4. 量子态层析数据的预处理与校准

量子态层析的原始数据并不是可以直接代入最大似然估计的“干净计数”。探测器暗计数、环境本底、偶然符合、探测器效率差异以及测量装置的系统偏差，都会在计数统计中留下痕迹。若跳过预处理直接做态估计，得到的密度矩阵往往保真度偏低、非物理性更强，甚至出现负本征值。本节围绕一条完整的预处理链展开：本底扣除 → 偶然符合校正 → 探测器效率修正 → 校准矩阵应用，并说明每一步的输入、计算方式与结果判读。

一、原始数据的构成与预处理目标

以偏振态层析为例，典型的符合计数矩阵记为 N[i][j]，其中 i 表示制备态编号（如 H、V、D、A、R、L 六种偏振投影），j 表示分析投影方向。理想情况下，N[i][j] 只反映量子态在对应投影上的概率。但实际计数可分解为：

N_raw = N_signal + N_dark + N_accidental + N_background

其中 N_dark 为探测器暗计数，N_accidental 为双光子偶然符合，N_background 为环境杂散光本底。预处理的目标，是把 N_raw 还原为尽可能接近 N_signal 的计数，再通过校准矩阵把装置的系统偏差从态估计中剥离。

二、本底扣除

本底扣除通常采用“遮挡测量”或“延迟窗口测量”两种方式。遮挡测量是在不注入量子态的情况下记录符合计数，得到本底计数率 B[i][j]；延迟窗口测量则把符合窗口平移到信号峰之外，记录偶然与本底之和。扣除公式为：

N_corr[i][j] = N_raw[i][j] - B[i][j] * t_meas

其中 t_meas 为积分时间。若 N_corr 出现负值，说明本底估计偏高或统计涨落过大，应检查遮挡测量是否与信号测量处于同一实验条件，必要时增加积分时间或采用多次测量取平均。负值不能简单置零，否则会引入系统性偏差；更稳妥的做法是保留负值进入后续拟合，或在最大似然估计中直接使用泊松模型处理。

三、偶然符合校正

在自发参量下转换等纠缠源中，双光子偶然符合率与单路计数率 S1、S2 及符合窗口 τ 有关，近似为：

N_acc = S1 * S2 * τ

例如，若 S1 = 8.0×10^4 s^-1，S2 = 7.5×10^4 s^-1，符合窗口 τ = 2 ns，则偶然符合率约为 1.2×10^4 s^-1。若信号符合率为 3.0×10^4 s^-1，偶然符合占比高达 40%，必须校正。校正后的信号计数为：

N_sig = N_corr - N_acc * t_meas

实际操作中，τ 应由符合电路的时间分辨率决定，不能随意取大；S1、S2 应取与符合测量同一时间段的单路计数率。若偶然符合占比超过 10%，建议降低泵浦功率或缩小符合窗口，从源头改善信噪比。

四、探测器效率修正

两个探测器的量子效率 η1、η2 往往不相等，导致不同投影方向的计数被系统性加权。效率修正的思路是把计数折算到“等效入射光子数”：

N_eff[i][j] = N_sig[i][j] / (η_i * η_j)

若 η1 = 0.60、η2 = 0.55，则同一投影下两路效率乘积为 0.33。效率修正后，各投影计数被统一到相同参考效率下，避免因探测器差异造成态估计偏向某一基矢。效率值应来自厂家标定或实验标定，并注明不确定度；若效率漂移较大，应在实验前后各标定一次。

五、校准矩阵与态估计

即使完成上述三步，测量装置仍可能存在偏振串扰、波片角度误差、光纤偏振漂移等系统偏差。校准矩阵 M 的作用，是建立“理想投影概率”与“实际测量计数”之间的线性映射：

N_eff = M · P_ideal

其中 P_ideal 为理想投影概率向量。通过制备一组已知的校准态（如 H、V、D、A、R、L），测量其计数并求解 M，即可在态估计时用 M^-1 反演：

P_corrected = M^-1 · N_eff

随后把 P_corrected 代入最大似然估计，得到密度矩阵 ρ。判断校准是否有效，可观察三个指标：保真度是否提升、密度矩阵本征值是否非负、以及不同校准态下的残差是否接近统计涨落水平。若残差明显偏大，说明校准矩阵未覆盖主要系统偏差，应重新检查波片角度或增加校准态数量。

六、实操示例：一次完整的预处理流程

假设某偏振纠缠源实验，积分时间 t = 10 s，符合窗口 τ = 2 ns，单路计数率 S1 = 8.0×10^4 s^-1、S2 = 7.5×10^4 s^-1，探测器效率 η1 = 0.60、η2 = 0.55。对某一投影组合测得原始计数 N_raw = 5.2×10^5，遮挡本底 B = 1.5×10^3 s^-1。按上述步骤计算：

N_corr = 5.2×10^5 − 1.5×10^3 × 10 = 5.05×10^5
N_acc  = 8.0×10^4 × 7.5×10^4 × 2×10^-9 = 1.2×10^4 s^-1
N_sig  = 5.05×10^5 − 1.2×10^4 × 10 = 3.85×10^5
N_eff  = 3.85×10^5 / (0.60 × 0.55) = 1.17×10^6

可以看到，偶然符合校正使计数下降了约 24%，效率修正又使等效计数放大了约 3 倍。若跳过这两步，直接使用 N_raw 做态估计，密度矩阵会明显偏向计数较高的投影方向，保真度可能下降 5%～10%。完成全部预处理后，再把 N_eff 代入校准矩阵反演和最大似然估计，通常可将保真度提升到 0.98 以上（示例数值，实际结果取决于装置水平）。

七、结果判读与质量检查

完成预处理与校准后，应从三个层面检查数据质量。第一，检查校正后计数是否仍满足泊松统计：若残差方差显著大于均值，说明还有未扣除的系统本底。第二，检查密度矩阵的本征值：理想情况下所有本征值非负且迹为 1；若出现明显负值，说明校准不足或统计量不够。第三，检查保真度随积分时间的变化：若保真度随积分时间增加而持续上升，说明统计噪声仍是主要误差；若保真度趋于饱和，则系统偏差可能成为瓶颈，需要重新校准或检查光路。

把上述步骤固化为实验流程后，每次层析测量都应记录本底计数率、单路计数率、符合窗口、探测器效率、校准矩阵条件数以及最终保真度。这些量不仅是数据质量的凭证，也是后续异常诊断时判断问题来源的重要依据。