論文の概要: Tailoring potentials by simulation-aided design of gate layouts for spin qubit applications

• arxiv url: http://arxiv.org/abs/2303.13358v1
• Date: Thu, 23 Mar 2023 15:36:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-24 13:39:30.310663
• Title: Tailoring potentials by simulation-aided design of gate layouts for spin qubit applications
• Title（参考訳）: スピン量子ビット応用のためのゲートレイアウトのシミュレーション支援による設計ポテンシャル
• Authors: Inga Seidler, Malte Neul, Eugen Kammerloher, Matthias K\"unne, Andreas Schmidbauer, Laura Diebel, Arne Ludwig, Julian Ritzmann, Andreas D. Wieck, Dominique Bougeard, Hendrik Bluhm and Lars R. Schreiber
• Abstract要約: スピン量子ビットデバイスのゲートは、通常、以前の成功したデバイスから適応される。 本稿では、新しいスピン量子ビットデバイスレイアウトを静電気的にモデル化するための一般的な手法を提案する。
• 参考スコア（独自算出の注目度）: 0.4276883312743397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gate-layouts of spin qubit devices are commonly adapted from previous successful devices. As qubit numbers and the device complexity increase, modelling new device layouts and optimizing for yield and performance becomes necessary. Simulation tools from advanced semiconductor industry need to be adapted for smaller structure sizes and electron numbers. Here, we present a general approach for electrostatically modelling new spin qubit device layouts, considering gate voltages, heterostructures, reservoirs and an applied source-drain bias. Exemplified by a specific potential, we study the influence of each parameter. We verify our model by indirectly probing the potential landscape of two design implementations through transport measurements. We use the simulations to identify critical design areas and optimize for robustness with regard to influence and resolution limits of the fabrication process.
• Abstract（参考訳）: スピン量子ビットデバイスのゲートレイアウトは、通常、以前の成功したデバイスから適応される。 量子ビット数とデバイスの複雑さが増加するにつれて、新しいデバイスレイアウトのモデル化と収率と性能の最適化が必要となる。 半導体産業のシミュレーションツールは、より小さな構造サイズと電子数に適応する必要がある。 本稿では, ゲート電圧, ヘテロ構造, 貯水池, およびソースドレインバイアスを考慮した新しいスピン量子ビットデバイスレイアウトを静電気的にモデル化するための一般的な手法を提案する。 特定のポテンシャルによって示される各パラメータの影響について検討する。 トランスポート測定により,2つの設計実装の潜在的景観を間接的に調査することにより,モデルを検証する。 このシミュレーションを用いて, 設計領域の同定と, 製造プロセスの影響と解像度の限界に対するロバストネスの最適化を行う。

関連論文リスト

• SMPLer: Taming Transformers for Monocular 3D Human Shape and Pose Estimation [74.07836010698801]
  この問題に対処するために,SMPLベースのトランスフォーマーフレームワーク(SMPLer)を提案する。 SMPLerは、切り離された注意操作とSMPLベースのターゲット表現の2つの重要な要素を組み込んでいる。 SMPLerの既存の3次元人体形状に対する効果とポーズ推定方法の実証実験を行った。
  論文  参考訳（メタデータ） (2024-04-23T17:59:59Z)
• Ab initio modelling of quantum dot qubits: Coupling, gate dynamics and robustness versus charge noise [0.0]
  商用半導体ファウントリは、従来のチップと同じプロセスを使用して量子プロセッサ(QP)を作成することができる。 製造において最も期待できる選択肢を特定するには、実際の測地における相互作用する電子の予測モデリングが必要である。 本研究では,デバイストポロジに関する仮定を伴わない,実空間グリッドに基づくモデリング手法について検討する。
  論文  参考訳（メタデータ） (2024-02-29T23:43:22Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• SQuADDS: A validated design database and simulation workflow for superconducting qubit design [2.394350905741035]
  本稿では,超伝導デバイス設計のオープンソースデータベースについて紹介する。 設計シミュレーションにおいて高い精度を実現するためのロバストな手法を提案する。 我々のデータベースにはフロントエンドインタフェースが含まれており、ユーザーは所望の回路パラメータに基づいてベストグの設計を生成できる。
  論文  参考訳（メタデータ） (2023-12-20T23:31:53Z)
• Improving Fabrication Fidelity of Integrated Nanophotonic Devices Using Deep Learning [0.4129225533930965]
  本稿では,フォトニックデバイスの設計レイアウトを自動的に修正する汎用ディープラーニングモデルを提案する。 我々のモデルは次世代フォトニック回路における信頼性と性能の新たなレベルへの扉を開く。
  論文  参考訳（メタデータ） (2023-03-21T18:51:17Z)
• Full Stack Optimization of Transformer Inference: a Survey [58.55475772110702]
  トランスフォーマーモデルは広範囲のアプリケーションにまたがって優れた精度を実現する。 最近のTransformerモデルの推測に必要な計算量と帯域幅は、かなり増加しています。 Transformerモデルをより効率的にすることに注力している。
  論文  参考訳（メタデータ） (2023-02-27T18:18:13Z)
• Mega: Moving Average Equipped Gated Attention [150.3124713793503]
  メガ (Mega) は、(予備的な)移動平均を備えた単純で理論上は接地された単頭誘導式アテンション機構である。 我々はMegaがトランスフォーマーの変種や最近の状態空間モデルを含む他のシーケンスモデルよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2022-09-21T20:52:17Z)
• Depth Estimation with Simplified Transformer [4.565830918989131]
  トランスフォーマーとその変種は、最近多くの視覚タスクにおいて最先端の結果を示している。 簡易変換器(DEST)を用いた自己教師型単眼深度推定法を提案する。 我々のモデルでは、モデルのサイズ、複雑さ、および推論遅延を大幅に削減すると同時に、最先端技術と比較して精度が向上する。
  論文  参考訳（メタデータ） (2022-04-28T21:39:00Z)
• Inverse design of photonic devices with strict foundry fabrication constraints [55.41644538483948]
  本稿では,ナノフォトニクス素子の逆設計法を提案し,設計が厳密な長さの制約を満たすことを保証した。 本手法の性能と信頼性を,いくつかの共通集積フォトニック部品を設計することによって実証する。
  論文  参考訳（メタデータ） (2022-01-31T02:27:25Z)
• Efficient pre-training objectives for Transformers [84.64393460397471]
  本研究はトランスフォーマーモデルにおける高効率事前学習目標について検討する。 マスクトークンの除去と損失時のアウトプット全体の考慮が,パフォーマンス向上に不可欠な選択であることを証明する。
  論文  参考訳（メタデータ） (2021-04-20T00:09:37Z)
• A Deep Learning Framework for Simulation and Defect Prediction Applied in Microelectronics [3.8698051494433043]
  本稿では,3次元畳み込みニューラルネットワーク(DCNN)に基づくアーキテクチャを提案し,製造パラメータの幾何学的変動をモデル化する。 我々は最近発表されたPCBスキャンデータセットを用いて,マイクロエレクトロニクスのユースケースに関する枠組みを検証する。
  論文  参考訳（メタデータ） (2020-02-25T15:54:33Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。