Yukinodot/XiYuan-QRNG

选用指南

AI 根据 README 整理 · 2026/10/14 20:36:17

使用方式

通过命令行运行，支持仿真和文件输入，可回放已保存结果。

查看 README 依据

# Windows PowerShell: .\.venv\Scripts\Activate.ps1 # Linux/macOS: source .venv/bin/activate python -m pip install -e ".[aer,plots]" python -m xiyuan_qrng run --source aer-noisy --shots 8192 --simulator-seed 20261013 --detector-seed 20261013 --out runs/noisy --plots python -m xiyuan_qrng replay runs/noisy # 理想模式默认不注入死时间 python -m xiyuan_qrng run --source aer-ideal --shots 8192 --simulator-seed 20261013 --out runs/ideal --plots python -m unittest discover -s tests -v ``` 每次使用新的输出目录。模拟器与死时间种子固定时原始流可复现；提取种子每次由操作系统独立生成，所以重新 `run` 的输出可能不同。要逐位复现已保存的结果，请用 `replay`，它无需 Qiskit 或云端账户： ```bash

python -m pip install -e . python -m xiyuan_qrng replay examples/noisy python -m xiyuan_qrng replay examples/ideal ``` ## 数据流程 ```mermaid flowchart LR A[H门 + Z测量 / 有序文件] --> B[读出偏置 + 可选死时间模型] B --> C[按块记录全部输入] C --> D[源诊断 + 一阶熵代理] D --> E[模型驱动的输出长度] E --> F[独立公开种子 / Toeplitz GF2] F --> G[保存全部候选输出] G --> H[偏置与自相关诊断] H --> I[通过诊断的研究输出] H --> J[失败隔离 / 无换种子重试] ``` ## 原项目与本次整理 | 内容 | 来源与范围 | | --- | --- | | 偏置/死时间模型、估熵、Toeplitz、统计验证 | 用户提供的曦源项目 PPT 和原代码 | | 历史阶段结果：8192 → 3575 bits | PPT 第 11 张报告；原始比特与当时提取种子未提供，不能逐位重现 |

部署要求

需要 Python 3.10+，安装时可选安装 Aer 和绘图依赖，IBM QPU 接口需额外配置账户。

查看 README 依据

# XiYuan-QRNG · 曦源量子随机数后处理 [](https://github.com/Yukinodot/XiYuan-QRNG/actions/workflows/ci.yml) 基于复旦大学曦源项目「量子真随机数生成」整理的研究代码：从 `|+⟩` 测量出发，研究读出偏置与死时间相关性，进行一阶模型估熵、自适应压缩、Toeplitz 提取和统计回归验证。 本仓库重点是**让每次后处理都能检查、回放和解释失败原因**。默认运行 Qiskit Aer 经典仿真，用来验证算法流程；真实物理熵和密码学安全仍需要设备模型、原始采集证据及独立评估。  ## 快速运行 Python 3.10+；本次在 Windows / Python 3.12 上实际测试。 ```bash git clone https://github.com/Yukinodot/XiYuan-QRNG.git cd XiYuan-QRNG python -m venv .venv

# Windows PowerShell: .\.venv\Scripts\Activate.ps1 # Linux/macOS: source .venv/bin/activate python -m pip install -e ".[aer,plots]" python -m xiyuan_qrng run --source aer-noisy --shots 8192 --simulator-seed 20261013 --detector-seed 20261013 --out runs/noisy --plots python -m xiyuan_qrng replay runs/noisy # 理想模式默认不注入死时间 python -m xiyuan_qrng run --source aer-ideal --shots 8192 --simulator-seed 20261013 --out runs/ideal --plots python -m unittest discover -s tests -v ``` 每次使用新的输出目录。模拟器与死时间种子固定时原始流可复现；提取种子每次由操作系统独立生成，所以重新 `run` 的输出可能不同。要逐位复现已保存的结果，请用 `replay`，它无需 Qiskit 或云端账户： ```bash

| `diagnostics.png` | 从报告生成的统计图，需 `--plots` | 真实设备导出的输入必须是**按采集顺序排列的 0/1 一维 `.npy`**。计数直方图不能还原时间相关性。输入文件模式默认不添加人工死时间： ```bash python -m xiyuan_qrng run --source file --input ordered_bits.npy --out runs/device ``` IBM QPU 接口保留为可选实验路径，需要自己配置 IBM 账户，并同时明确传入 `--backend` 和 `--submit-qpu`；它会提交远程作业，可能消耗账户额度。本次未运行或验证真实 QPU。 ```bash python -m pip install -e ".[ibm]" python -m xiyuan_qrng run --source ibm --backend YOUR_BACKEND --submit-qpu --shots 8192 --out runs/ibm ``` ## 研究边界与继续方向

已知限制

一阶统计代理无法识别所有高阶依赖，报告不标记熵认证，不提供密码学安全保证。

查看 README 依据

一阶统计代理无法识别所有高阶依赖。测试中的周期序列 `00110011...` 可以得到正的一阶估计，但它是确定性的；新增的 1–4 阶确定性转移筛查能识别这一反例，也不能替代通用熵评估。报告始终标记 `entropy_certified: false`。 独立公开种子适用于 Toeplitz 哈希研究；`epsilon` 和压缩裕量只是借用了提取器理论形式。没有成立的条件最小熵界，不能把它解释成已实现的安全参数。诊断通过、失败隔离以及输出分布图也不能证明密码学均匀性；隔离策略会改变保留样本的分布。[模型与安全边界](docs/model-and-limits.md) 解释这些限制。 后续可接入带时间戳的真实探测数据、校准死时间模型、使用条件最小熵分析和 NIST 的非 IID 熵评估，并研究有限样本下的提取率与失败率。 ## 目录 ```text src/xiyuan_qrng/ 算法、采集、CLI、保存/回放、作图 tests/ GF(2) 独立对照、周期反例、失败隔离、尾块与完整性测试 scripts/ 20 组固定协议实验 examples/ 两组完整可回放样例 + 全部实验汇总 docs/ 项目来源、数学机制、研究边界、验证记录