深層学習を使用してパウリのスピンブロッキングを特定する

【1] ダニエル・ロスとデヴィッド・P・ディヴィンチェンツォ。 量子ドットを使った量子計算。 フィジカル レビュー A、57 (1): 120、1998。10.1103/PhysRevA.57.120​​XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.57.120

【2] LMK ヴァンダーサイペン、H ブルーム、JS クラーク、AS ズラック、R 石原、A モレロ、DJ ライリー、LR シュライバー、M フェルドホルスト。 量子ドットとドナーのスピン量子ビットのインターフェース - ホット、高密度、コヒーレント。 npj 量子情報、3 (1): 1–10、2017. 10.1038/s41534-017-0038-y。
https：/ / doi.org/ 10.1038 / s41534-017-0038-y

【3] トイヴォ・ヘンスゲンス、藤田隆文、ローレンス・ヤンセン、シャオ・リー、CJ・ヴァン・ディーペン、クリスチャン・ライヒル、ヴェルナー・ヴェグシャイダー、S・ダス・サルマ、リーベン・M・K・ヴァンダーシペン。 半導体量子ドットアレイを用いたフェルミ・ハバードモデルの量子シミュレーション。 ネイチャー、548 (7665): 70–73、2017。10.1038/nature23022。
https：/ / doi.org/ 10.1038 / nature23022

【4] Menno Veldhorst、CH Yang、JCC Hwang、W Huang、JP Dehollain、JT Muhonen、S Simmons、A Laucht、FE Hudson、Kohei M Itoh、他シリコンの 526 量子ビット論理ゲート。 ネイチャー、7573 (410): 414–2015、10.1038. 15263/ natureXNUMX。
https：/ / doi.org/ 10.1038 / nature15263

【5] パスカル・セルフォンテーヌ、ティム・ボッツェム、ジュリアン・リッツマン、シモン・セバスティアン・フンポール、アルネ・ルートヴィヒ、ディーター・シュー、ドミニク・ブジャール、アンドレアス・D・ヴィーク、ヘンドリック・ブルーム。 99.5% のゲート忠実度および低リークを備えた GaAs ベースの一重項三重項スピン量子ビットの閉ループ制御。 Nature Communications、11 (1): 1–6、2020。10.1038/s41467-020-17865-3。
https:/​/​doi.org/​10.1038/​s41467-020-17865-3

【6] 野杁章人、武田健太、中島隆、小林隆、アミール・サマック、ジョルダーノ・スカプッチ、樽茶正剛。 シリコンのフォールトトレランスしきい値を超える高速ユニバーサル量子ゲート。 ネイチャー、601 (7893): 338–342、2022。10.1038/s41586-021-04182-y。
https：/ / doi.org/ 10.1038 / s41586-021-04182-y

【7] ステファン・G・J・フィリップス、マテウシュ・T・マンジク、セルゲイ・V・アミトノフ、サンダー・L・デ・スヌー、マクシミリアン・ラス、ニマ・カルホル、クリスチャン・フォルク、ウィリアム・IL・ローリー、デルフィーヌ・ブルス、ラリーサ・トリピュテン、他。 シリコン内の 609 量子ビット量子プロセッサのユニバーサル制御。 ネイチャー、7929 (919): 924–2022、10.1038. 41586/ s022-05117-XNUMX-x。
https：/ / doi.org/ 10.1038 / s41586-022-05117-x

【8] フェデリコ・フェデール、アナスア・チャタジー、サイード・ファラヒ、ジェフリー・C・ガードナー、マイケル・J・マンフラ、フェルディナンド・クエンメス。 一重項 - 三重項量子ビットの 2 次元配列での同時演算。 PRX Quantum、4 (040306): 2021、10.1103. 2.040306/PRXQuantum.XNUMX。
https：/ / doi.org/ 10.1103 / PRXQuantum.2.040306

【9] Luca Petit、HGJ Eenink、M Russ、WIL Lawrie、NW Hendrickx、SGJ Philips、JS Clarke、LMK Vandersypen、M Veldhorst。 ホットシリコン量子ビットのユニバーサル量子ロジック。 ネイチャー、580 (7803): 355–359、2020。10.1038/ s41586-020-2170-7。
https:/​/​doi.org/​10.1038/​s41586-020-2170-7

