Fugu-MT 論文翻訳(概要): Cross-architecture Tuning of Silicon and SiGe-based Quantum Devices Using Machine Learning

論文の概要: Cross-architecture Tuning of Silicon and SiGe-based Quantum Devices Using Machine Learning

arxiv url: http://arxiv.org/abs/2107.12975v1
Date: Tue, 27 Jul 2021 17:42:57 GMT
ステータス: 処理完了
システム内更新日: 2021-07-28 14:26:23.940016
Title: Cross-architecture Tuning of Silicon and SiGe-based Quantum Devices Using Machine Learning
Title（参考訳）: 機械学習によるシリコンおよびsige量子デバイスのクロスアーキテクチャチューニング
Authors: B. Severin, D. T. Lennon, L. C. Camenzind, F. Vigneau, F. Fedele, D. Jirovec, A. Ballabio, D. Chrastina, G. Isella, M. de Kruijf, M. J. Carballido, S. Svab, A. V. Kuhlmann, F. R. Braakman, S. Geyer, F. N. M. Froning, H. Moon, M. A. Osborne, D. Sejdinovic, G. Katsaros, D. M. Zumb\"uhl, G. A. D. Briggs, and N. Ares
Abstract要約: 我々は,SiおよびSiGeデバイスをスクラッチから調整できるアルゴリズムを開発した。調整時間は30分10分92分である。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The potential of Si and SiGe-based devices for the scaling of quantum circuits is tainted by device variability. Each device needs to be tuned to operation conditions. We give a key step towards tackling this variability with an algorithm that, without modification, is capable of tuning a 4-gate Si FinFET, a 5-gate GeSi nanowire and a 7-gate SiGe heterostructure double quantum dot device from scratch. We achieve tuning times of 30, 10, and 92 minutes, respectively. The algorithm also provides insight into the parameter space landscape for each of these devices. These results show that overarching solutions for the tuning of quantum devices are enabled by machine learning.
Abstract（参考訳）: 量子回路のスケーリングのためのsiおよびsigeベースのデバイスのポテンシャルは、デバイス変動によって損なわれる。各デバイスは動作条件に合わせて調整する必要がある。 4ゲートのSi FinFET, 5ゲートのGeSiナノワイヤ, 7ゲートのSiGeヘテロ構造量子ドットデバイスをスクラッチからチューニングできるアルゴリズムにより, この可変性に取り組むための重要なステップを提供する。調整時間は30分,10分,92分であった。このアルゴリズムは、各デバイスに対するパラメータ空間のランドスケープに関する洞察も提供する。これらの結果から,量子デバイスのチューニングを機械学習で実現した。

関連論文リスト

Entropy-driven entanglement forging [0.0]
本研究では、エントロピー駆動型エンタングルメント鍛造法を用いて、ノイズの多い中間スケール量子デバイスの限界に量子シミュレーションを適応させる方法について述べる。提案手法は, エントロピー駆動型エンタングルメント鍛造法を用いて, ノイズの多い中間規模量子デバイスの限界に量子シミュレーションを適応させることが可能である。
論文参考訳（メタデータ） (2024-09-06T16:54:41Z)
A Nanomechanical Atomic Force Qubit [0.0]
原子間力を用いたシリコンナノメカニカル量子ビットの実現について提案する。提案したqubitは60MHzで動作し、シングルフォノンレベルのアンハーモニシティは5MHzである。
論文参考訳（メタデータ） (2024-07-22T05:30:44Z)
Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文参考訳（メタデータ） (2024-06-17T18:20:51Z)
QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文参考訳（メタデータ） (2024-01-10T22:33:00Z)
Rapid cryogenic characterisation of 1024 integrated silicon quantum dots [0.6819010383838326]
1024個のシリコン量子ドットとオンチップのデジタルおよびアナログエレクトロニクスの統合を実証し、1K以下で動作した。量子ドットパラメータは、高速自動機械学習ルーチンによって抽出され、量子ドットの収量を評価し、デバイス設計の影響を理解する。その結果、シリコン量子デバイスの高速な大規模研究が、現在の探査技術よりも低い温度と測定速度で実施できることが示されている。
論文参考訳（メタデータ） (2023-10-31T13:14:43Z)
Majorization-based benchmark of the complexity of quantum processors [105.54048699217668]
我々は、様々な量子プロセッサの動作を数値的にシミュレートし、特徴付ける。我々は,各デバイスの性能をベンチマークラインと比較することにより,量子複雑性を同定し,評価する。我々は、回路の出力状態が平均して高い純度である限り、偏化ベースのベンチマークが成り立つことを発見した。
論文参考訳（メタデータ） (2023-04-10T23:01:10Z)
Automated Generation of Shuttling Sequences for a Linear Segmented Ion Trap Quantum Computer [26.47874938214435]
閉じ込められたイオン量子コンピュータプラットフォームをスケールアップするための有望なアプローチは、セグメント化されたマイクロチップトラップに複数の閉じ込められたイオン量子ビットセット(「イオン結晶」)を格納することである。本稿では,シャットリングスケジュールを自動生成するアルゴリズムについて述べる。固定構造を含む量子回路では、高度な代入アルゴリズムによりシャットリングオーバーヘッドを低減することができる。
論文参考訳（メタデータ） (2022-08-09T16:16:43Z)
Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文参考訳（メタデータ） (2022-06-29T14:34:00Z)
A quantum processor based on coherent transport of entangled atom arrays [44.62475518267084]
量子プロセッサは動的で非局所的な接続を持ち、絡み合った量子ビットは高い並列性でコヒーレントに輸送されることを示す。このアーキテクチャを用いて,クラスタ状態や7キュービットのSteane符号状態などの絡み合ったグラフ状態のプログラム生成を実現する。
論文参考訳（メタデータ） (2021-12-07T19:00:00Z)
Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。本稿では,QAOAの回路深度依存性能について実験的に検討する。この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
論文参考訳（メタデータ） (2020-05-11T17:20:51Z)
Machine learning enables completely automatic tuning of a quantum device faster than human experts [0.0]
デバイス可変性は、半導体量子デバイスのスケーラビリティのボトルネックである。数個のモデル仮定を用いて,このパラメータ空間全体をナビゲートする統計的チューニングアルゴリズムを実証する。これは、量子デバイスのパラメータ空間を探索し最適化するために機械学習技術を使用することの、重要な実証である。
論文参考訳（メタデータ） (2020-01-08T15:58:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。