論文の概要: Leveraging Machine Learning Force Fields (MLFFs) to Simulate Large Atomistic Systems for Fidelity Improvement of Superconducting Qubits and Sensors

• arxiv url: http://arxiv.org/abs/2509.12509v1
• Date: Mon, 15 Sep 2025 23:19:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:52.806043
• Title: Leveraging Machine Learning Force Fields (MLFFs) to Simulate Large Atomistic Systems for Fidelity Improvement of Superconducting Qubits and Sensors
• Title（参考訳）: 機械学習力場(MLFF)を利用した超電導量子ビットとセンサの忠実性向上のための大規模原子論システムのシミュレーション
• Authors: Søren Smidstrup, Shela Aboud, Ricardo Borges, Anders Blom, Pankaj Aggarwal, Robert Freeman, Jamil Kawa,
• Abstract要約: 量子ATKは超伝導体と絶縁体の間の界面を計算するためのツールである。 この論文は、原子間密結合モデルから電子-電子相互作用が単一粒子エネルギーレベルにどのように付加され、現実的な二重量子ドット系を記述するかを示す。
• 参考スコア（独自算出の注目度）: 0.4004137288725767
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Materials engineering using atomistic modeling is an essential tool for the development of qubits and quantum sensors. Traditional density-functional theory (DFT) does however not adequately capture the complete physics involved, including key aspects and dynamics of superconductivity, surface states, etc. There are also significant challenges regarding the system sizes that can be simulated, not least for thermal properties which are key in quantum-computing applications. The QuantumATK tool combines DFT, based on LCAO basis sets, with non-equilibrium Green's functions, to compute the characteristics of interfaces between superconductors and insulators, as well as the surface states of topological insulators. Additionally, the software leverages machine-learned force-fields to simulate thermal properties and to generate realistic amorphous geometries in large-scale systems. Finally, the description of superconducting qubits and sensors as two-level systems modeled with a double-well potential requires many-body physics, and this paper demonstrates how electron-electron interaction can be added to the single-particle energy levels from an atomistic tight-binding model to describe a realistic double-quantum dot system.
• Abstract（参考訳）: 原子モデルを用いた材料工学は、量子ビットと量子センサーの開発に欠かせないツールである。 しかし、従来の密度汎関数理論(DFT)は、超伝導、表面状態などの重要な側面や力学を含む、関係する完全な物理学を適切に捉えていない。 シミュレーション可能なシステムサイズに関しても、特に量子コンピューティングアプリケーションにおいて重要な熱特性について、大きな課題がある。 量子ATKツールは、LCAO基底セットと非平衡グリーン関数に基づいてDFTを結合し、超伝導体と絶縁体の界面特性、および位相絶縁体の表面状態を計算する。 さらに、このソフトウェアは、機械学習力場を利用して、熱特性をシミュレートし、大規模システムで現実的な非晶質地形を生成する。 最後に、超伝導量子ビットとセンサを二重井戸ポテンシャルでモデル化した2レベルシステムとして記述するには、多体物理学が必要であり、本論文では原子間密結合モデルから電子-電子相互作用を単一粒子エネルギーレベルに追加して、現実的な二重量子ドット系を記述する方法を示す。

関連論文リスト

• Native Three-Body Interactions in a Superconducting Lattice Gauge Quantum Simulator [0.0]
  格子ゲージ理論(LGT)は非摂動的ツールであり、ゲージ不変モデルを記述するために離散化された時空を利用する。 LGTは基礎物理学を理解する大きな可能性を秘めているが、電磁気学のガウスの法則に類似した局所的な制約を強制する必要がある。 回路量子力学アーキテクチャにおいてパラメトリックに活性化される3量子相互作用を提案し,実装する。
  論文  参考訳（メタデータ） (2025-01-23T04:58:39Z)
• Electron-Electron Interactions in Device Simulation via Non-equilibrium Green's Functions and the GW Approximation [71.63026504030766]
  電子-電子(e-e)相互作用は、量子輸送シミュレーションに明示的に組み込まれなければならない。 この研究は、非平衡条件下でのナノデバイスの大規模原子論的量子輸送シミュレーションを報告した最初のものである。
  論文  参考訳（メタデータ） (2024-12-17T15:05:33Z)
• Capacitive Touch Sensor Modeling With a Physics-informed Neural Network and Maxwell's Equations [0.0]
  本稿では,Physical-Informed Neural Network (PINN) を用いたサロゲートモデルを用いて設計過程を高速化する手法を提案する。 PINNモデルは、指と容量センサの相互作用を記述する静電気方程式を解く。
  論文  参考訳（メタデータ） (2024-11-23T11:22:24Z)
• Deep Learning Accelerated Quantum Transport Simulations in Nanoelectronics: From Break Junctions to Field-Effect Transistors [7.377639942466163]
  DeePTB-NEGFは、ディープラーニングの密結合ハミルトン予測と非平衡グリーン関数法を組み合わせた統合フレームワークである。 我々は、包括的破壊接合シミュレーションとカーボンナノチューブ電界効果トランジスタの2つの挑戦的な応用を通してこれを実証する。
  論文  参考訳（メタデータ） (2024-11-13T17:27:32Z)
• Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
  本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。 古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。 本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
  論文  参考訳（メタデータ） (2024-05-27T17:40:39Z)
• Variational quantum-algorithm based self-consistent calculations for the two-site DMFT model on noisy quantum computing hardware [0.0]
  本稿では,変分量子固有解法(VQE)アルゴリズムに基づく2サイトDMFTモデルを解くためのQC手法を提案する。 本稿では,アルゴリズムによる確率的・デバイス誤差の伝播と,計算した自己エネルギーへの影響について分析する。
  論文  参考訳（メタデータ） (2023-11-17T09:05:31Z)
• Topological Josephson Junctions in the Integer Quantum Hall Regime [42.408991654684876]
  チューニング可能なジョセフソン接合(TJJ)は、異常なジョセフソン効果と位相量子絶縁体応用を研究する上で望ましいプラットフォームである。 本稿では、整数量子ホール(IQH)と超伝導体の物理を組み合わせることで、頑健で静電気的に調整可能なTJJを提案する。 スケーラブルでロバストなAndreev-qubitプラットフォームへの特に関連性があり、また効率的な位相電池でもある。
  論文  参考訳（メタデータ） (2022-11-04T16:45:07Z)
• BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
  機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。 ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
  論文  参考訳（メタデータ） (2021-06-08T10:14:57Z)
• Entanglement generation via power-of-SWAP operations between dynamic electron-spin qubits [62.997667081978825]
  表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。 動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
  論文  参考訳（メタデータ） (2020-01-15T19:00:01Z)

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。