1. 课程导入与量子随机数生成器概述
随机数是现代信息系统的“隐形基础设施”。登录时的会话令牌、TLS 握手中的密钥、区块链的私钥、蒙特卡洛仿真的抽样、彩票开奖的号码，背后都依赖随机数。但“随机”二字在工程上并不简单：计算机里的常规随机数由确定性算法产生，只要种子和算法已知，整条序列就可以被完整复现。这类数称为伪随机数（PRNG），它的“随机”只是统计意义上的近似，而非物理上的不可预测。
量子随机数生成器（Quantum Random Number Generator，QRNG）要解决的正是这个根本问题：把随机性来源从算法转移到量子物理过程。量子力学的基本假设决定了某些测量结果在原理上不可预测，不是“我们暂时算不出来”，而是“物理规律本身不给出确定答案”。因此，QRNG 输出的随机性具有信息论意义上的不可约性，这是它与 PRNG 最本质的区别。
学习目标
完成本课程后，学习者应能达成以下四层目标。第一层是概念层：准确说清 QRNG 的随机性来源、它与 PRNG 和 TRNG（基于经典物理噪声的真随机数发生器）的边界。第二层是原理层：理解基于量子光学、量子噪声、量子纠缠等不同技术路线的物理机制与熵源特征。第三层是工程层：能够搭建从熵源采集、后处理到随机性检测的完整链路，并写出可运行的采集与处理代码。第四层是验证层：掌握 NIST SP 800-22、Dieharder 等统计测试套件的使用与结果判读，理解“通过统计测试”与“可证明安全”之间的差距。
QRNG 的定义与技术边界
严格地说，QRNG 是指熵源直接来自量子系统测量结果、且该结果在量子力学框架下不可预测的随机数发生器。这里有两个关键词需要区分清楚。
其一是“熵源”。QRNG 的原始输出往往不是均匀分布的比特流，而是带有偏置和关联的原始数据，例如单光子探测器在固定时间窗内的点击计数、平衡零差探测输出的连续电压采样。这些原始数据必须经过后处理（如 Toeplitz 哈希提取、异或压缩、冯·诺依曼纠偏）才能得到近似均匀的比特序列。后处理不创造随机性，只把已有的量子熵“提纯”为均匀比特，因此熵源的质量决定了整机的上限。
其二是“不可预测性”。一个系统即使使用了量子过程，如果量子信号被经典噪声淹没、探测器存在可建模的死时间效应、或者后处理算法被植入后门，其输出仍可能被预测。所以 QRNG 的工程核心不是“用了量子器件”，而是“量子熵在最终输出中占据主导且可被量化证明”。这也是本课程反复强调“熵评估”与“统计验证”的原因。
主要技术路线分类
按物理机制，主流 QRNG 可分为三类，它们在器件复杂度、速率、集成难度上各有取舍。
基于量子光学：最典型的是单光子路径选择方案。一个单光子经分束器后以一定概率进入两条路径之一，由两个单光子探测器分别探测，探测结果对应一个随机比特。其随机性来自光子路径选择的量子不确定性。改进方案包括基于光子到达时间的方案（测量相邻光子时间间隔的量子涨落）和基于真空涨落的方案。这类方案速率高、原理直观，但对单光子探测器的暗计数和死时间敏感，需要做偏置校正。
基于量子噪声：利用相干态经平衡零差探测后输出的正交分量涨落。真空态的正交分量服从高斯分布，其方差由量子真空涨落决定，无法被经典手段消除。通过高速 ADC 采样后做模数转换与熵提取，可获得 Gbps 级速率。这类方案易于集成到光子芯片，是目前商用 QRNG 的主流路线之一，但需要仔细标定本振光功率、探测器共模抑制比和 ADC 量化噪声，防止经典噪声混入熵源。
基于量子纠缠：利用纠缠光子对的测量结果相关性。在贝尔不等式测试框架下，若测量结果违反贝尔不等式，则可证明输出不可能是由局域隐变量预先决定的，从而提供“设备无关”或“半设备无关”的安全性。这类方案安全性论证最强，但实验复杂度高、速率相对低，更多用于高安全等级场景与科研验证。
应用场景与需求差异
不同应用对随机数的需求并不相同，理解这一点有助于在后续章节中做出合理的工程取舍。密码学场景最看重不可预测性与前向安全性，密钥生成环节一旦随机性被攻破，整个安全体系失效，因此对熵源的可证明性要求最高，通常需要设备无关或半设备无关方案，或至少具备严格的熵评估报告。仿真场景更看重速率与统计均匀性，例如金融蒙特卡洛定价、粒子输运模拟，需要海量独立同分布样本，对“可证明”要求相对宽松，但对吞吐量和可重复性有明确要求。彩票与抽奖场景则强调公开可验证与抗操纵，往往需要引入承诺—揭示机制与审计日志，QRNG 提供熵源，而流程设计保证公信力。
整体课程框架
本课程共 30 章，按“原理—实现—验证—应用”的主线组织。前半部分建立物理与信息论基础：量子力学基本假设、熵与最小熵的概念、三类熵源的器件与信号特征。中段进入工程实现：探测器与 ADC 的选型与标定、原始数据采集程序、偏置校正与 Toeplitz 哈希提取的具体实现、吞吐量与延迟的权衡。后段聚焦验证与落地：NIST SP 800-22 各子测试的含义与常见误判、Dieharder 的使用、熵评估报告的撰写、以及面向密码学与仿真的集成案例。每一章都会给出可运行的代码片段或可复现的参数示例，帮助学习者把概念落到工程细节上。
需要特别提醒的是，QRNG 的“量子”标签不等于“绝对安全”。工程实践中，经典噪声混入、探测器非理想特性、后处理实现缺陷都可能削弱甚至破坏随机性。因此本课程把“验证”放在与“实现”同等重要的位置：一个没有经过严格统计测试与熵评估的 QRNG，不能被视为可信的随机源。接下来的章节将从量子力学的基本假设讲起，逐步构建起完整的知识体系。