1. 课程导入与全景认知

量子信息科学的核心任务，是制备、操控并读出量子态。然而量子态不能像经典比特那样被直接“看一眼”就完整读出：一次测量只能得到某个基下的概率性结果，测量本身还会改变量子态。因此，要从大量重复测量数据中反推出量子态的真实描述，就需要一套系统方法——量子态层析（Quantum State Tomography, QST）。当研究对象是光子偏振、路径、时间戳等自由度时，这一过程常被称为光子态重构。

本课程围绕“如何从实验计数数据重建一个可信的光子量子态”展开。它既涉及量子力学的基本表示，也涉及光学实验、统计估计与误差评估。学完本课程，你应当能够独立完成一个小型光子态层析实验的数据处理：从测量设置、计数矩阵，到密度矩阵重建，再到保真度与不确定度判断。

1.1 量子态层析在量子信息中的位置

量子信息科学可粗略分为四个环节：态制备、态操控、态测量、态验证。量子态层析位于“态验证”环节，是连接理论预言与实验现实的桥梁。没有层析，我们只能知道“实验大概做出了某个态”；有了层析，我们才能定量回答“它离目标态有多近、误差来自哪里、是否还保持纠缠”。

在量子通信中，层析用于验证纠缠源质量，例如BBO晶体产生的偏振纠缠光子对是否仍处于近似的贝尔态；在量子计算中，层析用于标定门操作后的输出态，评估逻辑门保真度；在量子计量中，层析用于确认探针态是否达到所需的压缩或纠缠程度。可以说，凡是需要“确认量子态到底是什么”的场景，都离不开层析。

1.2 光子态重构的典型对象与参数

本课程以偏振光子量子比特为主要对象。一个光子偏振态可写成：

|ψ⟩ = α|H⟩ + β|V⟩，  |α|² + |β|² = 1

其中 |H⟩ 表示水平偏振，|V⟩ 表示垂直偏振。实验上，我们用半波片（HWP）和四分之一波片（QWP）组合，配合偏振分束器（PBS）和单光子探测器，测量不同投影基下的光子计数。常用的三组基为：

• H/V 基：0° 与 90° 偏振，对应泡利 Z 测量；
• D/A 基：45° 与 135° 偏振，对应泡利 X 测量；
• R/L 基：右旋与左旋圆偏振，对应泡利 Y 测量。

每组基下测量两个正交结果，共 6 个计数。对于两光子纠缠态，还需测量 9 组基、36 个计数。这些计数经过归一化后，构成层析的原始数据。

1.3 本课程的学习路径

课程按“理论—实验—算法—评估”四条线推进。前几章建立密度矩阵、泡利算符、投影测量等数学基础；随后进入单光子与两光子层析的具体测量方案；再重点讲解线性反演与最大似然估计两种重构算法；最后讨论保真度、迹距离、不确定度与常见误差来源。

工具准备方面，建议提前安装 Python 3.10 及以上版本，并配置 NumPy、SciPy、Matplotlib 和 QuTiP。QuTiP 提供了现成的密度矩阵、泡利算符和层析函数，适合快速验证；但课程中的核心算法会要求你手写实现，以理解每一步的数学含义。

1.4 一个最小示例：单光子态层析

假设我们要层析一个未知的单光子偏振态。实验测得 H/V 基下计数为 N_H = 700，N_V = 300；D/A 基下 N_D = 850，N_A = 150；R/L 基下 N_R = 600，N_L = 400。总计数均为 1000。归一化后得到三个 Stokes 参数：

S_x = (N_D - N_A) / (N_D + N_A) = 0.70
S_y = (N_R - N_L) / (N_R + N_L) = 0.20
S_z = (N_H - N_V) / (N_H + N_V) = 0.40

由此可构造密度矩阵：

ρ = (I + S_x·σ_x + S_y·σ_y + S_z·σ_z) / 2

其中 σ_x、σ_y、σ_z 为泡利矩阵。代入数值后，ρ 的对角元约为 0.70 和 0.30，非对角元约为 0.35 − 0.10i。这个结果说明该态更接近 |H⟩，但仍有明显的相干项。后续章节会详细讲解如何从计数矩阵系统性地得到这一结果，并评估其统计不确定度。

量子态层析不是“测一次就完事”的操作，而是一个包含测量设计、数据采集、统计推断与误差评估的完整闭环。本课程将带你从零开始，逐步搭建这个闭环，最终能够独立完成光子态的重构与验证。