[论文解读] Rapid cryogenic characterisation of 1024 integrated silicon quantum dots

Edward J. Thomas, Virginia N. Ciriano-Tejel+9 more|arXiv (Cornell University)|Oct 31, 2023

Semiconductor materials and devices被引用 4

一句话总结

本文提出一种1:1024的低温射频多路复用器，结合高频反射测量与机器学习，可在5分钟内实现对1024个集成硅量子点的快速、自动化表征。该系统实现亚160 ps的积分时间，并揭示了量子点参数与室温晶体管行为之间的关联，实现了可扩展的片上量子比特监测。

ABSTRACT

Quantum computers are nearing the thousand qubit mark, with the current focus on scaling to improve computational performance. As quantum processors grow in complexity, new challenges arise such as the management of device variability and the interface with supporting electronics. Spin qubits in silicon quantum dots are poised to address these challenges with their proven control fidelities and potential for compatibility with large-scale integration. Here, we demonstrate the integration of 1024 silicon quantum dots with on-chip digital and analogue electronics, all operating below 1 K. A high-frequency analogue multiplexer provides fast access to all devices with minimal electrical connections, enabling characteristic data across the quantum dot array to be acquired in just 5 minutes. We achieve this by leveraging radio-frequency reflectometry with state-of-the-art signal integrity, reaching a minimum integration time of 160 ps. Key quantum dot parameters are extracted by fast automated machine learning routines to assess quantum dot yield and understand the impact of device design. We find correlations between quantum dot parameters and room temperature transistor behaviour that may be used as a proxy for in-line process monitoring. Our results show how rapid large-scale studies of silicon quantum devices can be performed at lower temperatures and measurement rates orders of magnitude faster than current probing techniques, and form a platform for the future on-chip addressing of large scale qubit arrays.

研究动机与目标

• 解决大规模硅量子点阵列可扩展、高通量低温表征的挑战。
• 通过实现1:1024的片上多路复用器，克服量子处理器控制与读出中的布线瓶颈，实现射频与直流信号的复用。
• 利用机器学习与高保真度反射测量，实现量子点器件的快速、自动化参数提取。
• 建立相同器件阵列中室温晶体管行为与低温量子点参数之间的关联，以支持在线工艺监控。
• 开发一种可扩展的平台，实现对大规模量子比特阵列的片上寻址，且仅需极少的电连接。

提出的方法

• 采用行-列寻址方式实现1:1024射频多路复用器，实现对1024个硅量子点的快速、选择性访问，且布线需求最小化。
• 采用高频射频反射测量并结合先进信号完整性技术，实现最低160 ps的积分时间。
• 在4 K下使用低温放大器（LNF-LNC0.2_3A），随后在室温进行信号放大与正 quadrature 解调以实现信号检测。
• 应用自动化机器学习（卷积神经网络）对反射测量数据进行分类，以识别量子点质量并提取关键参数。
• 同时进行直流与射频测量：直流测量通过跨阻放大器监测电流，射频测量用于基于反射的参数提取。
• 使用QDAC II进行直流电压控制，使用任意波形发生器进行栅压扫描以验证器件性能。

实验结果

研究问题

• RQ1 1:1024低温多路复用器是否能够以极少的电连接实现对1024个硅量子点的快速、可扩展表征？
• RQ2 机器学习在多大程度上能够自动化地从低温反射测量数据中提取量子点参数？
• RQ3 在相同器件阵列中，室温晶体管行为与低温量子点参数之间存在何种关联？
• RQ4 背栅电压如何影响硅量子点的首次电子填充电压、栅极杠杆臂以及源-漏不对称性？
• RQ5 能否在低温反射测量中实现低于160 ps的积分时间，以支持高通量的量子点表征？

主要发现

• 利用1:1024多路复用器与高频反射测量，整个1024个量子点阵列仅用5分钟即完成表征。
• 系统实现最低160 ps的积分时间，支持高速数据采集且信号保真度高。
• 卷积神经网络在将量子点质量分类为“良好”或“其他”时，实现了86%的召回率与67%的精确率。
• 首次电子填充电压（$V_{\rm 1e}$）随背栅电压增加而降低，这是由于导带边缘向费米能级移动所致。
• 随着背栅电压增加，栅极杠杆臂出现小幅减小，与电子波函数远离顶栅的预期一致。
• 源-漏不对称性（$\alpha_{\mathrm{D}}-\alpha_{\mathrm{S}}$）在背栅电压变化下基本保持不变，表明量子点中心位置稳定。