3. 实验管理平台与数据流

量子脉冲自动校准不是一次性的脚本运行，而是一个持续产生大量实验数据的闭环过程。每一次 Rabi、Ramsey 或 DRAG 参数扫描，都会涉及仪器配置、波形下发、采集回传、参数拟合与结果归档。如果这些环节彼此割裂，实验就难以复现，更无法支撑自动校准的迭代优化。因此，实验管理平台的核心任务，是把“仪器控制—数据采集—元数据记录—版本管理—可复现性”串成一条可追溯的数据流。

一、平台的分层结构与数据流

一个典型的量子实验管理平台通常分为四层：硬件抽象层、实验编排层、数据管理层和用户接口层。硬件抽象层负责把不同厂商的任意波形发生器（AWG）、数字化仪、微波源、锁相放大器等设备统一为可编程接口；实验编排层负责把脉冲序列、扫描参数和采集逻辑组织成可执行实验；数据管理层负责原始数据、处理结果和元数据的持久化；用户接口层则提供实验提交、监控和结果查询。

数据流的方向是双向的：控制流从平台下发到仪器，数据流从仪器回传到平台。以一次典型的 qubit 频谱扫描为例，平台先向微波源下发频率列表，向 AWG 下发门脉冲波形，触发数字化仪采集；采集完成后，原始 IQ 数据回传，平台执行解调与拟合，提取谐振频率，再把结果写入数据库并关联本次实验的配置快照。

二、仪器控制与数据采集的关键接口

仪器控制的核心是“确定性触发”。在量子实验中，AWG 输出脉冲、数字化仪采集信号、微波源切换频率，三者必须在时间上严格对齐。常用做法是由一台主时钟源提供 10 MHz 参考，所有设备锁定到同一时基；平台通过触发总线或 PXI 背板触发线，向各设备发送统一的开始触发信号。

数据采集方面，需要区分“原始数据”和“处理结果”。原始数据是数字化仪直接回传的 ADC 采样点或解调后的 IQ 点，通常以二进制或 HDF5 格式存储；处理结果则是经过解调、平均、拟合后得到的参数，如 Rabi 频率、T2 时间、DRAG 系数等。平台应同时保留两者，因为原始数据可用于重新分析，而处理结果用于快速决策。

一个常见的采集配置示例如下：

experiment:
  name: "rabi_scan"
  qubit: "Q1"
  awg:
    channel: 1
    sample_rate: 2.4e9
    waveform: "gaussian"
    duration: 40e-9
  digitizer:
    channel: 1
    sample_rate: 1.0e9
    points: 2000
    averages: 1000
  sweep:
    parameter: "pulse_amplitude"
    start: 0.0
    stop: 1.0
    steps: 51
  metadata:
    operator: "auto_cal"
    timestamp: "2025-01-15T10:30:00Z"
    code_version: "v2.3.1"
    config_hash: "a3f8c2d1"

这段配置说明了实验管理平台需要记录的最小信息集：设备通道、采样率、波形类型、扫描范围、平均次数，以及操作者、时间戳、代码版本和配置哈希。缺少任何一项，复现时都可能出现偏差。

三、元数据记录与版本管理

元数据是实验的“身份证”。它至少应包含三类信息：实验标识（实验 ID、名称、所属项目）、设备状态（各仪器型号、序列号、固件版本、关键参数）、环境信息（温度、湿度、磁场、操作者、时间）。在自动校准场景中，还应记录校准前后的参数变化，以及触发本次校准的判据。

版本管理需要覆盖三个层面：代码版本、配置版本和数据版本。代码版本用 Git 管理，每次实验运行记录 commit hash；配置版本用配置文件哈希或数据库快照管理；数据版本则通过数据血缘（data lineage）记录，标明某次拟合结果来自哪一批原始数据、哪一版处理代码。这样，当发现某个校准结果异常时，可以沿着数据血缘回溯到具体的原始数据和代码版本。

四、可复现性的具体要求

可复现性不是“再跑一遍看看”，而是“在相同条件下得到相同结果”。对量子脉冲校准而言，可复现性要求至少包括：

• 确定性初始化：每次实验前，仪器应复位到已知状态，包括 AWG 波形表清空、数字化仪触发模式重置、微波源频率和功率归零。
• 参数快照：实验运行时，平台自动抓取所有可调参数的当前值，写入元数据，而不是依赖人工记录。
• 随机种子固定：如果拟合或优化算法使用随机数，必须记录并固定随机种子。
• 数据完整性校验：原始数据文件应附带校验和（如 SHA-256），防止存储过程中损坏。
• 环境隔离：不同实验之间的配置不应相互污染，平台应支持实验级别的配置隔离。

在实际操作中，可以用一个简单的检查表来验证可复现性：

五、从数据流到自动校准闭环

当平台具备上述能力后，自动校准就可以形成闭环：平台提交实验 → 仪器执行 → 数据回传 → 拟合分析 → 判断是否达标 → 若未达标，调整参数后重新提交。每一次迭代都产生一条完整的实验记录，包含输入参数、原始数据、处理结果和版本信息。这样，校准过程不仅可复现，还可以被审计和优化。

例如，在一次 DRAG 系数校准中，平台先运行一次粗扫描，得到 DRAG 系数的大致范围；然后在该范围附近进行精细扫描，拟合出最优值；最后把最优值写回脉冲配置，并记录本次校准的完整数据流。如果后续实验发现保真度下降，可以回溯到这次校准的记录，检查当时的设备状态和环境条件，判断是否需要重新校准。

总结来说，实验管理平台的价值不在于“能跑实验”，而在于“能跑出可复现、可追溯、可优化的实验”。仪器控制保证执行精度，数据采集保证信息完整，元数据记录保证上下文可查，版本管理保证历史可回溯，四者共同支撑量子脉冲自动校准的可靠运行。