【10] チー・ヘン・ヤン、RCC レオン、JCC ファン、アンドレ・サライバ、トゥオモ・タントゥ、ウィスター・ファン、J・カミランド・レミル、コック・ワイ・チャン、KY・タン、フェイ・E・ハドソン 他580ケルビンを超えるシリコン量子プロセッサのユニットセルの動作。 ネイチャー、7803 (350): 354–2020、10.1038。41586/ s020-2171-6-XNUMX。
https:/​/​doi.org/​10.1038/​s41586-020-2171-6

【11] レオン・C・カメンジンド、サイモン・ガイヤー、アンドレアス・フューラー、リチャード・J・ウォーバートン、ドミニク・M・ズンビュール、アンドレアス・V・クールマン。 4ケルビンを超えるフィン電界効果トランジスタ内のホールスピン量子ビット。 Nature Electronics、5 (3): 178–183、2022. 10.1038/s41928-022-00722-0。
https:/​/​doi.org/​10.1038/​s41928-022-00722-0

【12] ロナルド・ハンソン、レオ・P・コウウェンホーフェン、ジェイソン・R・ペッタ、樽茶セイゴ、リーベン・M・K・ヴァンダーシペン。 電子数の少ない量子ドットではスピンします。 Reviews of Modern Physics、79 (4): 1217、2007. 10.1103/RevModPhys.79.1217。
https：/ / doi.org/ 10.1103 / RevModPhys.79.1217

【13] ルカ・プティ、マクシミリアン・ラス、ゲルジャン・HGJ・イーニンク、ウィリアム・IL・ローリー、ジェームス・S・クラーク、リーベン・M・K・ヴァンダーシペン、メノ・ヴェルドホルスト。 3 ケルビンを超えるシリコン内での単一量子ビット回転と 1 量子ビット ゲートの設計と統合。 コミュニケーション資料、82 (2022): 10.1038、43246. 022/ s00304-9-XNUMX-XNUMX。
https:/​/​doi.org/​10.1038/​s43246-022-00304-9

【14] J ダルロバ、SJ パウカ、N ウィーブ、KW チャン、GC ガーデナー、MJ マンフラ、MC キャシディ、マティアス トロイヤー。 ゲート定義の量子ドットの自律的チューニングと電荷状態検出。 Physical Review Applied、13 (5): 054005、2020. 10.1103/PhysRevApplied.13.054005。
https：/ / doi.org/ 10.1103 / PhysRevApplied.13.054005

【15] H ムーン、DT レノン、J カークパトリック、NM ファン エスブルック、LC カメンツィント、Liuqi Yu、F ヴィニョー、DM ズンビュール、G アンドリュー D ブリッグス、MA オズボーン、他。 機械学習により、人間の専門家よりも速く量子デバイスの完全自動チューニングが可能になります。 Nature Communications、11 (1): 1–10、2020。10.1038/s41467-020-17835-9。
https:/​/​doi.org/​10.1038/​s41467-020-17835-9

【16] ブランドン・セヴェリン、ドミニク・T・レノン、レオン・C・カメンジンド、フロリアン・ヴィニョー、F・フェデーレ、D・ジロヴェック、A・バラビオ、D・クラスティーナ、G・イゼラ、M・デ・クライフ、他。 機械学習を使用したシリコンおよび SiGe ベースの量子デバイスのクロスアーキテクチャ調整。 arXiv プレプリント arXiv:2107.12975、2021. 10.48550/ arXiv.2107.12975。
https：/ / doi.org/ 10.48550 / arXiv.2107.12975
arXiv：2107.12975

【17] ティモシー・A・バールト、ピーター・T・エエンデバク、クリスチャン・ライヒル、ヴェルナー・ヴェグシャイダー、リーベン・M・K・ヴァンダーシペン。 半導体二量子ドットを単一電子領域にコンピューター自動調整します。 Applied Physics Letters、108 (21): 213104、2016. 10.1063/ 1.4952624。
https：/ / doi.org/ 10.1063 / 1.4952624

【18] サンデシュ・S・カラントレ、ジャスティナ・P・ズウォラック、スティーブン・ラゴール、シンヤオ・ウー、ニール・M・ジマーマン、マイケル・D・スチュワート、ジェイコブ・M・テイラー。 量子ドットにおける状態認識と自動調整のための機械学習技術。 npj 量子情報、5 (1): 1–10、2019. 10.1038/ s41534-018-0118-7。
https:/​/​doi.org/​10.1038/​s41534-018-0118-7

