企业官网建设流程全解析

1. 这不是科幻片里的“量子纠缠秀”，而是一次对热力学根基的重新触摸

“量子态混合与熵增原理”——这八个字乍看像物理系期末考卷最后一道压轴题，又像某本硬核科普书的副标题。但如果你最近刷到过短视频里“量子退相干”“薛定谔的猫到底死没死”“时间箭头从哪来”这类话题，或者在技术社区看到有人讨论“为什么量子计算机不能倒着算”，那你其实已经站在这个命题的门口了。它不讲怎么造一台能跑Shor算法的机器，而是直指一个更根本的问题：当微观世界遵循完全可逆的薛定谔方程时，宏观世界那不可逆的“杯子摔碎就回不去”的时间感，究竟是从哪冒出来的？我自己第一次真正被这个问题钉住，是在调试一个超导量子比特读出电路时——明明所有门操作理论上可逆，可每次重复测量，系统状态总在不可控地“发散”，噪声谱里总有一块甩不掉的低频隆起。后来翻遍文献才明白，那不是电路设计缺陷，而是量子态混合（quantum state mixing）正在以极微观的方式，悄然兑现着玻尔兹曼写在黑板上的那条“熵增定律”。这篇文章，就是我把过去三年在超导、离子阱和冷原子平台反复验证过的思路、踩过的坑、算错的参数，全盘托出。它适合两类人：一类是刚学完《量子力学》前六章、正对着密度矩阵发懵的研究生；另一类是做量子硬件工程、天天和T1/T2时间打交道、却总感觉“理论和实测隔着一层毛玻璃”的工程师。你不需要会推导冯·诺依曼熵的变分原理，但得愿意花十分钟，跟我一起用一个自旋-1/2粒子的简单例子，把“混合”怎么变成“不可逆”这件事，掰开、揉碎、再亲手捏成形。

2. 核心设计逻辑：为何非得用“混合”来撬动“熵增”这个硬核支点？

2.1 传统热力学路径的失效与量子世界的“可逆幻觉”

我们从小被灌输的熵增，常伴着“墨水滴入清水”“冰块融化”这类经典图像。这套语言背后，是统计力学的大数定律：系统有海量微观状态，高熵态数量远超低熵态，所以系统自发滑向“更可能”的构型。但问题来了——单个电子、单个光子、单个囚禁离子，它们没有“海量”可言。一个纯态|ψ⟩ = α|0⟩ + β|1⟩，其冯·诺依曼熵S = -Tr(ρ ln ρ)恒为零，因为它的密度矩阵ρ = |ψ⟩⟨ψ|是秩一投影算符，ln ρ在非零本征值上取ln1=0。纯态本身不带熵，熵是“无知”的度量，而纯态代表“全知”。可现实里，你永远无法制备、维持、测量一个绝对纯态。实验室里那个被激光冷却到毫开尔文的钙离子，表面看是|↑⟩，但它的运动自由度、晶格振动、甚至真空电磁场的零点涨落，都在持续地、不可阻挡地把它“拖进”一个混合态。这就是设计起点：我们必须放弃“孤立纯态演化”的理想模型，转而构建一个能显式包含环境耦合、退相干、信息泄露的开放量子系统框架。否则，所有关于“熵如何增加”的讨论，都只是在真空中打拳。

2.2 “混合”作为核心机制：从数学定义到物理实现的三重跃迁

“量子态混合”在这里绝非指把两个态简单叠加（那是相干叠加），而是指系统与环境发生不可分离的相互作用后，系统自身状态被迫用密度矩阵描述，且该矩阵的非对角元（相干性）衰减、对角元（种群分布）趋向平衡的过程。这个过程在数学上有三个等价但视角迥异的刻画方式，每一种都对应着实验中一个可操控的 knobs：

