論文の概要: Machine Learning Enables Optimization of Diamond for Quantum Applications
- arxiv url: http://arxiv.org/abs/2510.22121v1
- Date: Sat, 25 Oct 2025 02:14:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 17:41:21.942773
- Title: Machine Learning Enables Optimization of Diamond for Quantum Applications
- Title（参考訳）: 量子応用のためのダイヤモンドの最適化を可能にする機械学習
- Authors: Dane W. deQuilettes, Eden Price, Linh M. Pham, Arthur Kurlej, Swaroop Vattam, Alexander Melville, Tom Osadchy, Boning Li, Guoqing Wang, Collin N. Muniz, Paola Cappellaro, Jennifer M. Schloss, Justin L. Mallek, Danielle A. Braje,
- Abstract要約: 我々は高感度磁気メトリーのためにダイヤモンドのNV$-$欠陥を最適化するモデルを訓練する。
私たちは、最も影響力のある成長と後処理のパラメータについて、新しい物理的洞察を得ました。
- 参考スコア（独自算出の注目度）: 35.82473294610566
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Spins in solid-state materials, molecules, and other chemical systems have the potential to impact the fields of quantum sensing, communication, simulation, and computing. In particular, color centers in diamond, such as negatively charged nitrogen vacancy (NV$^-$) and silicon vacancy centers (SiV$^-$), are emerging as quantum platforms poised for transition to commercial devices. A key enabler stems from the semiconductor-like platform that can be tailored at the time of growth. The large growth parameter space makes it challenging to use intuition to optimize growth conditions for quantum performance. In this paper, we use supervised machine learning to train regression models using different synthesis parameters in over 100 quantum diamond samples. We train models to optimize NV$^-$ defects in diamond for high sensitivity magnetometry. Importantly, we utilize a magnetic-field sensitivity figure of merit (FOM) for NV magnetometry and use Bayesian optimization to identify critical growth parameters that lead to a 300% improvement over an average sample and a 55% improvement over the previous champion sample. Furthermore, using Shapley importance rankings, we gain new physical insights into the most impactful growth and post-processing parameters, namely electron irradiation dose, diamond seed depth relative to the plasma, seed miscut angle, and reactor nitrogen concentration. As various quantum devices can have significantly different material requirements, advanced growth techniques such as plasma-enhanced chemical vapor deposition (PE-CVD) can provide the ability to tailor material development specifically for quantum applications.
- Abstract（参考訳）: 固体物質、分子、その他の化学系のスピンは、量子センシング、通信、シミュレーション、計算の分野に影響を与える可能性がある。
特に、負電荷窒素空孔 (NV$^-$) やシリコン空孔 (SiV$^-$) のようなダイヤモンド中の色中心は、量子プラットフォームが商用デバイスへの移行に向けられているため、出現している。
重要なイネーブルは成長時に調整できる半導体のようなプラットフォームに由来する。
大きな成長パラメータ空間は、量子性能のために成長条件を最適化するために直観を使うことを困難にしている。
本稿では,100以上の量子ダイヤモンド試料の異なる合成パラメータを用いて,教師付き機械学習を用いて回帰モデルを訓練する。
