基于拓扑能隙协议的马约拉纳混合纳米线机器学习优化
介观与纳米尺度物理
2024-01-22 v1 机器学习
摘要
超导体-纳米线混合结构中的马约拉纳零模是拓扑保护量子比特的有前途候选者，有潜力用于可扩展结构。目前，此类马约拉纳线中的无序是一个主要挑战，因为它会破坏拓扑相从而降低了马约拉纳器件制备的良率。我们研究了邻近接地马约拉纳线的栅极阵列的机器学习优化，这使我们能够可靠地补偿甚至强无序。我们提出了一种受拓扑能隙协议启发的优化度量，其可基于通过纳米线的非局域电导测量来实现。
引用
@article{arxiv.2305.16230,
title = {Topological gap protocol based machine learning optimization of Majorana hybrid wires},
author = {Matthias Thamm and Bernd Rosenow},
journal= {arXiv preprint arXiv:2305.16230},
year = {2024}
}
备注
13 pages, 11 figures