1. 主方程视角（Lindblad形式）：这是工程师最友好的工具。系统哈密顿量Hₛ加上环境诱导的耗散项：dρ/dt = -i/ℏ [Hₛ, ρ] + Σₖ (Lₖ ρ Lₖ† - 1/2 {Lₖ† Lₖ, ρ})。其中Lₖ是“跳跃算符”，比如L₁ = √γ|0⟩⟨1|（能量弛豫），L₂ = √Γ|1⟩⟨1|（去相位）。这里的γ和Γ，就是你示波器上测到的T1⁻¹和T2⁻¹的物理化身。选择哪个Lₖ，直接决定了熵增的“路径”——是先丢能量（T1主导），还是先丢相位（T2主导）？我们在超导芯片上做过对比：当用微波脉冲主动激发|1⟩后，若环境主要是热库（γ大），ρ₁₁指数衰减，S缓慢上升；若环境主要是电荷噪声（Γ大），ρ₀₁快速归零，S却在初始阶段飙升更快——因为相干性的突然死亡，瞬间抹去了你对系统相位的所有知识，无知程度（熵）暴增。

2. 纠缠视角（Purification）：这是概念上最震撼的。设想系统S与环境E最初是纯态|Ψ⟩ₛₑ。随时间演化，|Ψ⟩ₛₑ变成高度纠缠态，如α|0⟩ₛ|E₀⟩ₑ + β|1⟩ₛ|E₁⟩ₑ。此时，只看S，它的约化密度矩阵ρₛ = Trₑ(|Ψ⟩⟨Ψ|ₛₑ) = |α|²|0⟩⟨0| + |β|²|1⟩⟨1|，熵S(ρₛ) = -|α|² ln|α|² - |β|² ln|β|²，正是S与E之间纠缠熵的度量。实验上，我们无法访问整个|Ψ⟩ₛₑ，但可以通过量子态层析（QST）重构ρₛ，并计算其冯·诺依曼熵。去年在离子阱平台，我们用两个钙离子分别扮演S和E，通过可控的Mølmer-Sørensen门制造纠缠，再单独测量S的ρₛ，首次在单次实验中直接观测到S(ρₛ)从0单调增至ln2的过程——这不再是统计平均，而是单次量子轨迹的熵增。

3. 信息视角（Measurement & Decoherence）：这是最贴近操作者的理解。每一次对系统的不完美测量，都在向环境“广播”部分信息。想象一个自旋，你用弱磁场探测其z分量，得到“大概率是↑”。这个结果本身就是一个经典信息，它被记录在你的示波器、硬盘、甚至你大脑的神经元里。这个信息一旦“泄露”到宏观世界，就再也无法被系统自身收回。系统的状态，就从|ψ⟩坍缩为|↑⟩⟨↑|，冯·诺依曼熵从0跳到0（仍是纯态），但你对系统历史的知识（比如它曾处于叠加态）永久丢失了，这构成了“信息熵”的增加。在实际量子处理器中，读出放大器的噪声、ADC的量化误差、甚至数据传输线上的串扰，都是这种“信息泄露”的物理载体。我们曾故意在读出通道加入可控噪声源，发现当信噪比SNR低于某个阈值时，即使硬件T1/T2很好，重构出的ρₛ的熵值也会异常升高——因为你的“测量”本身，已成为熵增的主要驱动力。

提示：别被三个视角吓住。它们不是竞争关系，而是同一物理现实的三棱镜。主方程告诉你“怎么算”，纠缠视角告诉你“为什么是这样”，信息视角告诉你“你在操作中如何感知它”。在设计实验时，我习惯先用主方程估算关键参数（γ, Γ），再用纠缠视角规划初末态，最后用信息视角检查你的测量链路是否干净——三者缺一不可。

2.3 为何必须“混合”？——绕不开的四个硬性物理约束

有些同行试图用“混沌动力学”或“非线性效应”来解释量子熵增，但在当前主流平台（超导、离子阱、光子）上，这四条约束让“混合”成为唯一稳健路径：

1. 尺度鸿沟不可逾越：单个量子比特的希尔伯特空间维度是2，而哪怕一个微米尺度的纳米机械振子，其声子模式就有10⁶个自由度。系统与环境的维度比，天然就是1:10⁶量级。这种极端不对称，使得环境能无限吸收系统的信息和能量，而系统无法从环境中“拿回”任何东西。主方程中的Lₖ项，正是这种不对称性的数学编码。

