2. 量子测量与读出基础

在超导量子计算或半导体量子点体系中,量子比特的最终信息必须通过测量过程转化为经典信号。与理想教科书中的“直接读取量子态”不同,真实读出链路包含量子态到测量算符的映射、物理信号放大、噪声叠加以及阈值判决。本节将建立从投影测量到POVM的数学框架,并给出读出保真度、混淆矩阵与信噪比的工程定义,为后续判决算法提供量化基础。

投影测量:理想化的量子读出模型

投影测量是最基础的测量形式。对于量子比特计算基{|0⟩, |1⟩},投影测量由一对正交投影算符描述:

P0 = |0⟩⟨0|,  P1 = |1⟩⟨1|
P0 + P1 = I,  P0·P1 = 0

若量子态为|ψ⟩ = α|0⟩ + β|1⟩,测量得到结果0的概率为⟨ψ|P0|ψ⟩ = |α|²,得到结果1的概率为|β|²。测量后态坍缩至对应本征态。在量子比特读出中,投影测量对应“单次测量只能获得一个比特结果”的物理事实。然而,实际读出并非直接测量量子比特本身,而是通过色散耦合或自旋-电荷转换,将量子态映射到谐振腔的相位或电流信号上,再经放大链采集。因此,投影测量是理想模型,而实际读出需要用POVM描述。

POVM:广义测量与读出算符

POVM(Positive Operator-Valued Measure)是投影测量的推广,适用于测量过程包含噪声、非正交态或辅助系统的情况。一组POVM由满足以下条件的算符{E_i}构成:

E_i ≥ 0,  Σ_i E_i = I

对于量子比特读出,通常考虑两个测量结果:0和1。对应的POVM元为E0和E1,满足E0 + E1 = I。若量子态为ρ,则读出结果为0的概率为Tr(E0ρ),结果为1的概率为Tr(E1ρ)。在理想投影测量中,E0 = P0,E1 = P1。但在实际读出中,由于信号噪声和放大链的非理想性,E0和E1不再是正交投影,而是带有误判概率的广义算符。例如,当量子态为|0⟩时,读出结果为1的概率为p(1|0) = Tr(E1|0⟩⟨0|),这就是误判概率。POVM框架允许我们统一描述读出错误,并为后续混淆矩阵提供数学基础。

量子读出链路:从量子态到经典判决 量子态 ρ |ψ⟩ = α|0⟩ + β|1⟩ 密度矩阵描述 POVM 算符 E₀ + E₁ = I p(i|ρ) = Tr(Eᵢρ) 含噪声的广义测量 物理信号采集 色散相移 / 电流脉冲 放大链 + 混频 积分 → 电压值 V 噪声与阈值判决 V ~ N(μ₀, σ₀²) 或 N(μ₁, σ₁²) 阈值 V_th 判决 输出经典比特 0/1 混淆矩阵(Confusion Matrix) 实际态 |0⟩ 实际态 |1⟩ 读出为 0 读出为 1 P(0|0) = 1 - ε₀ P(1|0) = ε₀ P(0|1) = ε₁ P(1|1) = 1 - ε₁ 读出保真度与信噪比 F = 1 - (ε₀ + ε₁)/2 SNR = |μ₁ - μ₀| / √((σ₀² + σ₁²)/2) μ₀, μ₁:两态信号均值;σ₀, σ₁:噪声标准差 信号分布与阈值判决 V_th |0⟩ 分布 |1⟩ 分布 误判区

读出保真度:量化测量质量的核心指标

读出保真度(Readout Fidelity)衡量测量结果与真实量子态的一致程度。对于两态读出,定义两个误判概率:ε₀ = P(读出1|实际0),ε₁ = P(读出0|实际1)。则平均读出保真度为:

F = 1 - (ε₀ + ε₁)/2

若ε₀ = ε₁ = ε,则F = 1 - ε。在超导量子比特中,典型读出保真度可达99%以上,对应ε约1%。保真度直接决定量子纠错码的阈值和算法成功率。例如,若单次读出保真度为99%,则读取5个比特全部正确的概率约为0.99⁵ ≈ 95.1%。因此,提升保真度是量子硬件工程的核心目标之一。

混淆矩阵:读出错误的完整描述

混淆矩阵(Confusion Matrix)以表格形式列出所有“实际态-读出结果”组合的条件概率。对于两态系统,混淆矩阵为2×2:

实际 |0⟩实际 |1⟩
读出 0P(0|0) = 1 - ε₀P(0|1) = ε₁
读出 1P(1|0) = ε₀P(1|1) = 1 - ε₁

混淆矩阵的每一列之和为1。通过实验标定混淆矩阵,可以校正读出结果:若测得读出为1,则实际为1的后验概率为P(1|1)·P(1) / [P(1|1)·P(1) + P(1|0)·P(0)]。这种校正称为读出误差缓解(Readout Error Mitigation),在量子算法中可显著提升结果精度。标定混淆矩阵的典型方法是:制备已知态|0⟩和|1⟩,各测量N次(如N=10000),统计误判频率。例如,制备|0⟩测量10000次,有150次读出为1,则ε₀ = 0.015;制备|1⟩测量10000次,有200次读出为0,则ε₁ = 0.020。平均保真度F = 1 - (0.015 + 0.020)/2 = 0.9825。

信噪比:从物理信号角度理解读出质量

信噪比(SNR)从模拟信号层面描述读出质量。在积分采集后,量子态|0⟩和|1⟩分别对应两个电压分布,通常近似为高斯分布:V₀ ~ N(μ₀, σ₀²),V₁ ~ N(μ₁, σ₁²)。定义信噪比为:

SNR = |μ₁ - μ₀| / √((σ₀² + σ₁²)/2)

SNR越大,两个分布分离越明显,误判概率越低。当σ₀ = σ₁ = σ时,SNR = |μ₁ - μ₀| / σ。若阈值取中点V_th = (μ₀ + μ₁)/2,则误判概率为ε = Q(SNR/2),其中Q为高斯尾概率函数。例如,SNR = 4时,ε ≈ 0.023;SNR = 6时,ε ≈ 0.0013。因此,提升SNR是降低误判的直接途径。工程上可通过增加测量时间、优化谐振腔耦合、使用量子限制放大器等方式提升SNR,但需权衡测量时间与退相干限制。

工程要点:混淆矩阵和SNR从不同层面描述读出质量。混淆矩阵是“结果层”的统计描述,直接用于误差缓解;SNR是“信号层”的物理描述,指导硬件优化。两者通过误判概率关联:给定SNR和阈值,可计算理论误判概率,进而预测混淆矩阵。

从理论到实践:读出标定流程

实际标定读出质量时,通常按以下流程操作:首先制备量子比特至|0⟩态,重复测量N次(如N=10000),记录读出为1的次数n₁₀,计算ε₀ = n₁₀/N;然后制备至|1⟩态(通过施加π脉冲),重复测量N次,记录读出为0的次数n₀₁,计算ε₁ = n₀₁/N。同时采集每次测量的电压值V,分别统计|0⟩和|1⟩的均值μ₀、μ₁和标准差σ₀、σ₁,计算SNR。最后将ε₀、ε₁填入混淆矩阵,计算保真度F。若F低于目标值(如99%),则需检查放大链噪声、阈值设置或脉冲校准。例如,若发现σ₀远大于σ₁,可能表明|0⟩态受到额外热噪声影响,需检查稀释制冷机温度或滤波配置。