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
- Neural network based deep learning analysis of semiconductor quantum dot qubits for automated control [0.0]
本稿では,機械学習,特に畳み込みニューラルネットワーク(CNN)を用いた新しい手法を提案する。
注目すべきは、私たちのCNNは、ホッピング定数の変動を含む、サイト固有の障害をHubbardパラメータで処理できることです。
我々のアプローチでは、同時に5つ以上の量子ドットのチューニングが可能になり、しばしば見過ごされるクロストークの問題に効果的に対処できる。
論文 参考訳(メタデータ) (2024-05-07T17:56:12Z) - 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) - Fast Flux-Activated Leakage Reduction for Superconducting Quantum
Circuits [84.60542868688235]
量子ビット実装のマルチレベル構造から生じる計算部分空間から漏れること。
パラメトリックフラックス変調を用いた超伝導量子ビットの資源効率向上のためのユニバーサルリーク低減ユニットを提案する。
繰り返し重み付け安定化器測定におけるリーク低減ユニットの使用により,検出されたエラーの総数を,スケーラブルな方法で削減できることを実証した。
論文 参考訳(メタデータ) (2023-09-13T16:21:32Z) - 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) - 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) - Fast Quantum Calibration using Bayesian Optimization with State
Parameter Estimator for Non-Markovian Environment [11.710177724383954]
弱測定とベイズ最適化を利用してゲート設計のための最適制御パルスを求める,量子状態のリアルタイム最適推定器を提案する。
以上の結果から,キャリブレーション過程が著しく低下し,高いゲート忠実度が得られた。
論文 参考訳(メタデータ) (2022-05-25T17:31:15Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳(メタデータ) (2021-12-10T17:32:15Z) - 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)
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。