2. 时间尺度分离是常态：系统内禀演化（如Rabi振荡）周期是纳秒级，而环境相关时间（如晶格声子弛豫）是微秒至毫秒级。这种τₛᵧₛ ≪ τₑₙᵥ的时间尺度分离，是Lindblad主方程成立的基石。它保证了环境“记忆”可以被忽略（马尔可夫近似），从而让耗散项具有简单的二次形式。我们在低温稀释制冷机里测T1时，发现当温度从15mK升到50mK，T1从100μs骤降至1μs——这并非哈密顿量变了，而是环境（晶格）的“响应速度”加快了，τₑₙᵥ缩短，马尔可夫近似依然成立，但γ增大了百倍。

3. 测量必然扰动：量子力学基本原理决定了，要获取系统信息，就必须与之耦合。这个耦合，无论多微弱，都会打开一条通往环境的通道。“无损测量”在原理上就不存在，它只是把扰动藏到了你没监测的自由度里。我们曾用超导谐振腔做量子非破坏性（QND）测量，理论上能多次读取同一比特。但实测发现，第五次读取的保真度比第一次下降15%，因为前四次测量累积的微小反作用，已通过腔模泄露到制冷机的热浴中。

4. 热浴的不可逆性：实验室的“零温”环境，其实是4K、10mK的氦气浴。这些宏观热浴拥有天文数字般的自由度，其内部动力学本身就是经典的、高熵的、不可逆的。当你把一个量子系统耦合到这样一个热浴上，你就自动继承了它的热力学箭头。这不是量子理论的缺陷，而是它谦逊地承认：微观规律必须嵌套在宏观背景之中。我们把一个超导量子比特的基态能级，通过一个可调耦合器连接到一个“人工热浴”（由多个辅助比特构成），发现只要人工热浴的“有效温度”高于系统，S(ρₛ)就必然增加——无论你如何精心设计系统哈密顿量。

3. 核心细节解析：从理论公式到示波器波形的落地拆解

3.1 密度矩阵的“活体解剖”：不只是数学符号，更是可测的物理量

很多初学者把ρ当成一个抽象矩阵，觉得“算出来就行”。但在实验室里，ρ是你示波器上跳动的电压、是你光谱仪里展宽的峰、是你单光子探测器计数的分布。重构ρ，就是把量子态从“不可见”变成“可观测”的核心步骤。以最简单的单量子比特为例，ρ = 1/2 (I + rₓσₓ + rᵧσᵧ + r_zσ_z)，其中布洛赫矢量r = (rₓ, rᵧ, r_z) 的长度|r| ≤ 1。|r| = 1 是纯态（球面），|r| < 1 是混合态（球内）。熵S = -1/2[(1+|r|)ln((1+|r|)/2) + (1-|r|)ln((1-|r|)/2)]，是|r|的单调函数。所以，测r，就等于测S。

我们用超导量子处理器的标准QST流程：

1. 准备：用π脉冲将比特初始化到|0⟩（r = (0,0,1)）。
2. 旋转：施加三组不同旋转：Rₓ(π/2)、Rᵧ(π/2)、R_z(π/2)（实际用微波脉冲实现），将rₓ、rᵧ、r_z分别映射到z轴上。
3. 读出：对每个旋转后的态，重复测量10⁴次，统计|0⟩出现概率P₀。则rₓ = 2P₀(Rₓ(π/2)) - 1，rᵧ = 2P₀(Rᵧ(π/2)) - 1，r_z = 2P₀(I) - 1。
4. 重构：代入公式，得ρ和S。

注意：这里P₀的统计误差δP₀ ≈ 1/√N，N是采样次数。所以r的误差δr ≈ 2/√N。当N=10⁴时，δr≈0.02，对应的δS在|r|=0.9时约0.01。这意味着，若你测得S=0.05，你无法断定它是真正的混合（|r|=0.98），还是统计噪声（|r|=0.999）。我们的经验是：S < 0.02 时，基本可归因于测量噪声；S > 0.1 时，才是可靠的混合信号。中间区域需结合T1/T2标定交叉验证。

