基于和SiGe的量子设备的交叉架构调整使用机器学习

科学领域:

• 量子计算是一种量子计算.
• 半导体设备物理 半导体设备物理
• 机器学习应用 机器学习应用

背景情况:

• 基于 (Si) 和- (SiGe) 的设备的变化阻碍了量子电路的缩放.
• 单个量子设备需要独特的调协议以实现最佳运行.
• 设备校准是开发可扩展量子技术的关键瓶.

研究的目的:

• 展示一种通用的机器学习算法,用于自动化量子设备调整.
• 为了减少与校准各种量子计算硬件相关的时间和复杂性.
• 为了描述双量子点设备的参数空间景观.

主要方法:

• 开发和应用单一的机器学习算法,用于自动调整.
• 在三个不同的量子设备上测试算法:四门Si FinFET,五门GeSi纳米线和七门Ge/SiGe异构双量子点.
• 调整时间和参数空间景观的分析,以评估算法性能并提供设备洞察力.

主要成果:

• 使用相同的算法,从头开始成功地对所有测试设备进行自动调整.
• 实现了快速调时间:Si FinFET 30分钟,GeSi纳米线 10分钟,Ge/SiGe双量子点 92分钟.
• 该算法揭示了双量子点操作的关键参数空间区域,有助于设备的表征.

结论:

• 机器学习为调整各种量子设备提供了统一而高效的解决方案.
• 自动调整大大缩短了校准时间,加速了量子电路的发展.
• 这种方法解决了设备的可变性,为可扩展的量子计算架构铺平了道路.