1. 量子测控系统标定工程导论
量子计算与量子传感系统的性能，最终并不只取决于量子芯片或敏感探头本身，而取决于“测控链路”能否把物理量准确地送进去、把微弱响应准确地读出来。标定（calibration）就是在这条链路上建立“数字量—模拟量—物理量”之间可信映射的过程。没有标定，上位机发出的一个“1”可能对应任意大小的微波功率；采集到的一段电压波形，也无法判断它究竟代表多少相位、多少磁通或多少光子数。标定的本质，是给测控系统一把可溯源、可复现的“尺子”。
标定在量子计算与量子传感中的角色
在超导量子计算中，典型测控对象包括室温电子学（AWG、数字化仪、IQ 混频器、本振源）与低温端的衰减器、滤波器、量子器件。需要标定的量至少有：各通道的延迟与偏斜、IQ 混频器的边带抑制与载波泄漏、DAC/ADC 的增益与偏置、传输链路的频率响应、以及量子比特的工作频率、读出频率与功率、π 脉冲幅度等。以 π 脉冲幅度为例，若 Rabi 振荡周期测得为 120 ns，则 π 脉冲时长取 60 ns，对应幅度需通过扫描找到使激发概率最大的值；若幅度标定偏差 5%，单比特门保真度可能从 99.9% 掉到 99% 量级。这就是标定精度直接决定系统性能的典型体现。
在量子传感中，标定更偏向“物理量传递”。例如金刚石 NV 色心磁强计，需要把 ODMR 谱的共振频率移动量 Δf 与磁场 B 建立关系：Δf = γ·B，其中 γ 约为 2.8 MHz/G。若微波频率标定存在 0.1 MHz 误差，磁场读数就会产生约 36 μT 的系统偏差。因此，无论计算还是传感，标定都承担着“把工程可读的数字量翻译成物理可信量”的角色。
为什么必须走向自动化标定
手工标定的问题不在于“能不能做”，而在于“能不能稳定地重复做”。一个中等规模的超导量子测控系统可能有 8～64 个通道，每个通道需要标定的参数少则 5 个、多则 20 个，且许多参数相互耦合：改变读出功率会影响读出保真度，改变 π 幅度又会影响后续层析结果。若全部手工操作，一轮完整标定可能耗时数小时到数天，且不同操作者、不同时间的结果难以比对。
自动化标定的价值体现在三点。第一是一致性：同一套脚本、同一组判据，保证每次标定按相同顺序、相同阈值执行。第二是可追溯：每一步的扫描数据、拟合结果、判定结论都落盘，出现性能漂移时可以回溯到具体参数。第三是可扩展：当通道数从 8 增加到 64，人工成本线性增长，而自动化脚本的边际成本几乎为零。工程上通常把标定分为“粗标定—精标定—在线监控”三层：粗标定确定量级，精标定逼近最优，在线监控在运行中检测漂移并触发重标。
课程项目总览：从单通道到系统级标定
本课程以一个可运行的量子测控标定项目为主线，逐步搭建从单通道到系统级的自动化标定能力。项目对象设定为一套“任意波形发生器 + IQ 混频 + 数字化仪”的测控链路，配合一个可参数化的量子响应模型（用于教学演示，非实测硬件）。项目分为四个阶段：
- 阶段一（第1～8章）：建立标定基础，包括延迟/偏斜标定、IQ 不平衡校正、DAC/ADC 增益偏置标定，形成单通道标定脚本。
- 阶段二（第9～16章）：引入量子响应模型，完成 Rabi、Ramsey、读出功率等参数扫描与拟合，形成参数提取流程。
- 阶段三（第17～24章）：把单通道流程扩展为多通道批处理，加入调度、判据、异常处理与数据管理。
- 阶段四（第25～30章）：系统级标定与在线监控，完成漂移检测、重标触发与标定报告生成。
每个阶段都要求“可运行、可观察、可判断”。例如阶段一的延迟标定，输入是两路同源信号，输出是通道间延迟差；判断依据是互相关峰值位置是否稳定在 ±1 个采样点内。阶段二的 Rabi 扫描，输入是脉冲幅度数组，输出是激发概率曲线；判断依据是拟合出的 Rabi 频率与残差是否满足阈值。
工具链准备
课程使用 Python 作为主语言，核心依赖包括 NumPy（数值计算）、SciPy（曲线拟合与信号处理）、Matplotlib（数据可视化）、pandas（标定记录管理）。硬件抽象层采用“仪器驱动 + 虚拟仪器”双模式：真实实验时通过 VISA/PyVISA 连接 AWG 与数字化仪；教学与调试时切换到虚拟仪器，用预设响应函数模拟硬件行为，保证脚本逻辑一致。
# 环境准备示例（教学用）
python -m venv qcal
source qcal/bin/activate # Windows: qcal\Scripts\activate
pip install numpy scipy matplotlib pandas pyvisa
# 目录结构建议
qcal_project/
drivers/ # 仪器驱动与虚拟仪器
calibration/ # 各标定模块
data/ # 原始扫描数据
results/ # 拟合结果与报告
configs/ # 通道与参数配置
配置管理同样重要。建议每个通道用一份 YAML 或 JSON 描述其角色、量程、采样率与标定状态，避免把参数硬编码在脚本里。下面是一个单通道配置示例，字段均为教学示例值：
| 字段 | 示例值 | 说明 |
|---|---|---|
| channel_id | AWG_CH1 | 通道标识 |
| role | drive | 驱动/读出/触发 |
| sample_rate | 2.4 GS/s | 采样率 |
| amplitude_range | 0～0.5 V | 输出量程 |
| delay_ns | 待标定 | 通道延迟 |
| iq_gain_ratio | 待标定 | IQ 增益比 |
| cal_status | uncalibrated | 标定状态 |
完成工具链准备后，应能运行一个最小自检：生成一段已知频率的正弦波，经虚拟仪器“回环”后做 FFT，确认峰值频率与设定值一致。这个自检不涉及量子物理，但它验证了“数据通路 + 分析通路”是通的，是后续所有标定工作的前提。