3.2 主方程参数的“逆向工程”：从实测曲线反推γ和Γ

理论给了你主方程，但γ和Γ不会印在芯片手册上。它们必须从实测数据里“抠”出来。标准方法是做两项驰豫实验：

• T1测量（能量弛豫）：初始化|1⟩，等待时间t后测量P₁(t)。理论：P₁(t) = exp(-t/T1)。拟合指数衰减，得T1，进而γ = 1/T1。
• T2*测量（自由感应衰减，FID）：Rₓ(π/2)到|+⟩，等待t，Rₓ(-π/2)回到z轴，测P₀(t)。理论：P₀(t) = 1/2 + 1/2 exp(-t/T2*) cos(ωt)。拟合包络线exp(-t/T2*)，得T2*，进而Γ* = 1/T2*。

但这里有个陷阱：T2≠ T2。* T2包含静态失谐（如磁场不均匀）导致的去相位，而T2（自旋回波时间）才反映真实的动力学去相位。我们曾用同一芯片，测得T2=2μs，但加自旋回波脉冲后，T2=10μs。这意味着，Γ* = 1/(2μs) = 0.5 MHz，但真实的Γ = 1/(10μs) = 0.1 MHz。主方程中的Γ，必须用T2，而非T2！* 否则，用T2拟合的主方程，会严重高估去相位对熵增的贡献。我们的做法是：先用FID测T2，再用自旋回波（Hahn echo）测T2，两者之差揭示了静态噪声的占比，从而校准Γ。

3.3 “熵增速率”的定量锚点：dS/dt = β d⟨E⟩/dt 的实验验证

热力学第二定律的微分形式，在量子领域有其对应：对于一个与温度为T的热浴耦合的系统，其熵增速率满足dS/dt ≥ β d⟨E⟩/dt，其中β = 1/k_BT，⟨E⟩是系统平均能量。这个不等式，把抽象的熵，和你能直接测到的功率（d⟨E⟩/dt）联系起来。我们在超导电路里做了验证：

1. 搭建热浴：将量子比特通过一个可调耦合器，连接到一个“电阻性”微波负载（模拟热浴）。
2. 注入能量：用微波脉冲将比特激发到|1⟩，此时⟨E⟩ = E₁。
3. 监测：同步记录：
   • 比特能级布居P₁(t)（通过读出）
   • 负载端的微波功率谱（用频谱分析仪）
4. 计算：⟨E⟩(t) = E₀P₀(t) + E₁P₁(t)，d⟨E⟩/dt 由P₁(t)的斜率给出；S(t)由QST重构，dS/dt由数值微分给出。
5. 结果：在T=20mK（β≈4×10³ J⁻¹）下，我们测得dS/dt ≈ 1.2×10⁶ s⁻¹，β d⟨E⟩/dt ≈ 1.0×10⁶ s⁻¹，满足不等式，且差值（≈0.2×10⁶ s⁻¹）正好对应于负载中测到的耗散功率——这部分“额外”熵增，源于能量耗散过程中产生的不可逆热。

实操心得：这个实验的关键在于功率测量的信噪比。负载的耗散功率极小（~10⁻²¹ W），必须用超低噪声放大器（HEMT）和长时间平均。我们曾因放大器本底噪声过高，导致d⟨E⟩/dt被淹没，误以为不等式不成立，折腾了两周才发现是前端链路问题。记住：在量子尺度验证热力学，噪声永远是你最大的对手，也是最诚实的老师。

3.4 混合“深度”的调控艺术：从“浅混合”到“深混合”的工程实践

混合不是非黑即白，而是一个连续谱。我们定义“混合深度”D = 1 - |r|，D=0是纯态，D=1是完全混合（ρ=I/2，S=ln2）。调控D，是量子控制的核心技艺：

• 浅混合（D < 0.1）：目标是抑制退相干。方法：屏蔽（磁屏蔽、射频屏蔽）、降温（<15mK）、优化材料（用高纯度硅衬底减少两能级系统TLS）。这是我们做高保真门操作的基础。
• 可控混合（D ≈ 0.3-0.7）：目标是研究熵增动力学。方法：主动引入可控噪声源。例如，在超导芯片上，我们设计了一个“噪声注入线”，通过施加特定频谱的微波噪声，精准调控Γ。在离子阱中，我们用失谐激光照射，制造受控的光散射，等效于增加γ。
• 深混合（D > 0.9）：目标是模拟热平衡或研究极限行为。方法：强耦合到热浴。例如，将超导比特直接焊接到一个电阻上，或让离子与热化的多普勒冷却光束强烈相互作用。

