的门预算算法。