最小Kitev链的跨平台自主控制
介观与纳米尺度物理
2024-05-09 v1 无序系统与神经网络
摘要
当代量子设备正触及新尺度和复杂度的限制，使实验探索涌现量子模式成为可能。然而，这种增加的复杂度为器件调谐和控制带来了重大挑战。本文演示了对最小Kitev链中涌现马约拉纳零模自主调谐。我们采用跨平台迁移学习实现了这一任务。首先，在理论模型上训练调谐模型。随后，在二维电子气中的Kitev链实现中对其进行再训练。最后，我们将该模型应用于在量子点通过半导体-超导体部分实现的纳米线中实现的Kitev链。运用卷积神经网络，我们从微观导电测量中预测隧穿和库仑对分离率，然后利用这些预测来调整电化学势以达到马约拉纳甜点位置。该算法成功收敛至甜点位置附近（在67.6%的情况下在1.5 mV内，在80.9%的情况下在4.5 mV内），通常在45分钟内即可找到甜点位置。这一进展是向在相互作用系统中涌现模式的自主调谐以及向可部署于广泛实验平台的基础调谐机器学习模型迈出的一步。
引用
@article{arxiv.2405.04596,
title = {Cross-Platform Autonomous Control of Minimal Kitaev Chains},
author = {David van Driel and Rouven Koch and Vincent P. M. Sietses and Sebastiaan L. D. ten Haaf and Chun-Xiao Liu and Francesco Zatelli and Bart Roovers and Alberto Bordin and Nick van Loo and Guanzhong Wang and Jan Cornelis Wolff and Grzegorz P. Mazur and Tom Dvir and Ivan Kulesh and Qingzhen Wang and A. Mert Bozkurt and Sasa Gazibegovic and Ghada Badawy and Erik P. A. M. Bakkers and Michael Wimmer and Srijit Goswami and Jose L. Lado and Leo P. Kouwenhoven and Eliska Greplova},
journal= {arXiv preprint arXiv:2405.04596},
year = {2024}
}