Topological gap protocol based machine learning optimization of Majorana hybrid wires

要約

超伝導体とナノワイヤのハイブリッド構造におけるマヨラナ ゼロ モードは、スケーラブルな構造で使用できる可能性を備えた、トポロジー的に保護された量子ビットの有望な候補です。
現在、このようなマヨラナ線の無秩序は、トポロジカル相を破壊し、マヨラナデバイス製造の歩留まりを低下させる可能性があるため、大きな課題となっている。
私たちは、接地されたマヨラナ線に近接したゲートアレイの機械学習の最適化を研究しています。これにより、強い乱れさえも確実に補償することができます。
我々は、トポロジカル ギャップ プロトコルからインスピレーションを得た、ワイヤを通る非局所コンダクタンスの測定に基づいて実装できる最適化のメトリクスを提案します。

要約(オリジナル)

Majorana zero modes in superconductor-nanowire hybrid structures are a promising candidate for topologically protected qubits with the potential to be used in scalable structures. Currently, disorder in such Majorana wires is a major challenge, as it can destroy the topological phase and thus reduce the yield in the fabrication of Majorana devices. We study machine learning optimization of a gate array in proximity to a grounded Majorana wire, which allows us to reliably compensate even strong disorder. We propose a metric for optimization that is inspired by the topological gap protocol, and which can be implemented based on measurements of the non-local conductance through the wire.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google