論文の概要: Experimental online quantum dots charge autotuning using neural networks

• arxiv url: http://arxiv.org/abs/2409.20320v2
• Date: Tue, 11 Feb 2025 21:02:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:45:19.379988
• Title: Experimental online quantum dots charge autotuning using neural networks
• Title（参考訳）: ニューラルネットワークを用いたオンライン量子ドット電荷自動調整実験
• Authors: Victor Yon, Bastien Galaup, Claude Rohrbacher, Joffrey Rivard, Alexis Morel, Dominic Leclerc, Clement Godfrin, Ruoyu Li, Stefan Kubicek, Kristiaan De Greve, Eva Dupont-Ferrier, Yann Beilliard, Roger G. Melko, Dominique Drouin,
• Abstract要約: クローズドループキャリブレーションシステムに統合された畳み込みニューラルネットワークを用いたオンライン単ドット電荷自動チューニングの実験的検討 20回の実験では, 目標電子状態の特定において95%の成功率を達成した。 本研究は,量子ドットデバイスにおける機械学習駆動リアルタイム電荷自動チューニングの実現可能性を検証する。
• 参考スコア（独自算出の注目度）: 0.8219694762753349
• License:
• Abstract: Spin-based semiconductor qubits hold promise for scalable quantum computing, yet they require reliable autonomous calibration procedures. This study presents an experimental demonstration of online single-dot charge autotuning using a convolutional neural network integrated into a closed-loop calibration system. The autotuning algorithm explores the gates' voltage space to localize charge transition lines, thereby isolating the one-electron regime without human intervention. This exploration leverages the model's uncertainty estimation to find the appropriate gate configuration with minimal measurements while reducing the risk of failures. In 20 experimental runs, our method achieved a success rate of 95% in locating the target electron regime, highlighting the robustness of this approach against noise and distribution shifts from the offline training set. Each tuning run lasted an average of 2 hours and 9 minutes, primarily due to the limited speed of the current measurement. This work validates the feasibility of machine learning-driven real-time charge autotuning for quantum dot devices, advancing the development toward the control of large qubit arrays.
• Abstract（参考訳）: スピンベースの半導体量子ビットはスケーラブルな量子コンピューティングを約束するが、それらは信頼できる自律的なキャリブレーション手順を必要とする。 本研究では,クローズドループキャリブレーションシステムに統合された畳み込みニューラルネットワークを用いたオンライン単ドット電荷自動チューニングの実験的検討を行った。 オートチューニングアルゴリズムはゲートの電圧空間を探索し、電荷遷移線を局所化し、人間の介入なしに1電子状態を分離する。 この探索は、モデルの不確実性推定を利用して、最小限の測定で適切なゲート構成を見つけ、失敗のリスクを低減させる。 20回の実験において,本手法は目標電子状態の配置において95%の成功率を達成し,オフライントレーニングセットからのノイズや分布シフトに対するこのアプローチの堅牢性を強調した。 各チューニングランは、主に現在の測定速度の制限のために平均2時間9分持続した。 本研究は,量子ドットデバイスにおける機械学習駆動リアルタイム電荷自動チューニングの実現可能性を検証する。