【19] Justyna P Zwolak、Thomas McJunkin、Sandesh S Kalantre、JP Dodson、ER MacQuarrie、DE Savage、MG Lagally、SN Coppersmith、Mark A Eriksson、Jacob M Taylor。 機械学習による現場でのダブルドットデバイスの自動調整。 Physical Review Applied、13 (3): 034075、2020. 10.1103/ PhysRevApplied.13.034075。
https：/ / doi.org/ 10.1103 / PhysRevApplied.13.034075

【20] V・グエン、SB・オーベル、ドミニク・T・レノン、ヒョンイル・ムーン、フロリアン・ヴィノー、レオン・C・カメンジンド、リウキ・ユー、ドミニク・M・ズンビュール、G・アンドリュー・D・ブリッグス、マイケル・A・オズボーン 他量子デバイスを効率的に測定するための深層強化学習。 npj 量子情報、7 (1): 1–9、2021. 10.1038/s41534-021-00434-x。
https：/ / doi.org/ 10.1038 / s41534-021-00434-x

【21] ジャスティナ・P・ズウォラック、トーマス・マクジャンキン、サンデシュ・S・カラントレ、サミュエル・F・ネイエンス、ER・マッカリー、マーク・A・エリクソン、ジェイコブ・M・テイラー。 量子ドットデバイスの状態識別のためのレイベースのフレームワーク。 PRX Quantum、2 (2): 020335、2021. 10.1103/PRXQuantum.2.020335。
https：/ / doi.org/ 10.1103 / PRXQuantum.2.020335

【22] NM ファン エスブルック、DT レノン、H ムーン、V グエン、F ヴィニョー、LC カメンツィント、L ユウ、DM ズンビュール、GAD ブリッグス、ディノ セイジノビッチ、他。 教師なし埋め込み学習を使用した量子デバイスの微調整。 New Journal of Physics、22 (9): 095003、2020. 10.1088/ 1367-2630/ abb64c。
https:/ / doi.org/ 10.1088/ 1367-2630/ abb64c

【23] ジュリアン・D・テスケ、シモン・セバスチャン・フンポール、ルネ・オッテン、パトリック・ベスケ、パスカル・セルフォンテーヌ、ジョナス・デッデン、アルネ・ルートヴィッヒ、アンドレアス・D・ヴィーク、ヘンドリック・ブルーム。 半導体スピン量子ビットの自動微調整のための機械学習アプローチ。 Applied Physics Letters、114 (13): 133102、2019. 10.1063/ 1.5088412。
https：/ / doi.org/ 10.1063 / 1.5088412

【24] CJ Van Diepen、Pieter T Eendebak、Bruno T Buijtendorp、Uditendu Mukhopadhyay、藤田隆文、Christian Reichl、Werner Wegscheider、Lieven MK Vandersypen。 二量子ドットにおけるドット間トンネル結合の自動調整。 Applied Physics Letters、113 (3): 033101、2018. 10.1063/ 1.5031034。
https：/ / doi.org/ 10.1063 / 1.5031034

【25] ティム・ボツェム、マイケル・D・シュルマン、サンドラ・フォレッティ、シャノン・P・ハーヴェイ、オリバー・E・ダイヤル、パトリック・ベスケ、パスカル・セルフォンテーヌ、ロバート・P・G・マクニール、ダイアナ・マハル、ウラジミール・ウマンスキー 他。 半導体スピン量子ビットの調整方法。 フィジカル レビュー アプライド、10 (5): 054026、2018. 10.1103/PhysRevApplied.10.054026。
https：/ / doi.org/ 10.1103 / PhysRevApplied.10.054026

【26] デヴィッド・L・クレイグ、ヒュンギル・ムーン、フェデリコ・フェデーレ、ドミニク・T・レノン、バーナビー・ヴァン・ストラーテン、フロリアン・ヴィニョー、レオン・C・カメンツィンド、ドミニク・M・ズンビュール、G・アンドリュー・D・ブリッグス、マイケル・A・オズボーン、ディノ・セイジノビッチ、ナタリア・アレス。 物理学を意識した機械学習で量子デバイスの現実ギャップを橋渡しします。 arXiv プレプリント arXiv:2111.11285、2021. 10.48550/ arXiv.2111.11285。
https：/ / doi.org/ 10.48550 / arXiv.2111.11285
arXiv：2111.11285

