[论文解读] All rf-based tuning algorithm for quantum devices using machine learning

Barnaby van Straaten, Federico Fedele+8 more|arXiv (Cornell University)|Nov 8, 2022

Quantum and electron transport phenomena被引用 4

一句话总结

本文提出了一种完全基于射频（rf）的机器学习算法，仅通过射频反射测量即可实现双量子点的自动调节，无需依赖缓慢的电流测量。通过结合快速二维rf扫描、高斯过程、主成分分析以及基于傅里叶变换的评分函数，该算法在数分钟内实现自动调节，展示了无需输运测量的高精度、可扩展的量子器件校准。

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.

研究动机与目标

• 消除对电流测量在量子器件调节中的依赖，以解决大规模量子处理器中可扩展性受限的问题。
• 开发一种完全基于射频的调节协议，兼容频率复用和高带宽读出技术。
• 仅使用射频反射测量和机器学习，实现双量子点的自动、快速且鲁棒的调节。
• 展示在Ge/SiGe空穴基量子点阵列中实现可扩展、无输运测量的量子器件校准的可行性。

提出的方法

• 该算法使用100×100像素网格在栅压空间中执行快速二维rf扫描，电压范围为100 mV，可在毫秒内获取高分辨率的电荷稳定图。
• 高斯过程引导栅压空间的探索，选择在rf超体积附近具有高置信度的初始点。
• 主成分分析（PCA）用于盲信号分离，从数据中分离出rf特征并抑制噪声。
• 基于离散时间傅里叶变换（DTFT）的自定义评分函数通过检测νx = νy附近的对称周期性来评估双量子点特征，优先选择耦合良好的双量子点。
• 算法使用柯尔莫哥洛夫-斯米诺夫检验（Kolmogorov-Smirnov tests）区分rf特征与噪声，并在检测到信号时终止探索性扫描。
• 通过中心极限定理实现DTFT中的噪声抑制，使100×100像素扫描的噪声降低√(NM) = 100倍。

实验结果

研究问题

• RQ1 是否可以仅使用射频反射测量，无需任何电流测量，自动调节双量子点？
• RQ2 诸如高斯过程和PCA等机器学习技术能否实现对量子器件中高维栅压空间的高效探索？
• RQ3 基于傅里叶变换的评分函数能否可靠地识别高质量双量子点特征，同时抑制rf测量中的噪声？
• RQ4 是否可能仅使用rf数据在数分钟内完成完整器件调节，足以支持可扩展量子处理器的集成？

主要发现

• 该算法在每台设备仅使用射频反射测量、且对器件结构无先验知识的情况下，成功在10分钟内完成双量子点的调节。
• 在每个时长为一小时的调节会话中，最高分的双量子点特征均被成功识别，表明性能一致且可重复。
• 基于傅里叶变换的评分函数有效区分了双量子点特征与噪声，噪声因DTFT的平均效应被抑制了100倍。
• PCA的应用实现了rf信号与背景噪声的盲分离，提升了特征检测的鲁棒性。
• 该算法在无需任何输运测量的情况下实现了可靠调节，验证了全射频器件校准的可行性。
• 该方法与可扩展架构兼容，因其仅依赖射频测量，避免了电流传感的限制。