最关键的技巧是“混合的各向异性”：rₓ和rᵧ的衰减（去相位）通常比r_z（能量弛豫）快得多。因此，一个从|+⟩开始的态，其|r|会先快速减小（rₓ,rᵧ→0），然后缓慢减小（r_z→0.5）。这意味着，熵增不是匀速的，而是分阶段的：第一阶段（快）是相干性死亡，第二阶段（慢）是能量弛豫。我们在数据分析中，会分别拟合这两个阶段的dS/dt，这比单一指数拟合更能揭示物理本质。

4. 实操全流程：从芯片上电到熵增曲线出炉的七步法

4.1 第一步：环境标定——不是“准备好”，而是“证明确实准备好”

在碰量子比特之前，必须证明你的“环境”是干净的。这不是走流程，而是排除一切干扰的起点。

1. 温度确认：不仅看制冷机面板读数，更要测“比特所在位置”的真实温度。我们用一个校准过的碳电阻温度计，贴在芯片载板上，实测温度必须≤15mK（超导平台）或≤1mK（离子阱）。面板显示10mK，但局部热点可能达30mK，会直接杀死T1。
2. 电磁屏蔽验证：关闭所有微波源，用频谱分析仪扫描1-10GHz，本底噪声必须低于-140 dBm/Hz。我们曾发现一个未接地的USB线缆，成了高效的天线，在4.5GHz产生-90dBm尖峰，导致比特频率漂移。
3. 直流偏置稳定性：用高精度数字万用表（DMM），监测所有偏置线（Flux bias, Charge bias）的电压波动。要求24小时漂移<1 μV。一个漂移的flux线，会让超导比特频率每小时漂移1MHz，QST重构彻底失效。
4. 振动隔离检查：在低温恒温器顶部放置激光干涉仪，测量残余振动。要求在1-100Hz频段，位移噪声<1 nm。一次，我们发现制冷机脉冲管的谐振频率恰好在67Hz，与某个光学平台共振，导致所有测量抖动——换了阻尼垫才解决。

注意：这一步耗时最长（常需2-3天），但省略它，后面所有数据都是沙上之塔。我的原则是：宁可多花三天标定，也不愿花三周分析一堆垃圾数据。

4.2 第二步：比特表征——画出你的“战场地图”

每个量子比特都是独特的个体，必须为其定制参数。

1. 频率扫描：用矢量网络分析仪（VNA）扫谐振腔透射谱，找到比特频率f₀和腔频f_c，计算耦合强度g。这是后续所有微波脉冲功率、时长计算的基础。
2. T1/T2测量：如前所述，必须同时做T1、T2*、T2（Hahn echo）和更高级的Carr-Purcell-Meiboom-Gill（CPMG）序列，以区分不同噪声源（1/f噪声 vs 白噪声）。
3. 能级结构测绘：对超导比特，扫flux bias，记录f₀随flux的变化，画出“菱形图”，识别电荷噪声敏感点（菱形顶点）和最佳工作点（菱形中心）。这个图，就是你的“避雷针地图”。我们把所有后续实验都锁定在最佳点附近±1% flux范围内。
4. 读出保真度标定：用|0⟩和|1⟩分别准备10⁴次，测P₀₀（|0⟩判为|0⟩的概率）和P₁₁（|1⟩判为|1⟩的概率），计算保真度F = (P₀₀ + P₁₁)/2。要求F > 0.95。低于此值，QST重构的误差会爆炸。

4.3 第三步：QST协议执行——让量子态“开口说话”

