QDFlow：用于量子点器件物理仿真的Python包

Soohyun Park

QDFlow：用于量子点器件物理仿真的Python包

代数几何 2025-10-07 v2 组合数学几何拓扑

作者: Soohyun Park

摘要

近期机器学习（ML）的进展加速了量子点（QD）器件的校准与运行。然而，大多数机器学习方法依赖于大规模、具代表性的数据集，以捕获实际应用中遇到的数据质量全谱的挑战，既有高质量数据，也有低质量数据，用于训练、基准测试和验证，标签需捕获器件状态的关键特征。实验上收集此类数据集具有挑战性，由于数据可用性有限、测量带宽慢以及标记耗人力气。QDFlow是一个开源的物理仿真器，用于多量子点阵列，生成具有真实标签的逼真合成数据。QDFlow结合了自洽的Thomas-Fermi求解器、动态电容模型和灵活的噪声模块，模拟电荷稳定图和射线数据，使其与实验结果密切相似。通过可变参数和可定制的噪声模型，QDFlow支持创建大规模、多样化的数据集，用于机器学习开发、基准测试和量子器件研究。

关键词

量子点 Thomas-Fermi求解器机器学习合成数据电荷稳定图噪声模型

引用

@article{arxiv.2509.13296,
  title  = {Signature 0 toric varieties, wall crossings, and cross polytope-like structures},
  author = {Soohyun Park},
  journal= {arXiv preprint arXiv:2509.13296},
  year   = {2025}
}

备注

55 pages. Made edits to abstract and introduction. Added more descriptions on motivation inside statements of a couple of the results

QDFlow：用于量子点器件物理仿真的Python包

摘要

关键词

引用

备注

相关论文