3. QRNG系统架构与数据流

量子随机数发生器（QRNG）之所以能输出不可预测的随机比特，并不是因为某一段软件算法“算得足够乱”，而是因为整条链路把量子测量中固有的不确定性，逐级转换成可被数字系统消费的比特流。理解这条链路，是后续讨论随机性测试与健康检测的前提：只有先知道比特在哪里产生、在哪里被加工、在哪里可能退化，才能判断测试点应该插在什么位置、检测什么对象。

典型QRNG可以抽象为六个功能段：光源、探测、采样、量化、后处理与输出接口。前四段属于物理熵源与数字化前端，后两段属于数字处理与交付层。不同实现（如基于光子到达时间、相位噪声、自发辐射、真空涨落等）在具体器件上差异很大，但数据流骨架高度一致。

光源与探测：把量子不确定性变成电脉冲

光源段的任务是制备具有量子不确定性的物理态。以最常用的衰减激光方案为例，激光经过强衰减后进入“单光子级”区域，每个时间窗口内到达探测器的光子数服从泊松分布。这里的关键参数是平均光子数 μ，通常取 μ≈0.1，使“有光子”和“无光子”成为两个可区分的事件。若 μ 过大，多光子事件增多，随机性会向经典噪声退化；若 μ 过小，探测效率下降，比特率降低。

探测段由单光子雪崩二极管（SPAD）或硅光电倍增管（SiPM）完成。光子击中器件后触发雪崩，输出一个纳秒级电脉冲。SPAD 存在死时间（典型 20–50 ns），在此期间无法响应新光子，这会引入时间相关性。因此探测段不仅要看“有没有脉冲”，还要关注死时间、后脉冲概率和暗计数率。暗计数是热激发产生的假脉冲，它不携带量子随机性，是健康检测需要重点监控的对象。

采样与量化：从模拟脉冲到原始比特

采样段把电脉冲转换为数字样本。常见做法是用时间数字转换器（TDC）记录相邻脉冲的时间间隔，或用高速 ADC 采集脉冲幅度。以 TDC 为例，时间间隔被量化为整数皮秒值，形成原始样本序列 x₁, x₂, x₃, …。这些样本并不是均匀分布的：时间间隔服从指数分布，幅度分布也往往偏向某一侧。

量化段负责把非均匀样本映射为 0/1 比特。最简单的是阈值比较：设定阈值 T，若样本大于 T 输出 1，否则输出 0。但阈值必须根据实际分布动态调整，否则 0 和 1 的比例会偏离 1:1。更稳健的做法是使用多电平量化，把样本分成多个区间，再通过格雷码或比较器网络提取最低有效位。量化后的比特流称为“原始比特流”，它已经具备随机性，但通常仍存在偏置和相关性。

后处理：从原始比特到可用随机数

后处理段是数字域的“净化”环节。原始比特流可能因为探测器死时间、暗计数、时钟抖动等因素出现偏置或短程相关。后处理通常包括两步：先去偏，再压缩。去偏可以用冯·诺依曼校正：把比特两两分组，01 输出 0，10 输出 1，00 和 11 丢弃。这种方法不依赖分布假设，但会丢弃大量比特，效率最高只有 25%。

更常用的是基于哈希的熵提取，例如使用 SHA-256 或 AES-CBC-MAC，把原始比特流压缩为固定长度的输出。压缩比需要根据最小熵估计来确定：如果原始序列的最小熵为 H_min，则每 n 比特最多可提取约 H_min 比特的均匀随机数。实际工程中，压缩比通常取 2:1 到 10:1，具体取决于熵源质量和安全裕量。后处理输出的比特流应通过统计测试，才能交付输出接口。

输出接口与测试插入位置

输出接口负责把后处理后的比特流交付给应用。常见形式包括 USB、PCIe、以太网或片上 FIFO。接口层需要处理流控、缓冲和驱动兼容性，但不应改变比特内容。如果接口层引入重传、打包或校验，必须确保这些操作不引入可预测的比特模式。

随机性测试与健康检测在链路中的插入位置不同。随机性测试通常作用于后处理输出之后，因为这是最终交付的比特流，需要验证其统计特性是否满足 NIST SP 800-22、Dieharder 或 TestU01 等标准。测试是离线的、批量的，关注的是“这批比特是否像真随机”。

健康检测则作用于物理熵源与数字化前端，通常实时在线运行。它监控的是原始样本的均值、方差、自相关、暗计数率等参数，一旦发现熵源退化（如光源功率漂移、探测器暗计数突增），立即告警或切换备用熵源。健康检测不替代随机性测试，而是保证熵源在运行期间持续“健康”，避免后处理输出看似正常但实际熵不足。

典型参数示例与判断依据

以下参数属于教学示例，用于说明各段的可观测对象和判断逻辑，并非某一具体设备的实测值。

从数据流角度看，QRNG 的比特生成链路是一条“物理不确定性 → 模拟电信号 → 数字样本 → 原始比特 → 均匀比特 → 应用交付”的逐级转换链。每一级都可能引入新的确定性因素，因此每一级都需要对应的观测点和判断依据。随机性测试与健康检测不是链路的附加装饰，而是保证这条链在运行期间持续可信的必要环节。