[논문 리뷰] A Machine Learning Approach for Automated Fine-Tuning of Semiconductor Spin Qubits

Julian D. Teske, Simon Humpohl외 7명|JuSER (Forschungszentrum Jülich)|2019. 01. 07.

Quantum and electron transport phenomena인용 수 4

한 줄 요약

이 논문은 GaAs 더블 큐비트에서 반도체 스핀 큐비트의 정밀 캘리브레이션을 자동화하기 위해 칼만 필터를 활용한 기계학습 기반 알고리즘을 제시한다. 터널 결합 및 전이 폭과 같은 핵심 큐비트 매개변수의 전압 기울기를 반복적으로 추정함으로써, 이 방법은 단지 3~5회 반복(10~15분) 내에 운영 영역 재구성에 성공하여 수동 캘리브레이션에 비해 시간을 크게 절약하며, 게이트 전압 응답의 강한 비선형성과 교차 간섭성에도 적응한다.

ABSTRACT

While spin qubits based on gate-defined quantum dots have demonstrated very favorable properties for quantum computing, one remaining hurdle is the need to tune each of them into a good operating regime by adjusting the voltages applied to electrostatic gates. The automation of these tuning procedures is a necessary requirement for the operation of a quantum processor based on gate-defined quantum dots, which is yet to be fully addressed. We present an algorithm for the automated fine-tuning of quantum dots, and demonstrate its performance on a semiconductor singlet-triplet qubit in GaAs. The algorithm employs a Kalman filter based on Bayesian statistics to estimate the gradients of the target parameters as function of gate voltages, thus learning the system response. The algorithm's design is focused on the reduction of the number of required measurements. We experimentally demonstrate the ability to change the operation regime of the qubit within 3 to 5 iterations, corresponding to 10 to 15 minutes of lab-time.

연구 동기 및 목표

• 스케일러블 양자 컴퓨팅의 주요 장애물인 게이트 정의된 큐비트의 시간 소모가 심한 수동 정밀 캘리브레이션 문제를 해결하기 위해.
• 인간의 간섭을 최소화하고 큐비트 초기화에 소요되는 실험 시간을 줄이는 자동화된 효율적인 캘리브레이션 절차를 개발하기 위해.
• 튜닝 중 측정 횟수를 최소화하여 다중 큐비트 양자 프로세서의 스케일러블 운영을 가능하게 하기 위해.
• 다양한 큐비트 아키텍처에 적용 가능한 일반적이고 적응 가능한 알고리즘을 제공하기 위해.
• 게이트 전압에 대한 큐비트 매개변수의 비선형 기울기를 실시간으로 추출하고 추적하기 위해.

제안 방법

• 알고리즘은 칼만 필터를 사용하여 터널 결합, 전이 폭 등의 큐비트 매개변수에 대한 게이트 전압에 대한 기울기를 추정함으로써 실시간 적응을 가능하게 한다.
• 기울기 기반 최적화와 베이지안 추론을 융합하여 각 측정 후 매개변수 추정치를 갱신함으로써 필요한 측정 횟수를 최소화한다.
• 게이트 정의된 큐비트의 비선형성과 강한 상호의존성에 대응하기 위해 칼만 필터를 수정하여 반복 과정 중 기울기 변화를 추적한다.
• 각 전압 조정 후 펄스 게이트 측정을 통해 시스템으로부터 목표 매개변수(터널 결합 및 전이 폭)를 추출한다.
• 추정된 기울기에 기반해 전압 단계를 동적으로 조정함으로써 수렴 속도와 내성 향상을 도모한다.
• 도입을 지원하기 위해 'qtune'이라는 이름의 파이썬 패키지가 공개되었으며, 완전한 문서화, 단위 테스트, 그리고 다른 시스템과의 통합을 위한 모듈식 인터페이스를 포함한다.

실험 결과

연구 질문

• RQ1 기계학습 알고리즘이 반도체 스핀 큐비트의 정밀 캘리브레이션을 위해 필요한 측정 횟수를 줄일 수 있는가?
• RQ2 칼만 필터는 게이트 전압의 비선형성과 상호의존성이 강한 응답을 실시간으로 얼마나 효과적으로 추적할 수 있는가?
• RQ3 자동화된 캘리브레이션은 10회 이내의 반복으로 큐비트의 운영 점을 재구성할 수 있는가? 그리고 최소한의 인간 입력으로 가능한가?
• RQ4 비선형성과 게이트 전압의 교차 간섭성으로 인한 시스템 응답 변화에 알고리즘이 얼마나 잘 적응하는가?
• RQ5 추출된 기울기 정보는 큐비트의 특성 분석 및 조정 가능성 향상에 기여하는가?

주요 결과

• 알고리즘이 단지 3~5회 반복 내에 큐비트의 운영 점을 재구성하여 실험 시간으로 약 10~15분이 소요되었다.
• 강한 비선형성과 교차 간섭성에도 불구하고 칼만 필터는 터널 결합 및 전이 폭에 대한 기울기를 정확히 추정하였다.
• 전압 설정점 이동 후 기울기 추정치에 급격한 변화가 발생함으로써, 시스템의 비선형 응답이 확인되었고, 이는 적응형 캘리브레이션의 필요성을 입증하였다.
• 기울기 요소 ∂t_sr/∂V_SB 가 가장 큰 기울기 크기를 보였으며, 이는 전자 교환을 위한 터널 장벽 형성에 기여하는 역할을 함과 일치한다.
• tuning 과정 중 ∂w/∂V_SB 의 기울기가 약 3배로 변화하였고, 다른 기울기도 부호를 바꾸어 뚜렷한 비선형성을 입증하였다.
• 알고리즘의 성능는 이전의 수동 기울기 기반 방법과 유사했지만, 전적으로 자동화되고 측정 오버헤드가 감소된 상태에서 달성되었다.