1. 课程导入与测量链路全景
量子计算里有一个容易被低估的事实：量子比特的“计算”结果并不会自动变成你能读到的 0 或 1。量子比特在算法结束时处于某个量子态，例如 |ψ⟩ = α|0⟩ + β|1⟩，而经典计算机只能接收确定的二进制结果。把 α、β 这样的连续复振幅，转换成一条可判读的经典比特，需要一整套跨越量子、模拟、射频、数字四个域的测量链路。本课程要讲的，就是这条链路上每一级“发生了什么、为什么这样设计、工程上如何调、结果如何判断”。
一、为什么读出是量子计算里最“贵”的一步
以超导量子比特为例，量子比特本身是一个非线性 LC 振荡电路，工作频率通常在 4～8 GHz，温度约 10 mK。它不能直接被“看”，因为任何直接耦合都会破坏量子态。工程上采用色散读出（dispersive readout）：把一个读取谐振腔耦合到量子比特上，腔的谐振频率会因为量子比特处于 |0⟩ 还是 |1⟩ 而发生微小偏移，典型量级为几百 kHz 到几 MHz。于是“量子比特是 0 还是 1”这个问题，被转换成了“腔的谐振频率偏移了多少”这个微波测量问题。
接着，向腔发送一个探测脉冲（readout tone），脉冲从腔反射回来时，其幅度和相位会携带腔频偏移的信息。反射信号经环形器/隔离器单向导出，由量子限噪声的参量放大器（如 JPA、TWPA）在低温下先放大，再经室温射频链路进一步放大、下变频到中频，最后由 ADC 采样成数字波形。数字波形经过解调、积分，得到一对正交分量 (I, Q)，在 IQ 平面上形成一个点云。理想情况下，|0⟩ 和 |1⟩ 对应两个可区分的簇，用一个阈值或判别边界把点判成 0 或 1——这就是一次单发（single-shot）测量。
二、读出保真度：链路好坏的统一标尺
衡量这条链路的核心指标是读出保真度。最常用的是单发保真度 F，它由两部分组成：把 |0⟩ 误判为 1 的概率 p(1|0)，和把 |1⟩ 误判为 0 的概率 p(0|1)。平均读出保真度可写为 F = 1 − [p(1|0) + p(0|1)]/2。注意，这里的“保真度”是读出保真度，不是量子门保真度，两者不能混用。
与保真度紧密相关的还有几个参数：
- 信噪比 SNR：两个 IQ 簇中心距离与簇内噪声标准差之比。SNR 越高，判别边界越容易画，误判率越低。
- 测量时间：探测脉冲长度加腔的响应时间。时间越长，收集到的光子越多，SNR 越高，但量子比特在测量期间发生弛豫或退相干的概率也越大，存在最优折中。
- 量子非破坏性（QND）：好的读出应当只“告诉”结果，而不额外改变量子态。若测量后量子比特被翻转或加热，QND 保真度就会下降。
工程上，一个典型的超导量子比特读出目标可能是：单发保真度 99% 以上，测量时间 300～600 ns，QND 保真度 98% 以上。这些数字不是随便定的，它们直接决定了量子纠错码的阈值和算法可执行的深度。
三、测量链路的分层视角
把整条链路拆开看，可以分成五个工程层，每一层都有独立的输入、输出、关键器件和调试对象：
- 量子器件层：量子比特、读取腔、耦合器。关注频率、耦合强度、色散位移 χ。
- 低温模拟层：衰减器、滤波器、环形器、隔离器、参量放大器。关注噪声温度、增益、带宽、隔离度。
- 室温射频层：混频器、本振、放大器、滤波器。关注下变频链路的增益压缩、镜像抑制、相位噪声。
- 数字采集层：ADC、FPGA、解调与积分逻辑。关注采样率、位深、触发时序、积分窗口。
- 判别与数据层：IQ 点云、阈值/判别器、误判统计、保真度计算。关注判别边界、漂移补偿、结果输出格式。
这五层不是简单的串联，而是存在反馈与校准回路：判别结果会反过来用于校准探测脉冲幅度、积分窗口和阈值；温度漂移和电缆相位漂移需要周期性重新标定。因此，测量链路更像一个需要持续维护的系统，而不是一次搭好就完事的电路。
四、课程任务地图：你会在这门课里做什么
本课程围绕这条链路展开，但不会停留在概念层面。你会逐步接触到：如何用频谱仪找到读取腔的谐振频率；如何扫描探测脉冲功率与频率，观察 IQ 点云从“一团”变成“两团”；如何设置积分窗口，使 SNR 最大化而不过度加热量子比特；如何用单发测量统计 p(1|0) 和 p(0|1)，并画出判别边界；当保真度不达标时，如何判断问题出在低温放大链、室温下变频、还是数字积分参数上。
课程后续会覆盖的具体任务包括：读取腔频谱标定、探测脉冲参数扫描、IQ 点云采集与判别器训练、单发保真度统计、QND 校验、多量子比特复用读出的串扰排查，以及测量链路中相位漂移和增益漂移的补偿。每一章都会给出可操作的参数范围、观察现象和判断依据，而不是只讲原理。
最后强调一个贯穿全课程的原则：读出保真度不是某一个器件的指标，而是整条链路共同作用的结果。量子比特的 χ 决定信号大小，低温放大器的噪声温度决定 SNR 上限，室温链路的相位噪声决定 IQ 点云的稳定度，数字积分窗口决定你实际收集到多少有效信号，判别边界决定最终误判率。只有把这条链路当作一个整体来理解和调试，才能真正把量子态可靠地变成经典比特。