Loading...
机构名称:
¥ 1.0

基于SI和SIGE的设备对量子电路缩放的潜力受到设备可变性的污染。每个设备都需要调整为操作条件,并且每个设备实现都需要一个不同的调整协议。我们证明,可以从使用相同算法的划痕中自动调整4门Si Finfet,5门GESI纳米线和7门GE/SIGE异质结构双量子点设备的调整。我们分别达到30、10和92分钟的调整时间。该算法还提供了这些设备中每个设备的参数空间景观的洞察力,从而可以对发现双重量子点状态的区域进行表征。这些结果表明,通过机器学习启用了用于调整量子设备的总体解决方案。

使用机器学习的硅和基于SIGE的量子设备的跨体系结构

使用机器学习的硅和基于SIGE的量子设备的跨体系结构PDF文件第1页

使用机器学习的硅和基于SIGE的量子设备的跨体系结构PDF文件第2页

使用机器学习的硅和基于SIGE的量子设备的跨体系结构PDF文件第3页

使用机器学习的硅和基于SIGE的量子设备的跨体系结构PDF文件第4页

使用机器学习的硅和基于SIGE的量子设备的跨体系结构PDF文件第5页

相关文件推荐

2024 年
¥1.0
2024 年
¥1.0
2021 年
¥1.0
2024 年
¥1.0
2021 年
¥2.0
2020 年
¥1.0