Jun, 2024

鲁棒的量子点电荷调谐利用神经网络的不确定性

PDF
TL;DR通过使用机器学习方法，自动调节半导体自旋量子比特的电荷，以实现量子点技术的规模化，该方法利用人工神经网络识别稳定图中的噪声转变线路，引导鲁棒的探索策略，并成功应用于不同类型的单量子点技术，成功调谐率超过 99％。
machine learningcharge tuningsemiconductor spin qubitsquantum dot technologiesneural networks
发现论文，激发创造
  • 使用神经网络自动调谐双量子点至特定电荷状态

    本文介绍了一种基于机器学习的算法，使用少量粗粒度测量值作为输入，将量子点系统调整到预选的电荷状态，为自动调整量子点 qubit 迈出了关键一步。作者还将该算法在 GaAs 双量子点器件上进行了训练和测试，并成功将系统成功调整到预期状态或其相邻区域。

    Dec, 2019

  • QDA$^2$: 自动标注电荷稳定图的原则性方法

    通过使用几何原理来自动解释和标记实验获取的数据，量子点（QD）自动注释器是构建一个大型公共库的第一步，该库包含了实验双量子点电荷稳定性图的状态标签化的 QD 数据。

    Dec, 2023

  • 自主调谐自旋量子位

    我们在这项研究中展示了第一个完全自治的半导体量子位的调谐，通过深度学习、贝叶斯优化和计算机视觉技术，实现了从基态到 Rabi 振荡的自动化，这标志着量子位成功运行。我们预计这种自动化算法可以应用于广泛的半导体量子位设备，允许对量子位质量指标进行统计研究，这将推动大规模、未被探索的量子电路的运行。

    Feb, 2024

  • 量子点器件自动化的数据需求和挑战：研讨会报告

    自动化调谐方法对于解决当前的挑战是至关重要的，其中关键的问题包括数据集、基准测试和标准化。我们介绍了量子点设备调谐和操作的自动化挑战，并概述了量子点社区提出的应对方法。

    Dec, 2023

  • 使用机器学习高效测量量子设备

    利用机器学习算法的自动化测量方法可以提高量子系统的测量效率，并为大型量子电路的自动化控制打下基础。

    Oct, 2018

  • 深度学习增强自旋量子比特环境的噪声谱学

    本论文实验结果表明，使用神经网络重建近邻 NV 中心中的碳杂质集合的功率谱密度，可以提高噪声光谱学的准确性，同时需要比标准动力解耦技术更少的动力解耦序列。

    Jan, 2023

  • 增强量子内核的神经自动设计师

    我们提出了一种数据驱动的方法，自动设计针对特定问题的量子特征映射，利用特征选择技术处理高维数据，通过深度神经预测器评估不同候选量子核的性能，通过广泛的数值模拟展示了我们方法的优越性，尤其是在消除核浓度问题和确定具有预测优势的特征映射方面。我们的工作不仅释放了量子内核增强实际任务的潜力，还强调了深度学习在推动量子机器学习方面的重要作用。

    Jan, 2024

  • 学习鲁棒和高精度的量子控制

    本文展示了可以将时间有序的量子演化视作层次有序的神经网络，并将鲁棒控制看作是训练高度泛化的神经网络，利用批处理优化技巧使优化的结果能够显着提高控制的鲁棒性和保持高保真度。

    Nov, 2018

  • 用人工神经网络研究二维量子多体动力学

    该研究讨论了利用人工神经网络编码量子多体波函数的方法，有效地模拟了二维空间中的量子物质的无平衡实时演化，并应用到横向场伊辛模型上，验证了该方法的准确性和可行性。

    Dec, 2019

  • 利用人工神经网络解决量子多体问题

    通过机器学习的波函数系统性降低了量子物理中多体问题的复杂度，通过基于人工神经网络的变化神经元的量子状态的变分表示和强化学习方案，能够准确地描述复杂相互作用量子系统的时间演变和平衡和动态特性，为解决量子多体问题提供了新的强有力的工具。

    Jun, 2016