論文の概要: g-tensor Optimization in Ge/SiGe Quantum Dots

• arxiv url: http://arxiv.org/abs/2604.28081v1
• Date: Thu, 30 Apr 2026 16:26:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.198632
• Title: g-tensor Optimization in Ge/SiGe Quantum Dots
• Title（参考訳）: Ge/SiGe量子ドットにおけるgテンソル最適化
• Authors: Aram Shojaei, Edmondo Valvo, Maximilian Rimbach-Russ, Eliska Greplova, Ana Silva,
• Abstract要約: ホールスピン量子ビットをホストする平面ゲルマニウムヘテロ構造は、スケーラブルな半導体ベースの量子コンピューティングの主要なプラットフォームの一つである。 本稿では, g-tensorプロパティのエンジニアリングのためのフレキシブルな最適化フレームワークを提案する。 我々は、SiGe-Ge-SiGe量子井戸における平面外電位の最適再形成を数値的に取得し、平面内 g-テンソル成分の抑制を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Planar germanium heterostructures hosting hole-spin qubits are among the leading platforms for scalable semiconductor-based quantum computing. Yet, device performance is hindered by significant quantum dot variability, which leads to uncertainty in qubit energy levels and random orientations of the spin quantization axis. Tailored control of the g-tensor offers a strategy to overcome these limitations and achieve more reliable qubit operations. Here, we introduce a flexible optimization framework for engineering g-tensor properties. As a benchmark, we numerically obtain the optimal reshaping of the out-of-plane potential in a SiGe-Ge-SiGe quantum well to suppress the in-plane g-tensor components and realize the recently proposed gapless single-spin qubit encoding. This reshaping is achieved through heterostructure engineering, specifically by adjusting the silicon concentration within the quantum well, though the framework remains readily adaptable to alternative design objectives. Our results provide practical design principles for improving the tunability of the spin response, paving the way towards large-scale germanium-based quantum computers.
• Abstract（参考訳）: ホールスピン量子ビットをホストする平面ゲルマニウムヘテロ構造は、スケーラブルな半導体ベースの量子コンピューティングの主要なプラットフォームの一つである。 しかし、デバイスの性能は大きな量子ドットの変動によって妨げられ、これは量子化軸の量子ビットエネルギー準位とランダムな配向の不確実性をもたらす。 g-テンソルの台座制御は、これらの制限を克服し、より信頼性の高い量子ビット演算を実現するための戦略を提供する。 本稿では, g-tensorプロパティを工学的に最適化するためのフレキシブルな最適化フレームワークを提案する。 ベンチマークとして,SiGe-Ge-SiGe量子井戸における平面外ポテンシャルの最適再形成を数値的に取得し,平面内Gテンソル成分の抑制と,最近提案されたギャップレス単一スピン量子ビット符号化を実現する。 このリフォームは、特に量子井戸内のシリコン濃度を調整することで、ヘテロ構造工学によって達成されるが、このフレームワークは、代替設計の目的に容易に適応できるままである。 本結果は,スピン応答のチューニング性を向上させるための実用的な設計原理を提供し,大規模ゲルマニウムベースの量子コンピュータへの道を開いた。

関連論文リスト

• Quantum Generator Kernels [3.609036258672038]
  本稿では,量子カーネルに共通生成器をパラメータ化可能な演算子にマージする変分発生器群(VGG)の集合を含むジェネレータベースの量子カーネルアプローチを提案する。 我々の経験的結果は、最先端の量子および古典的カーネルアプローチと比較して、QGKのプロジェクションと分類能力が優れていることを示している。
  論文  参考訳（メタデータ） (2026-01-30T22:18:01Z)
• Physics Informed Generative Machine Learning for Accelerated Quantum-centric Supercomputing [0.46906883107634084]
  PIGen-SQDは、生成機械学習(ML)の機能を利用する、効率的に設計された量子スーパーコンピュータ(QCSC)ワークフローである。 PIGen-SQDはQCSCアルゴリズムの堅牢性とスケーラビリティを向上し、実用規模の量子ハードウェア上での化学的に信頼性の高い量子シミュレーションへの有望な経路を提供する。
  論文  参考訳（メタデータ） (2025-12-07T14:27:12Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Hybrid Reward-Driven Reinforcement Learning for Efficient Quantum Circuit Synthesis [0.0]
  量子回路の効率的な合成のための強化学習フレームワークが導入された。 このフレームワークは、ターゲット状態に向かってエージェントを誘導する静的なドメインインフォームド報酬と、カスタマイズ可能な動的ペナルティを組み合わせたものだ。 最大7キュービットのグラフ状態準備タスクのベンチマークを行い、アルゴリズムが最小深度回路を常に発見できることを実証した。
  論文  参考訳（メタデータ） (2025-07-22T14:39:20Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Error-mitigated Geometric Quantum Control over an Oscillator [2.7382619198694886]
  量子情報は、環境および運用上の不完全性に対して脆弱である。 本稿では,関数理論による量子最適制御に基づくロバストなスキームを提案する。 この方式は、フォールトトレラント量子計算の代替として有望なものである。
  論文  参考訳（メタデータ） (2025-01-24T09:13:24Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Quantum Optimization for Training Quantum Neural Networks [16.780058676633914]
  量子最適化アルゴリズムを利用して、特定のタスクに最適なQNNのパラメータを見つけるためのフレームワークを考案する。 ネットワークパラメータのヒルベルト空間における重ね合わせ状態の相対位相にQNNのコスト関数をコヒーレントに符号化する。
  論文  参考訳（メタデータ） (2021-03-31T13:06:30Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。