4. 量子过程层析（QPT）原理

量子过程层析（Quantum Process Tomography, QPT）是表征量子信道最完整的一类实验方法。与只测一个保真度数字不同，QPT 试图重建信道对任意输入态的作用规律，从而回答“这个门到底把量子态变成了什么”这一更本质的问题。理解 QPT 需要抓住三个层次：信道如何用数学对象建模、这个模型如何被参数化为可测量的量、以及实验上如何通过一组标准输入态和测量基把参数估计出来。

一、量子信道的建模：从映射到算符和表示

一个量子信道是作用在密度矩阵上的完全正、保迹（CPTP）线性映射 $\mathcal{E}$。对单比特信道，最通用的表示是算符和表示（Operator-Sum Representation）：

$\mathcal{E}(\rho)=\sum_{k} E_k \rho E_k^{\dagger}$，其中 $\{E_k\}$ 是 Kraus 算符，满足 $\sum_k E_k^{\dagger}E_k = I$。

Kraus 算符的个数和形式直接反映噪声类型：单比特纯退相干只需两个 Kraus 算符，而振幅阻尼也需要两个，但形式不同。Kraus 表示虽然物理直观，却不便于实验估计，因为 Kraus 算符本身不是可观测量，且存在规范自由度（同一信道可由不同 Kraus 集合表示）。因此 QPT 通常改用一组固定的算符基来展开信道。

二、Pauli 转移矩阵：把信道变成可测的实数矩阵

对 $n$ 个量子比特，选择 Pauli 基 $\{P_i\}$（$i=0,\dots,4^n-1$，$P_0=I$）。任何密度矩阵都可写成 $\rho=\sum_i c_i P_i$，任何信道都可写成：

$\mathcal{E}(P_j)=\sum_i \chi_{ij} P_i$

其中 $\chi$ 就是过程矩阵（process matrix），它是一个 $4^n \times 4^n$ 的复数矩阵，完全刻画了信道。对单比特，$\chi$ 是 $4\times4$ 矩阵，共 16 个复元素，扣除保迹约束和厄米性后，独立实参数为 12 个。另一种等价且更直观的表示是 Pauli 转移矩阵（Pauli Transfer Matrix, PTM）：

$\mathcal{E}(P_j)=\sum_i R_{ij} P_i$，其中 $R$ 是实数矩阵，$R_{0j}=\delta_{0j}$ 对应保迹性。PTM 的优点是所有元素都是实数，且对角元直接对应各 Pauli 分量的衰减或放大。例如理想单比特 $X$ 门在 Pauli 基 $\{I,X,Y,Z\}$ 下的 PTM 为：

R_ideal(X) =
[ 1   0   0   0 ]
[ 0   1   0   0 ]
[ 0   0  -1   0 ]
[ 0   0   0  -1 ]

其中 $Y$ 和 $Z$ 分量翻转符号，$X$ 分量保持不变。若实测 PTM 中 $R_{11}$ 从 1 降到 0.95，说明 $X$ 分量有 5% 的衰减；若 $R_{22}$ 从 -1 变为 -0.9，说明 $Y$ 分量翻转不完全。这种“逐元素读噪声”的能力，正是 PTM 在工程上比抽象 $\chi$ 矩阵更受欢迎的原因。

标准 QPT 实验设计与数据采集流程 输入态制备 4 个基态 |0⟩,|1⟩,|+⟩,|+i⟩ 待测信道 E 施加目标门 或噪声过程 测量基选择 X, Y, Z 三组 投影测量 统计估计 每配置 N 次采样 估计 P(+1) 频率 测量频率矩阵（示例） 行：输入态 | 列：测量基 |0⟩ 0.98 0.51 0.49 0.97 |1⟩ 0.03 0.50 0.52 0.02 |+⟩ 0.50 0.96 0.48 0.51 |+i⟩ 0.49 0.47 0.95 0.50 线性反演重建 PTM 由频率矩阵解出 R 矩阵 R = [ 1.00 0.00 0.00 0.00 ] [ 0.00 0.95 0.02 0.01 ] [ 0.00 0.01 -0.90 0.03 ] [ 0.00 0.02 0.01 -0.93 ] 对角元衰减 → 各分量噪声强度

