3. 信噪比在量子读出中的角色

量子比特本身不会直接告诉我们它是 |0⟩ 还是 |1⟩，读出电路真正测量的是一个随量子态而变的模拟量——通常是谐振腔的相位、幅度，或电荷传感器输出电流。信噪比（SNR）就是把这个模拟量从噪声中"分辨"出来的能力度量。理解 SNR 的定量构成，是优化读出保真度的第一步。

一、SNR 的定量定义

设量子态 |0⟩ 与 |1⟩ 对应的读出信号均值分别为 S₀ 与 S₁，则信号幅度为 ΔS = |S₁ − S₀|。若噪声为高斯白噪声，单次测量的标准差为 σ，则功率信噪比定义为：

SNR = (ΔS)² / σ²        （功率信噪比）
SNR_amp = ΔS / σ         （幅度信噪比）

对 N 次重复平均：σ_avg = σ / √N
故 SNR_avg = N · (ΔS)² / σ²

这里有一个关键点：SNR 随积分时间线性增长。因为平均 N 次等价于积分时间延长 N 倍，噪声按 1/√N 下降，而信号幅度不变，所以功率 SNR 正比于积分时间 T。这解释了为什么"多打几发"总能提升保真度——但代价是测量时间变长，可能引入弛豫误差。

二、三类噪声对 SNR 的限制

噪声功率 σ² 并非单一来源，而是多种机制叠加。在超导量子比特读出中，主要贡献来自三类：

• 散粒噪声（shot noise）：源于离散电荷或光子的泊松统计，功率谱平坦（白噪声），σ² ∝ 信号强度。它是量子极限噪声，无法通过降低温度消除，只能通过增大信号光子数或使用参量放大器压缩。
• 热噪声（thermal noise）：来自环境热激发的 Johnson-Nyquist 噪声，功率谱也近似平坦，但幅度随温度升高而增大。在稀释制冷机 mK 温区，热噪声被大幅压制，但在放大器链路中仍可能成为主导。
• 1/f 噪声（闪烁噪声）：功率谱密度 ∝ 1/f，在低频段占主导。它来自材料缺陷、电荷陷阱等，是量子比特退相干的重要来源，也直接恶化低频读出的 SNR。

三类噪声的叠加决定了总噪声功率：σ²_total = σ²_shot + σ²_thermal + σ²_1/f。在不同频率和温度区间，主导项不同，优化策略也随之变化。

三、从 SNR 到读出保真度

SNR 本身不是最终指标，读出保真度 F 才是。对于高斯噪声下的双态判别，若采用最优阈值判决，错误率由互补误差函数给出：

P_error = 0.5 · erfc( SNR_amp / (2√2) )
F = 1 − P_error

示例：SNR_amp = 4 时
P_error ≈ 0.5 · erfc(1.414) ≈ 0.5 · 0.0455 ≈ 0.023
F ≈ 97.7%

这个关系说明：保真度对 SNR 的敏感度是非线性的。当 SNR_amp 从 2 提升到 4，错误率从约 16% 骤降到 2.3%；但从 4 提升到 6，错误率仅从 2.3% 降到 0.1%。因此在实际优化中，应优先把 SNR 从"不可用"提升到"可用"区间，再考虑边际收益递减的问题。

四、实际优化中的权衡

提升 SNR 的手段主要有三条路径，但每条都有代价：

• 增大信号幅度 ΔS：提高读出驱动功率或优化腔体耦合。但驱动过强会引入非线性、加热效应，甚至破坏量子态。
• 降低噪声 σ：使用量子极限放大器（如 JPA、TWPA）压缩散粒噪声，或降低温度压制热噪声。但放大器本身会引入额外噪声，且带宽有限。
• 延长积分时间 T：增加平均次数。但 T 接近或超过 T₁ 时，量子态在测量过程中弛豫，反而降低保真度。最优积分时间通常在 T₁ 的 1~3 倍量级。

五、噪声主导项的快速判别

实际调试时，可通过改变积分时间观察 SNR 增长斜率来判别噪声类型：若 SNR 随 T 线性增长，说明白噪声主导；若增长明显慢于线性，说明 1/f 噪声或漂移主导，此时应优化屏蔽、滤波或采用差分测量。另一个实用方法是测量不同温度下的噪声功率：若随温度显著变化，热噪声贡献不可忽略；若几乎不变，则散粒噪声或 1/f 噪声为主。

理解 SNR 的定量构成与三类噪声的限制机制，才能在读出保真度优化中做出正确的参数取舍，而不是盲目增加平均次数或驱动功率。