利用神经网络不确定性的鲁棒量子点电荷自动调谐
量子物理
2025-02-03 v3 介观与纳米尺度物理
机器学习
摘要
本研究提出了一种基于机器学习的过程，以最少的人工干预实现半导体自旋量子点的电荷调谐自动化，解决了量子点技术规模化中的重大挑战之一。该方法利用人工神经网络识别稳定性图中的噪声跃迁线，并利用神经网络的不确定性估计指导稳健的探索策略。在代表不同单量子点技术的三个独立离线实验数据集上进行测试，该方法在最优情况下实现了超过99%的调谐成功率，其中超过10%的成功直接归因于不确定性利用。小训练集包含高图间变异性的挑战性约束使我们能够评估所提出程序的能力和局限性。
引用
@article{arxiv.2406.05175,
title = {Robust quantum dots charge autotuning using neural network uncertainty},
author = {Victor Yon and Bastien Galaup and Claude Rohrbacher and Joffrey Rivard and Clément Godfrin and Ruoyu Li and Stefan Kubicek and Kristiaan De Greve and Louis Gaudreau and Eva Dupont-Ferrier and Yann Beilliard and Roger G. Melko and Dominique Drouin},
journal= {arXiv preprint arXiv:2406.05175},
year = {2025}
}
备注
12 pages (main) + 14 pages (supplementary)