三、标准 QPT 实验设计：输入态与测量基的完备组合

要重建单比特信道的 12 个独立参数，需要足够多的独立测量配置。标准做法是选择 4 个线性无关的输入态，再对每个输出态做 3 组投影测量。常用的输入态集合为：

  • $|0\rangle$：Z 基本征态，用于探测布居数转移；
  • $|1\rangle$：Z 基另一本征态，与 $|0\rangle$ 共同确定 Z 方向行为；
  • $|+\rangle = (|0\rangle+|1\rangle)/\sqrt{2}$：X 基本征态，探测相干性；
  • $|+i\rangle = (|0\rangle+i|1\rangle)/\sqrt{2}$：Y 基本征态，探测相位信息。

测量时对每个输出态分别投影到 X、Y、Z 三个基上，每个基下统计 $+1$ 和 $-1$ 的频率。这样共有 $4 \times 3 = 12$ 个测量配置，每个配置重复 $N$ 次（典型 $N=1000\sim10000$），得到 12 个频率值。由于每个配置只给出一个实数（$+1$ 的概率），12 个方程恰好对应 12 个未知参数，构成一个线性方程组。

实际实验中，输入态制备和测量基旋转本身也有误差，因此更严谨的做法是先用 QPT 标定“制备—测量”环节，再将其作为已知量代入信道重建。这种“自洽标定”思路在超导量子比特和离子阱平台中都很常见。

四、数据采集流程与线性反演

数据采集的核心是“配置—采样—频率估计”三步循环。以单比特为例，一次完整的 QPT 实验流程如下：

  1. 制备输入态 $|0\rangle$，施加待测信道 $\mathcal{E}$，在 Z 基下测量，重复 $N$ 次，记录 $+1$ 频率 $f_{0Z}$；
  2. 保持输入态不变，切换测量基到 X、Y，分别记录 $f_{0X}$、$f_{0Y}$；
  3. 依次将输入态换成 $|1\rangle$、$|+\rangle$、$|+i\rangle$，重复上述三组测量，共得到 12 个频率值；
  4. 将频率值转换为 Pauli 期望值：$\langle P_i \rangle = 2f_i - 1$（对二值测量）；
  5. 利用输入态在 Pauli 基下的展开系数和测量期望值，建立线性方程组 $b = A \cdot r$，其中 $r$ 是 PTM 的未知元素向量；
  6. 用最小二乘或伪逆求解 $r = A^{+} b$，得到 PTM 估计；
  7. 对 PTM 做保迹性检查（第一行应为 $[1,0,0,0]$），必要时做约束优化。

线性反演的优点是计算简单、无需迭代，缺点是当测量配置不足或噪声较大时，重建出的 PTM 可能违反完全正性（CP）。此时可用最大似然估计（MLE）在 CPTP 约束下优化，但计算量显著增加。工程上常先用线性反演快速查看趋势，再用 MLE 做精细重建。

实用判断：若重建 PTM 的对角元出现绝对值大于 1 的元素，通常意味着测量配置不足或统计涨落过大，应增加采样次数 $N$ 或检查制备/测量误差。若非对角元普遍偏大，则说明信道存在相干性泄漏或串扰，需要结合硬件参数进一步排查。

五、从 PTM 到过程保真度

得到 PTM 后，过程保真度可直接计算：$F = \frac{1}{d^2}\mathrm{Tr}(R_{\text{ideal}}^T R_{\text{exp}})$，其中 $d=2^n$。对单比特，$F = \frac{1}{4}\sum_{ij} R^{\text{ideal}}_{ij} R^{\text{exp}}_{ij}$。这个公式把 16 个矩阵元素的偏差压缩成一个标量，便于横向对比不同门或不同校准版本。但要注意，过程保真度对某些相干误差不敏感，因此 QPT 的价值不仅在于给出 $F$，更在于给出完整的 PTM，让工程师能定位误差来源。

标准 QPT 的采样复杂度随比特数指数增长（$n$ 比特需 $4^n$ 个输入态和 $3^n$ 个测量基），因此它主要适用于单比特和双比特门。对更大规模系统，通常改用门集层析（GST）或循环基准测试（RB）等可扩展方法。但 QPT 作为“金标准”，仍是验证其他方法准确性的基准。

← 上一章 📖 返回目录 下一章 →