[논문 리뷰] All rf-based tuning algorithm for quantum devices using machine learning

Barnaby van Straaten, Federico Fedele외 8명|arXiv (Cornell University)|2022. 11. 08.

Quantum and electron transport phenomena인용 수 4

한 줄 요약

이 논문은 전류 측정을 필요로 하지 않고 오직 RF 반사 측정만을 사용하여 더블 쿼티움 도트를 자동으로 튜닝하는 완전히 RF 기반의 기계학습 알고리즘을 제시한다. 빠른 2차원 RF 스캔, 가우시안 프로세스, 주요 성분 분석 및 푸리에 기반 점수 함수를 조합함으로써, 알고리즘은 수분 내로 자동 튜닝을 달성하여, 운반 측정 없이도 고정밀도이고 확장 가능한 양자 장치 캘리브레이션을 실현한다.

ABSTRACT

Radio-frequency measurements could satisfy DiVincenzo's readout criterion in future large-scale solid-state quantum processors, as they allow for high bandwidths and frequency multiplexing. However, the scalability potential of this readout technique can only be leveraged if quantum device tuning is performed using exclusively radio-frequency measurements i.e. without resorting to current measurements. We demonstrate an algorithm that automatically tunes double quantum dots using only radio-frequency reflectometry. Exploiting the high bandwidth of radio-frequency measurements, the tuning was completed within a few minutes without prior knowledge about the device architecture. Our results show that it is possible to eliminate the need for transport measurements for quantum dot tuning, paving the way for more scalable device architectures.

연구 동기 및 목표

• 대규모 양자 프로세서에서 확장성에 제약을 주는 전류 측정에 의존하지 않고 양자 장치를 튜닝하는 것을 목적으로 한다.
• 주파수 다중화 및 고대역폭 읽기 기술과 호환되는 완전히 RF 기반의 튜닝 프로토콜을 개발하는 것.
• 오직 RF 반사 측정과 기계학습을 사용하여 더블 쿼티움 도트를 자동으로 빠르고 견고하게 튜닝하는 것.
• Ge/SiGe 홀 기반의 더블 쿼티움 도트 어레이에서 확장 가능하고 운반 측정이 없는 양자 장치 캘리브레이션의 가능성을 입증하는 것.

제안 방법

• 알고리즘은 100×100 픽셀 그리드와 100 mV 범위를 사용하여 게이트 전압 공간에서 빠른 2차원 RF 스캔을 수행하여 밀리초 내로 고해상도 전하 안정성 다이어그램를 확보한다.
• 가우시안 프로세스는 높은 신뢰도로 RF 초체적 영역 근처의 초기 점을 선택함으로써 게이트 전압 공간 탐색을 이끈다.
• 주요 성분 분석(PCA)은 데이터 내에서 노이즈로부터 RF 특징을 분리하기 위해 블라인드 신호 분리에 사용된다.
• 이산 시간 푸리에 변환(DTFT) 기반의 맞춤형 점수 함수는 νx = νy 주변의 대칭적 주기성을 탐지함으로써 잘 결합된 더블 도트 특징을 선호한다.
• 알고리즘은 Kolmogorov-Smirnov 검정을 사용하여 노이즈와 RF 특징을 구분하고, 신호를 감지할 경우 탐색 스캔을 종료한다.
• DTFT의 노이즈 억제는 중심 극한 정리에 의해 달성되며, 100×100 픽셀 스캔에서 노이즈가 √(NM) = 100 배 감소한다.

실험 결과

연구 질문

• RQ1 전류 측정 없이 오직 RF 반사 측정만을 사용하여 더블 쿼티움 도트를 자동으로 튜닝할 수 있는가?
• RQ2 가우시안 프로세스와 PCA와 같은 기계학습 기법이 양자 장치의 고차원 게이트 전압 공간을 효율적으로 탐색하는 데 기여할 수 있는가?
• RQ3 푸리에 기반 점수 함수는 RF 측정에서 노이즈를 억제하면서도 고품질의 더블 도트 특징을 신뢰성 있게 식별할 수 있는가?
• RQ4 오직 RF 데이터만을 사용하여 수분 내로 전체 장치 튜닝을 달성할 수 있는가? 이는 확장 가능한 양자 프로세서 통합에 충분한가?

주요 결과

• 알고리즘은 장치 아키텍처에 대한 사전 지식 없이도 오직 RF 반사 측정만을 사용하여 10분 이내로 더블 쿼티움 도트를 성공적으로 튜닝하였다.
• 각 1시간 분량의 튜닝 세션 동안 최고 점수를 받은 더블 도트 특징이 확인되었으며, 이는 일관되고 반복 가능한 성능을 보여주었다.
• 푸리에 기반 점수 함수는 노이즈와 더블 도트 특징을 효과적으로 구분하였으며, DTFT의 평균화 효과로 인해 노이즈가 100배 감소하였다.
• PCA의 사용은 배경 노이즈로부터 RF 신호를 블라인드로 분리하여 특징 탐지의 견고성을 향상시켰다.
• 운반 측정 없이도 신뢰할 수 있는 튜닝을 달성하여 전적으로 RF 기반의 장치 캘리브레이션의 가능성을 입증하였다.
• 이 방법은 전적으로 RF 측정에 의존하고 전류 감지의 제약을 피하므로 확장 가능한 아키텍처와 호환된다.