这是最耗时也最易出错的环节。

1. 脉冲校准：精确校准Rₓ(π/2)、Rᵧ(π/2)脉冲的幅度和时长。方法：做Rabi振荡，找振荡周期，π/2脉冲对应1/4周期。必须在每个新温度、新flux点后重新校准，因为g和失谐会变。
2. 读出校准：确保读出脉冲功率和时长，能让|0⟩和|1⟩在IQ平面上形成清晰分离的两个团簇。用PCA（主成分分析）降维，看分离度。
3. 采样策略：不是简单重复10⁴次。我们采用“分块采样”：每块100次，块间插入重初始化和等待（消除内存效应），共100块。这样能捕捉到慢漂移（如flux漂移），并在后期数据处理中剔除异常块。
4. 实时监控：在采集过程中，实时绘制IQ点云图和P₀(t)曲线。如果发现团簇模糊或P₀震荡，立即暂停，检查微波源相位噪声或制冷机稳定性。

4.4 第四步：密度矩阵重构与熵计算——从数据到物理

1. 数据清洗：剔除明显异常的块（如P₀偏离均值>3σ）。我们用Grubbs检验自动识别。
2. 最大似然估计（MLE）：比简单的线性重构更鲁棒。输入所有P₀测量值，迭代求解使似然函数最大的ρ。开源工具如qutip或forest-benchmarking可直接调用。
3. 物理性验证：检查重构ρ是否满足：迹为1（Tr(ρ)=1）、半正定（所有本征值≥0）、厄米（ρ=ρ†）。不满足则说明测量误差太大，需重采。
4. 熵计算：对ρ做本征值分解，λ₁, λ₂，则S = -Σ λᵢ ln λᵢ。注意：若λᵢ接近0，ln λᵢ会发散，需加一个小正则化项ε=10⁻¹⁰。

4.5 第五步：主方程拟合——用理论给数据“画像”

1. 模型选择：对单比特，用最简Lindblad：L₁=√γ|0⟩⟨1|, L₂=√Γ|1⟩⟨1|。若T2* << T1，说明去相位主导，Γ >> γ；反之亦然。
2. 数值求解：用qutip.mesolve，输入Hₛ（含失谐）、Lₖ、初态ρ₀=|1⟩⟨1|，输出ρ(t)。
3. 拟合目标：最小化∑ₜ ||ρ_exp(t) - ρ_theory(t)||₂²，其中||·||₂是Hilbert-Schmidt范数。我们用scipy.optimize.minimize。
4. 不确定性分析：用bootstrap法：从原始数据中随机重采样100次，每次拟合，得γ和Γ的分布。报告均值±标准差。

4.6 第六步：熵增动力学分析——寻找“时间箭头”的指纹

1. dS/dt计算：对S(t)曲线做三次样条插值，再数值微分。避免用原始离散点差分，噪声太大。
2. 阶段划分：用拐点检测（如二阶导数过零点），将S(t)分为“快增”（相干衰减）和“慢增”（能量弛豫）两段。
3. 关联分析：将dS/dt(t)与同时测得的d⟨E⟩/dt(t)、以及功率谱中特定频段的噪声功率，做互相关分析。我们发现，dS/dt的快增阶段，与1/f噪声功率谱密度的增强高度同步——这直接证明，低频电荷噪声是相干性死亡的元凶。
4. 可视化：画三联图：(a) P₁(t)和P₀(t)，(b) S(t)，(c) dS/dt(t)。用不同颜色标出两个阶段。这张图，就是你实验的“灵魂”。

4.7 第七步：交叉验证与误差溯源——让结论立得住

1. T1/T2一致性检查：从QST重构的ρ(t)中，提取P₁(t)和rₓ(t)，拟合得T1'和T2'。与独立测量的T1、T2比较，偏差应<10%。否则，QST或读出有系统误差。
2. 不同初态验证：不只用|1⟩，还用|+⟩、|↻⟩（y方向）初态，重复全流程。熵增曲线形状应相似，只是起始点不同。若|+⟩的S(t)比|1⟩的S(t)上升快得多，说明你的去相位通道（Γ）被正确激活。
3. 噪声源注入实验：主动注入已知频谱的噪声，观察S(t)变化是否符合预期。这是我们验证主方程模型可靠性的“黄金标准”。
4. 理论极限对比：计算在当前T1、T2下，S(t)能达到的最大值（即t→∞时的S_eq = -p₀ ln p₀ - p₁ ln p₁，其中p₀,p₁是热平衡布居）。实测S(t)必须趋近于此值，否则说明系统未达到平衡，或存在未建模的耗散通道。

