2. 量子光学实验数据特性分析

量子光学实验的数据质量控制，第一步不是画控制图，而是判断“这批数据本来应该长什么样”。光子计数、符合计数、干涉条纹和压缩态测量四类数据，虽然都来自单光子探测链路，但它们的统计规律、噪声结构和异常表现差异很大。用同一套阈值去卡所有数据，往往会把正常物理波动判成故障，或者把真正的系统漂移漏掉。本节围绕“统计分布—噪声来源—质控含义”这条主线，逐类剖析典型数据的特性。

一、光子计数：泊松基准与超泊松偏离

在稳定光源、固定衰减和探测器线性范围内，单位时间内的光子计数服从泊松分布：均值与方差相等，即 Var(n) = ⟨n⟩。工程上常用 Fano 因子 F = Var(n)/⟨n⟩ 作为判据：F≈1 为泊松；F>1 为超泊松，说明存在额外涨落；F<1 为亚泊松，说明计数比泊松更“安静”。

实际操作中，先采集一段参考数据（例如连续 100 个 1 s 计数窗口），计算均值与样本方差，得到基线 F 值及其置信区间。之后每批数据都计算 F，若显著偏离基线，就要追查来源。超泊松的常见原因包括：光源功率漂移、光纤耦合抖动、探测器死时间导致的计数堆积、环境光泄漏、以及探测器暗计数随温度变化。亚泊松则要警惕另一种情况——数据被过度平滑、计数被截断或软件做了不恰当的阈值处理，这些“人为压低方差”的操作会制造虚假的亚泊松结果。

二、符合计数：真符合、偶然符合与丢失

符合计数用于确认两个探测通道的事件在时间上相关。设单通道计数率为 R₁、R₂，符合窗口为 τ，则偶然符合率的理论估计为 R_acc ≈ R₁R₂τ。实测符合率 R_coinc 与偶然符合的比值即信噪比的重要指标。质控中应同时监控三个量：单通道计数率、符合窗口设置、以及符合率与偶然符合估计的比值。

符合计数的主要噪声来源有三类：一是偶然符合，随单通道计数率平方增长，光源越亮越严重；二是符合丢失，探测器死时间或电子学处理时间使真实符合事件被漏记，表现为符合率随计数率升高而非线性下降；三是时间抖动与窗口错位，延迟设置漂移会把真符合推出窗口。因此，符合数据的质控不能只看符合数绝对值，必须结合单通道计数率和延迟扫描曲线一起判断。

三、干涉条纹：相位敏感数据

干涉条纹数据本质上是随相位或位移变化的计数序列，其统计特性叠加了泊松计数噪声和相位漂移。质控关注三个层面：条纹可见度 V = (I_max − I_min)/(I_max + I_min)、条纹相位稳定性、以及拟合残差是否呈随机分布。可见度下降可能来自光路失准、偏振退化或光源空间相干性变差；相位漂移则常由温度变化、气流扰动或压电位移器的迟滞引起。

对条纹数据做质控时，建议对每个条纹周期单独拟合正弦模型，记录可见度和相位，再把这些参数按时间排列观察趋势。若残差出现系统性弯曲，说明模型不合适或存在非线性扫描；若残差方差随计数增大而增大，符合泊松预期，属正常；若残差方差与计数无关，则提示存在与光子统计无关的电子学噪声。

四、压缩态测量：亚泊松与正交分量方差

压缩态测量的核心是正交分量方差低于散粒噪声基准，表现为亚泊松统计。质控的关键是基准的可信度：散粒噪声基准必须用同一探测链路、同一本振功率、同一分析带宽测得，否则压缩度的判断没有意义。常见噪声来源包括本振光功率波动、探测器饱和、电子学暗噪声、以及本地振荡器相位锁定漂移。压缩度对相位极其敏感，相位抖动会直接“吃掉”压缩量，使测量结果偏向经典噪声水平。

实际质控中，应把散粒噪声基准、暗噪声、压缩方差三组数据并列记录，并检查暗噪声是否远低于散粒噪声、散粒噪声是否随本振功率线性变化。若散粒噪声基准本身漂移，则任何压缩度数值都不可比。

五、把统计判据落到质控动作上

四类数据的共同点是：统计分布是判断“正常与否”的基线，噪声来源决定“往哪里查”。光子计数看 F 因子与均值漂移；符合计数看符合率与偶然符合估计的比值，以及单通道计数率是否进入死时间影响区；干涉条纹看可见度与相位的时间趋势、拟合残差结构；压缩态测量看散粒噪声基准是否稳定、暗噪声是否足够低、相位锁定是否漂移。

一个可操作的质控流程是：每批数据先计算均值、方差、F 因子（或符合比值、可见度、压缩方差），与历史基线比较；若统计量越界，再调取时间序列检查是否存在阶跃、周期或缓慢漂移；最后回到硬件链路核对光源功率、耦合状态、探测器温度与延迟设置。这样既不会把泊松涨落误判为故障，也不会让真正的系统性问题藏在“看起来正常”的平均值背后。

掌握这四类数据的统计“指纹”，后续的异常检测、控制图设计和故障定位才有可靠依据。质控不是套公式，而是先理解数据本来的样子，再判断它是否偏离了这个样子。