📚 课程目录第4章量子比特读出数据采集

4. 量子比特读出数据采集

量子比特读出判决的第一步不是分类算法，而是把物理信号可靠地变成可计算的数据。读出链路的末端通常由室温电子学完成解调与数字化：IQ 混频器把谐振腔反射/透射信号下变频到中频，再由 ADC 采样为离散时间序列。采集系统要同时记录两路正交分量 I(t) 与 Q(t)，并保留触发时序、采样率、积分窗口等元数据，否则后续判决无法复现。本节围绕“接口—参数—格式—预处理”四个环节，说明如何把一次读出实验组织成可复用的数据流水线。

实验平台接口与触发同步

典型超导量子比特读出平台包含任意波形发生器（AWG）、微波源、IQ 混频器、低噪声放大器、带通滤波器和高速数字化仪。AWG 负责产生读出脉冲包络，数字化仪负责采集返回信号。两者必须共享同一时基：常用做法是由时钟分配模块输出 10 MHz 参考，并让 AWG 在脉冲序列起始处发出数字标记（marker），该标记经同轴电缆送入数字化仪的外部触发端口。触发沿到来后，数字化仪按预设的采样点数开始采集，从而保证每个 shot 的 I/Q 波形与读出脉冲严格对齐。

接口层面还需注意三点：一是触发延迟（trigger delay）要补偿电缆长度差，通常以采样周期为单位设置；二是数字化仪的输入量程要与放大链增益匹配，避免削顶；三是若使用多通道采集（如同时读多个量子比特），各通道的采样时钟必须同源，否则通道间相位漂移会破坏 IQ 平面上的聚类结构。一个可用的接口配置示例如下：

# 采集接口配置示例（教学假设参数）
sample_rate      = 1.0 GS/s      # 数字化仪采样率
trigger_source   = EXT           # 外部触发，来自 AWG marker
trigger_delay    = 120 ns        # 补偿电缆与电子学延迟
record_length    = 2000 samples  # 每 shot 采集点数
readout_duration = 800 ns        # 读出脉冲长度
integration_window = [200, 900] ns  # 积分窗口，避开上升沿
shots_per_point  = 5000          # 每个参数点重复次数

采样参数与积分窗口

采样率决定时间分辨率，但并非越高越好。若读出脉冲带宽约 100 MHz，按奈奎斯特准则采样率至少 200 MS/s；工程上常取 1 GS/s 以获得足够过采样，便于后续数字滤波。每 shot 的记录长度应覆盖“读出脉冲 + 谐振腔响应拖尾 + 余量”，例如读出 800 ns、腔衰荡约 200 ns，则记录 2000 个采样点（1 GS/s 下为 2 μs）较为稳妥。

积分窗口的选择直接影响信噪比。窗口起点应避开脉冲上升沿和开关瞬态，终点应覆盖腔响应主要能量但不过度引入噪声。常用做法是对窗口内 I(t)、Q(t) 分别做加权平均，权重可取匹配滤波系数，也可简化为矩形窗。若窗口取 [200, 900] ns，则积分得到一对标量 (Ī, Q̄)，这就是 IQ 平面上的一个点。每个参数点重复 5000 次，便得到 5000 个点，构成后续分类的样本集。

积分窗口不是越长越好：窗口延长会降低噪声方差，但也会把腔衰荡后期的低信噪比信号纳入平均，反而可能使两类态的重叠增大。建议先用不同窗口长度扫描，观察 IQ 聚类分离度再定参。

数据格式与元数据组织

原始数据建议采用“二进制波形 + JSON 元数据”分离存储。二进制文件按 shot 顺序连续存放 I/Q 交错样本，例如每个 shot 存 2000 点 × 2 分量，数据类型为 int16 或 float32。元数据记录采样率、触发延迟、积分窗口、读出频率、功率、量子比特编号、实验时间戳和软件版本。这样既保证读写效率，又保证可追溯。一个简化的目录结构如下：

data/
  run_20240612_001/
    raw_iq.bin          # int16, 交错 I/Q, 每 shot 4000 个 int16
    meta.json           # 采样率、窗口、频率、功率、shots 等
    labels.npy          # 若为训练集，存放制备态标签 0/1

读取时按 np.fromfile(path, dtype=np.int16).reshape(shots, 2000, 2) 还原为三维数组，再分离 I、Q。若采集系统直接输出解调后的 IQ 点而非原始波形，则数据格式变为每 shot 一对浮点数，元数据中应注明“已积分”，避免重复处理。

预处理流水线

预处理的目标是把原始波形变成干净、可分类的 IQ 点。典型流水线包含五步：去直流偏置、数字滤波、相位旋转、积分降采样、异常 shot 剔除。去偏置用于消除 ADC 零点漂移；数字滤波常用 FIR 低通或匹配滤波，抑制带外噪声；相位旋转用于补偿电缆和混频器引入的固定相位，使两类态的聚类轴对齐；积分降采样把 2000 点压缩为 1 个 IQ 点；异常剔除则丢弃因宇宙射线、磁通跳跃或触发丢失导致的离群 shot。

下面给出一个可执行的最小预处理示例，输入为 raw 形状 (shots, 2000, 2)，输出为 iq 形状 (shots, 2)：

import numpy as np

def preprocess(raw, window=(200, 900), phase=0.0):
    iq_wave = raw.astype(np.float32)
    iq_wave -= iq_wave.mean(axis=1, keepdims=True)   # 去直流
    # 简单滑动平均作为低通（教学示例）
    kernel = np.ones(8, dtype=np.float32) / 8
    iq_wave = np.apply_along_axis(
        lambda x: np.convolve(x, kernel, mode='same'), 1, iq_wave)
    # 相位旋转
    c, s = np.cos(phase), np.sin(phase)
    rot = np.array([[c, -s], [s, c]], dtype=np.float32)
    iq_wave = iq_wave @ rot.T
    # 窗口积分
    seg = iq_wave[:, window[0]:window[1], :]
    iq = seg.mean(axis=1)
    # 异常剔除：距离中位数超过 5 倍 MAD 的 shot
    med = np.median(iq, axis=0)
    mad = np.median(np.abs(iq - med), axis=0) + 1e-9
    keep = np.all(np.abs(iq - med) < 5 * mad, axis=1)
    return iq[keep], keep

运行后可用 iq.shape 检查保留 shot 数，并绘制 IQ 散点图观察两类态是否分离。若分离度不足，应回到积分窗口和相位参数重新调整，而不是直接送入分类器。判断预处理是否合格，可看三个指标：两类态聚类中心的欧氏距离、各自簇内标准差、以及误分类率的下界估计。只有预处理把数据整理成“两团可分”的结构，后续判决算法才有意义。

把上述接口、参数、格式和预处理串起来，一次完整的读出采集流程就是：AWG 发出读出脉冲并输出 marker，数字化仪在触发延迟后以 1 GS/s 采集 2000 点 I/Q 波形，数据以二进制加 JSON 元数据落盘，预处理按去偏置、滤波、旋转、积分、剔除的顺序生成 IQ 点集，最后用聚类分离度判断数据是否可用于判决。只要其中任一环节的参数或格式不一致，后续分类结果就不可复现，因此采集阶段必须把元数据与原始数据一起保存。