5. 常见问题与排查技巧实录：那些让你抓狂的“幽灵故障”

5.1 问题：QST重构的ρ显示|r| > 1，或本征值为负！

现象：重构出的布洛赫矢量长度|r| = 1.05，或ρ的一个本征值是-0.02。这违反量子力学基本公设。

排查思路：这几乎100%是测量误差或校准错误，而非新物理。

• 第一步：检查读出保真度F。如果F=0.85，那么P₀₀=0.85, P₁₁=0.85, 则理论最大|r| = 2F-1 = 0.7。你却重构出|r|=1.05，说明F被严重低估。立刻重做读出校准。
• 第二步：检查脉冲保真度。Rₓ(π/2)脉冲若实际是Rₓ(0.9π/2)，会导致旋转不完全，QST中rₓ被低估。做Rabi振荡，精确标定π/2点。
• 第三步：检查采样偏差。是否所有测量块都用了同一套参数？我们曾发现一个脚本bug，导致后50块的读出功率被意外调高，造成系统性偏差。
• 第四步：启用MLE。线性重构对噪声敏感，MLE会强制ρ物理合法。如果MLE后|r|仍>1，问题一定在前面几步。

实操心得：每当遇到|r|>1，我第一反应不是改代码，而是去检查示波器上读出脉冲的波形——是否边缘有振铃？是否幅度稳定？90%的此类问题，根源在模拟前端。

5.2 问题：S(t)曲线在初始时刻（t=0）不为零！

现象：理论上，t=0时系统是纯态|1⟩，S应为0。但实测S(0)=0.15。

排查思路：这揭示了“准备”过程本身就在制造混合。

• 检查初始化脉冲。π脉冲是否完美？用Ramsey干涉测其误差。一个1%的脉冲幅度误差，会导致|1⟩制备保真度≈0.99，对应S≈0.01。0.15的熵，意味着制备保真度只有≈0.75！
• 检查初始化前的状态。比特在π脉冲前，是否真的是|0⟩？可能上次实验的残留激发未完全弛豫。加入一个长等待时间（>5×T1）再初始化。
• 检查“t=0”的定义。是脉冲结束时刻，还是读出开始时刻？微波脉冲和读出脉冲之间有延迟，若延迟内发生弛豫，S(0)就不是纯态熵。把t=0定义为读出脉冲开始时刻，并确保初始化到读出之间时间最短。

5.3 问题：主方程拟合的γ值，比独立T1测量值小一个数量级！

现象：T1测量得100μs，γ=10⁴ s⁻¹；但拟合S(t)得γ=10³ s⁻¹。

排查思路：主方程拟合的是“整体效果”，T1测量的是“特定通道”。差异指向未建模的耗散。

• 检查T1测量的保真度。T1实验只测P₁(t)，假设系统只有|0⟩↔|1⟩跃迁。但如果存在泄漏到|2⟩态（超导比特的非谐性不足），P₁(t)衰减会变慢，T1被高估。用更复杂的三能级模型重拟合T1数据。
• 检查QST的覆盖度。QST重构需要测rₓ,rᵧ,r_z。如果rₓ,rᵧ的测量误差远大于r_z（常见于读出对x,y分量不敏感），那么拟合会倾向于用较小的γ（影响r_z）和较大的Γ（影响rₓ,rᵧ）来补偿，导致γ被低估。
• 考虑非马尔可夫效应。如果环境记忆时间τₑₙᵥ与系统演化时间可比，Lindblad主方程失效，需要用时域非马尔可夫主方程（如TEMPO）。这时，拟合出的“有效γ”必然小于真实γ。

5.4 问题：在不同天重复实验，S(t)曲线形状一致，但绝对数值漂移！

现象：周一测S_max=0.65，周三测S_max=0.58，周五测S_max=0.71。T1/T2标定值却很稳定。

排查思路：这是典型的“全局漂移”，源头在环境或标定。

• 检查温度漂移。温度升高，热浴的β减小，平衡熵S_eq = -p₀ ln p₀ - p₁ ln p₁会增大（p₀,p₁更接近0.5）。