我々は高感度磁気メトリーのためにダイヤモンドのNV$^-$欠陥を最適化するモデルを訓練する。
重要なことに,NV磁力計の磁場感度値(FOM)を用いてベイズ最適化を行い,平均試料よりも300%,前回のチャンピオン試料より55%向上した臨界成長パラメータを同定した。
さらに,Shapleyの重要度ランキングを用いて,電子線照射量,プラズマに対するダイヤモンドシード深さ,シードミスカット角度,原子炉窒素濃度などの最も影響の大きい成長および後処理パラメータについて,新たな物理的知見を得た。
様々な量子デバイスは、材料要件が著しく異なるため、プラズマ濃縮化学気相蒸着(PE-CVD)のような高度な成長技術は、特に量子アプリケーションのための材料開発を調整できる。
関連論文リスト
- Quantum and Hybrid Machine-Learning Models for Materials-Science Tasks [0.0]
量子機械学習とハイブリッド量子古典モデルの設計と推定を行う。
マグネシウムを還元可能な積層断層エネルギーと溶質を予測する。
論文 参考訳（メタデータ） (2025-07-10T20:29:16Z) - Deep Learning-Optimized, Fabrication Error-Tolerant Photonic Crystal Nanobeam Cavities for Scalable On-Chip Diamond Quantum Systems [0.0]
キャビティ強化ダイヤモンド色中心量子ビットは、大規模でモジュラーな量子コンピュータに最適である。
しかし、ダイヤモンドのユニークな材料特性はナノフォトニックデバイスの製造に困難をもたらす。
ナノフォトニックデバイスの製造誤差耐性を高めるため,ディープラーニングに基づく最適化手法を開発した。
論文 参考訳（メタデータ） (2025-02-06T11:43:51Z) - Studying Critical Parameters of Superconductor via Diamond Quantum Sensors [2.8505276433658175]
我々は、複数の臨界パラメータを決定・推定するために、単一の種類の量子センサーを使用する。
ダイアモンド粒子とバルクダイアモンドを用いてマイスナー効果を探索する。
論文 参考訳（メタデータ） (2024-07-23T21:23:54Z) - Machine-Learning-Assisted and Real-Time-Feedback-Controlled Growth of
InAs/GaAs Quantum Dots [24.63252487293264]
自己組織化したInAs/GaAs量子ドット(QD)は、光電子デバイスを開発する上で非常に価値のある性質を持つ。
これらの応用は、これらのドットの密度と品質に強く依存しており、高品質なエピウエハやデバイスを実現するための成長過程制御の研究を動機付けている。
本稿では,完全自動化・インテリジェントな任意の密度を持つQDの成長を実現するためのリアルタイムフィードバック制御手法について報告する。
論文 参考訳（メタデータ） (2023-06-22T14:07:23Z) - All-Optical Nuclear Quantum Sensing using Nitrogen-Vacancy Centers in
Diamond [52.77024349608834]
マイクロ波または高周波駆動は、量子センサーの小型化、エネルギー効率、非侵襲性を著しく制限する。
我々は、コヒーレント量子センシングに対する純粋に光学的アプローチを示すことによって、この制限を克服する。
この結果から, 磁気学やジャイロスコープの応用において, 量子センサの小型化が期待できる。
論文 参考訳（メタデータ） (2022-12-14T08:34:11Z) - Microfluidic quantum sensing platform for lab-on-a-chip applications [0.0]
ダイヤモンド中の窒素空孔中心のような固体スピン量子センサのための完全に統合されたマイクロ流体プラットフォームを提案する。
我々の研究は、電気化学、高スループット反応スクリーニング、バイオアナリシス、オルガン・オン・ア・チップ、単細胞研究など、LOCデバイスでの新しい化学分析機能への扉を開く。
論文 参考訳（メタデータ） (2022-09-04T16:01:56Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - Near-Field Terahertz Nanoscopy of Coplanar Microwave Resonators [61.035185179008224]
超伝導量子回路は、主要な量子コンピューティングプラットフォームの一つである。
超伝導量子コンピューティングを実用上重要な点に進めるためには、デコヒーレンスに繋がる物質不完全性を特定し、対処することが重要である。
ここでは、テラヘルツ走査近接場光学顕微鏡を用いて、シリコン上の湿式エッチングアルミニウム共振器の局所誘電特性とキャリア濃度を調査する。
論文 参考訳（メタデータ） (2021-06-24T11:06:34Z) - 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) - Hybrid quantum photonics based on artificial atoms placed inside one
hole of a photonic crystal cavity [47.187609203210705]
一次元で自由なSi$_3$N$_4$ベースのフォトニック結晶キャビティ内にSiV$-$含ナノダイアモンドを含むハイブリッド量子フォトニクスを示す。
結果として生じる光子フラックスは、自由空間に比べて14倍以上増加する。
結果は、ナノダイアモンドのSiV$-$-中心を持つハイブリッド量子フォトニクスに基づいて量子ネットワークノードを実現するための重要なステップである。
論文 参考訳（メタデータ） (2020-12-21T17:22:25Z)
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。