Hubbard 模型量子模拟器的贝叶斯自动调谐

门控半导体量子点（QD）中的自旋是一种有望模拟计算无法企及的 Hubbard 模型的平台。通过调节金属栅极上的电压来精确控制隧穿耦合，对于基于 QD 的模拟器取得成功至关重要。然而，可调电压的数量以及栅极电压与所得 Hubbard 模型参数之间关系的复杂度随量子点数目迅速增加。因此，特定栅极几何结构能否以及如何产生目标 Hubbard 模型尚属未知。为解决该问题，我们提出一种混合机器学习方法，结合支持向量机（SVM）与贝叶斯优化（BO）来识别实现所需 Hubbard 模型的电压组合。SVM 通过剔除产生不适于紧束缚（TB）近似势的电压组合来约束电压空间。随后由 BO 在约束子域内识别目标电压组合。对于大型 QD 阵列，我们提出一种可扩展的高效迭代流程，利用 SVM-BO 方法优化电压子集，并对大系统采用双量子点 SVM 模型。我们的结果使用实验栅极光刻图像以及由调和轨道线性组合精确计算的积分来训练机器学习算法。