4. 噪声统计建模

在量子态读出中，我们最终要判断的是“这个比特处于 |0⟩ 还是 |1⟩”。判决阈值之所以需要优化，前提是知道两类读出信号各自的分布形态。如果只记住一个均值和一个方差，就贸然把阈值放在中点，遇到非高斯尾巴或缓慢漂移时，误判率会明显高于预期。因此本节的核心任务是：把读出信号当作随机变量，用直方图和分位数图检验“它到底服从什么分布”，并识别漂移与异常点，为后续阈值优化提供可信的统计模型。

三类需要区分的统计现象

第一类是高斯噪声。理想情况下，制备在 |0⟩ 或 |1⟩ 的量子比特经多次重复读出，得到的信号（例如 IQ 平面上的某个投影量、或经积分后的电压）围绕各自均值呈钟形分布。高斯假设的好处是：均值与标准差两个参数就完整描述分布，阈值可由两分布的交点或等错误率准则解析求出。但要注意，高斯性通常只在“线性放大链路 + 热噪声主导”时近似成立。

第二类是非高斯噪声。实际读出链路上常见的有：功率放大器压缩导致的分布偏斜、混频器泄漏造成的双峰、宇宙射线或控制电子学毛刺造成的重尾、以及量子比特弛豫过程中的指数型拖尾。非高斯分布的直接后果是：用标准差估计尾部概率会严重失真——真实误判率可能比高斯预测高一个数量级，而阈值位置也会偏离最优。

第三类是漂移与异常点。漂移是分布整体随时间的缓慢平移或展宽，例如稀释制冷机温度波动、本振频率缓慢偏移、磁通偏置漂移；异常点是个别样本远离主体分布，例如单次宇宙射线击中、控制脉冲串扰、读出谐振腔被准粒子暂时扰动。二者都会污染统计量：漂移使“一次采集得到的直方图”变成多个分布的混合，异常点则拉高方差、拉偏均值。

直方图：先看形态，再定模型

直方图是最直接的一阶诊断。做法是把同一制备态（例如全部制备在 |0⟩）的 N 次单发读出值画成频数分布，箱宽用 Freedman–Diaconis 规则取 h = 2·IQR·N^(-1/3)，避免箱数凭感觉。判读要点有三：对称性——若左右半宽明显不等，说明存在偏斜，高斯模型不适用；尾部厚度——在 ±3σ 之外若仍有可观计数，属于重尾；峰数——出现双峰往往意味着混入了另一制备态、或存在两个不同工作点的子群体。

一个常见的教学示例（以下数值为合理假设的示例，非实测）：对 20000 次 |0⟩ 读出，直方图给出均值 μ₀ = 0.012、标准差 σ₀ = 0.031；对 |1⟩ 读出得 μ₁ = 0.208、σ₁ = 0.036。若直接按高斯模型，阈值取两分布交点约 0.108，理论误判率约 10⁻³ 量级。但若 |0⟩ 直方图在负方向有长尾，实际误判率会高于此估计——这正是必须做分布检验的原因。

分位数图：把“尾部”放大来看

直方图对尾部不敏感，因为尾部计数少、被主体峰压制。分位数—分位数图（Q-Q 图）正好补上这一环：把样本按升序排列得到经验分位数，与同分位点的理论高斯分位数作散点。若数据服从高斯，散点应贴近一条直线；两端向上翘说明右尾更重，两端向下弯说明左尾更重，S 形提示分布比高斯更集中、尾部更薄，整体平移或斜率变化则提示均值或尺度发生了漂移。

实操上建议同时画两张 Q-Q 图：一张对 |0⟩ 数据、一张对 |1⟩ 数据，并按采集时间段分色。如果早期数据贴合直线、后期数据整体偏移，那问题不是“噪声非高斯”，而是“分布漂移”，处理方式完全不同——前者要换分布模型或改用稳健统计量，后者要做漂移校正或缩短标定周期。

漂移与异常点的识别手段

漂移识别最有效的是时间序列视角：把每次读出的信号按采集顺序画成散点（或滑动均值曲线），观察均值是否单调移动、方差是否渐变。配合分时段直方图（例如每 2000 发一段），若各段峰值位置依次错开，即可确认漂移。工程上常用滑动窗口均值 μ_w 与全局均值比较，当 |μ_w − μ| > 3σ/√n_w 时报警。

异常点识别可用稳健统计量：以中位数 MAD = median(|xᵢ − median(x)|) 代替标准差，定义稳健 z 分数 zᵢ = 0.6745·(xᵢ − median)/MAD，当 |zᵢ| > 3.5 判为异常点。相比直接用 σ，MAD 不会被少量极端值带偏，特别适合读出链路中偶发毛刺的场景。识别出异常点后不要急着删除，应先回溯其时间戳，与控制电子学日志、温度记录对照，判断是环境事件还是数据采集故障。

从诊断结论到建模选择

诊断结果直接决定后续阈值优化用什么模型：若 Q-Q 图贴合直线且无漂移，可用双高斯模型解析求阈值；若存在重尾，应改用经验分布直接由累积分布函数求等错误率交点，或采用稳健阈值（如以中位数与 MAD 构造判决边界）；若存在漂移，则阈值本身应做成时变或分段的，并配合定期重标定。把“噪声是什么形态”判断清楚，比盲目调阈值更能稳定降低误判率。

最后强调一个易被忽略的细节：所有分布检验都应在同一制备态、同一读出参数、同一时间段内进行，否则混合效应会伪装成非高斯。检验通过后，把均值、标准差（或中位数、MAD）、样本量、采集时间窗口一并记录到标定档案中，后续阈值优化才有可追溯的统计依据。