Identifying Pauli spin blockade using deep learning

要約

パウリスピンブロッケード（PSB）は、高温でもスピン量子ビットの初期化と読み出しのための優れたリソースとして使用できますが、特定するのが難しい場合があります。
電荷輸送測定を使用して PSB を自動的に識別できる機械学習アルゴリズムを紹介します。
PSB データの不足は、シミュレートされたデータを使用してアルゴリズムをトレーニングし、クロスデバイス検証を使用することで回避されます。
私たちはシリコン電界効果トランジスタデバイスでアプローチを実証し、さまざまなテストデバイスで96％の精度を報告し、このアプローチがデバイスの変動に対して堅牢であることを証明しています。
このアプローチは、あらゆる種類の量子ドットデバイスに採用できると期待されています。

要約(オリジナル)

Pauli spin blockade (PSB) can be employed as a great resource for spin qubit initialisation and readout even at elevated temperatures but it can be difficult to identify. We present a machine learning algorithm capable of automatically identifying PSB using charge transport measurements. The scarcity of PSB data is circumvented by training the algorithm with simulated data and by using cross-device validation. We demonstrate our approach on a silicon field-effect transistor device and report an accuracy of 96% on different test devices, giving evidence that the approach is robust to device variability. The approach is expected to be employable across all types of quantum dot devices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google