関連論文リスト

• Scalable, high-fidelity all-electronic control of trapped-ion qubits [0.0]
  既存の量子ビット制御へのアプローチは、スケールパフォーマンスのトレードオフに悩まされ、有用なデバイスへの進歩を妨げる。 我々は、このボトルネックを緩和する電子的に制御されたイオン量子コンピュータのビジョンを示す。 最大10キュービットまでの制御が可能な7ゾーンイオントラップで低ノイズサイト選択型単一および2キュービットゲートを実験的に実証した。
  論文  参考訳（メタデータ） (2024-07-10T14:21:58Z)
• Fully autonomous tuning of a spin qubit [0.0]
  大規模半導体量子回路の開発は、これらの回路を効率的にチューニングし、操作する上での課題によって、依然として制限されている。 半導体量子ビットの最初の完全自律的なチューニングを、接地されたデバイスからRabiの発振まで提示し、量子ビットの動作が成功したことを示す。
  論文  参考訳（メタデータ） (2024-02-06T12:01:00Z)
• System Characterization of Dispersive Readout in Superconducting Qubits [37.940693612514984]
  超伝導量子ビットの分散読み出しに使用される分散シフト、共振器の線形幅、駆動電力を測定するための単一のプロトコルを導入する。 その結果, 共振器のリニア幅は最大値と最小値の2因子で制御できないことがわかった。 また、典型的な量子ビット読み出しで使用されるのと同じ電力レベルを用いて、読み出しシステムの効率を測定するためのプロトコルも導入する。
  論文  参考訳（メタデータ） (2024-02-01T08:15:16Z)
• Pulse-controlled qubit in semiconductor double quantum dots [57.916342809977785]
  単一電子電荷量子ビットの量子制御のための数値最適化多パルスフレームワークを提案する。 新規な制御方式は、キュービットを断熱的に操作すると同時に、高速で一般的な単一キュービット回転を行う能力も保持する。
  論文  参考訳（メタデータ） (2023-03-08T19:00:02Z)
• Tuning arrays with rays: Physics-informed tuning of quantum dot charge states [0.0]
  ゲート定義量子ドット(QD)に基づく量子コンピュータはスケールすることが期待される。 量子ビットの数が増加するにつれて、これらのシステムを手動で調整する作業は理にかなっている。 ここでは,グローバルな自動状態とチャージチューニングのための,直感的で信頼性が高く,データ効率のよいツールセットを実演する。
  論文  参考訳（メタデータ） (2022-09-08T14:17:49Z)
• Enhancing the Coherence of Superconducting Quantum Bits with Electric Fields [62.997667081978825]
  印加された直流電界を用いて、クォービット共鳴から外れた欠陥を調整することにより、クビットコヒーレンスを向上させることができることを示す。 また、超伝導量子プロセッサにおいて局所ゲート電極をどのように実装し、個々の量子ビットの同時コヒーレンス最適化を実現するかについても論じる。
  論文  参考訳（メタデータ） (2022-08-02T16:18:30Z)
• 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)
• Experimental Bayesian calibration of trapped ion entangling operations [48.43720700248091]
  我々は,広く使用されているMolmer-Sorensenエンタングゲート操作の実験パラメータを自動的に推定し,調整する効率的なキャリブレーションプロトコルを開発し,特徴付ける。 実験では, ゲートキャリブレーションを1分以内で完了する間, 実験サイクルは1200pm500$で, ゲートキャリブレーションの中央値が1.3(1)cdot10-3$であることを示す。
  論文  参考訳（メタデータ） (2021-12-02T16:59:00Z)
• Beating the thermal limit of qubit initialization with a Bayesian Maxwell's demon [48.7576911714538]
  フォールトトレラント量子コンピューティングは、明確に定義された有限状態の量子レジスタを初期化する必要がある。 固体系では、これは典型的には冷たい貯水池への熱化によって達成される。 本稿では, 熱限界を超える信頼度を持つフィデューシャル量子状態を作成する方法を提案する。
  論文  参考訳（メタデータ） (2021-10-05T13:55:08Z)
• Miniaturizing neural networks for charge state autotuning in quantum dots [0.2673052070464623]
  我々は、量子ドット安定性図の電荷状態遷移を検出するために使用できる小さなフィードフォワードニューラルネットワークを開発した。 これらのニューラルネットワークは、コンピュータシミュレーションによって生成された合成データに基づいてトレーニングすることができ、実験装置を所望の電荷状態にチューニングするタスクに頑健に移行可能であることを実証する。 これは、将来の量子ドットコンピュータにおけるオンチップ自動チューニングに向けた重要なステップである、低消費電力ハードウェア上での強力な制御要素の小型化の可能性を開く。
  論文  参考訳（メタデータ） (2021-01-08T19:01:03Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)

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。