基于机器学习的双量子点器件原位自动调谐
量子物理
2020-04-02 v2
摘要
当前手动调谐量子点（QD）以实现量子比特操作的做法是相对耗时的过程，本质上不利于规模化与应用。本工作中，我们报道了近期提出的一种自动调谐协议的原位实现，该协议将机器学习（ML）与优化例程结合以在参数空间中导航。具体而言，我们展示了一个仅使用模拟数据训练以定量分类双量子点器件状态的 ML 算法，可用于替代真实器件中栅压调谐时的人为启发式判断。我们演示了在毫开尔文温度工作的功能性双量子点器件的主动反馈，并讨论了成功率随初始条件和器件性能的变化关系。我们讨论了训练网络、适应度函数和优化器的改进，作为在从接近和远离目标双量子点范围启动时进一步提高成功率的途径。
引用
@article{arxiv.1909.08030,
title = {Auto-tuning of double dot devices in situ with machine learning},
author = {Justyna P. Zwolak and Thomas McJunkin and Sandesh S. Kalantre and J. P. Dodson and E. R. MacQuarrie and D. E. Savage and M. G. Lagally and S. N. Coppersmith and Mark A. Eriksson and Jacob M. Taylor},
journal= {arXiv preprint arXiv:1909.08030},
year = {2020}
}
备注
9 pages, 7 figures