【27] ステファニー・チシェク、ヴィクトル・ヨン、マルク＝アントワーヌ・ジュネスト、マルク＝アントワーヌ・ルー、ソフィー・ロシェット、ジュリアン・カミランド・ルミル、マチュー・モラス、ミシェル・ピオロ＝ラドリエール、ドミニク・ドルアン、ヤン・ベイリヤールほか。 量子ドットの電荷状態自動調整のためのニューラル ネットワークの小型化。 機械学習: 科学とテクノロジー、3 (1): 015001、2021. 10.1088/ 2632-2153/ ac34db。
https:/ / doi.org/ 10.1088/ 2632-2153/ ac34db

【28] レナト・デューラー、ベネディクト・クラトフヴィル、ヨンネ・V・コスキ、アンドレアス・J・ランディグ、クリスチャン・ライヒル、ヴェルナー・ヴェグシャイダー、トーマス・イーン、エリシュカ・グレプロワ。 ニューラル ネットワークを使用して、二量子ドットを特定の電荷状態に自動調整します。 Physical Review Applied、13 (5): 054019、2020. 10.1103/ PhysRevApplied.13.054019。
https：/ / doi.org/ 10.1103 / PhysRevApplied.13.054019

【29] マキシム・ラポワント＝メジャー、オリヴィエ・ジェルマン、J・カミラン・ルミル、ダニー・ラチャンス＝キリオン、ソフィー・ロシェット、F・カミラン・ルミル、ミッシェル・ピオロ＝ラドリエール。 量子ドットを単一電子領域に自動調整するためのアルゴリズム。 フィジカル レビュー B、102 (8): 085301、2020. 10.1103/PhysRevB.102.085301。
https：/ / doi.org/ 10.1103 / PhysRevB.102.085301

【30] 松本雄太、藤田隆文、アルネ・ルートヴィヒ、アンドレアス・D・ヴィーク、駒谷一典、大岩章。 ディープ ニューラル ネットワークを使用したシングルショット電子スピン読み出しのノイズ耐性の高い分類。 npj 量子情報、7 (1): 1–7、2021. 10.1038/s41534-021-00470-7。
https:/​/​doi.org/​10.1038/​s41534-021-00470-7

【31] ヤナ・ダルロバ、マティアス・トロイヤー、マジャ・C・キャシディ。 量子ドットの荷電状態検出に適用される教師あり機械学習における合成および実験トレーニング データの評価。 機械学習: 科学とテクノロジー、2021。10.1088/ 2632-2153/ ac104c。
https:/ / doi.org/ 10.1088/ 2632-2153/ ac104c

【32] サイモン・ガイヤー、レオン・C・カメンジンド、ルーカス・チョルノマズ、ヴィーレシュ・デシュパンデ、アンドレアス・フューラー、リチャード・J・ウォーバートン、ドミニク・M・ズンビュール、アンドレアス・V・クールマン。 スケーラブルなシリコン量子コンピューティングのための自己整合ゲート。 Applied Physics Letters、118 (10): 104004、2021. 10.1063/ 5.0036520。
https：/ / doi.org/ 10.1063 / 5.0036520

【33] フランク・HL・コッペンス、ジョシュア・A・フォーク、ジェローン・M・エルザーマン、ロナルド・ハンソン、LHウィレムス・ヴァン・ベベレン、イーヴォ・T・ヴィンク、ハンス＝ピーター・トラニッツ、ヴェルナー・ヴェグシャイダー、レオ・P・コウウェンホーフェン、リーベン・M・K・ヴァンダーシペン。 ランダムな核場における一重項と三重項の混合の制御と検出。 サイエンス、309 (5739): 1346–1350、2005。10.1126/science.1113719​​XNUMX。
https：/ / doi.org/ 10.1126 / science.1113719

【34] マティアス・ブラウンズ、ジュースト・リッデルボス、アン・リー、エリック・パム・バッカーズ、ウィルフレッド・G・ファン・デル・ヴィール、フロリス・A・ズワーネンブルク。 正孔量子ドットにおける異方性パウリのスピン遮断。 フィジカル レビュー B、94 (4): 041411、2016. 10.1103/PhysRevB.94.041411。
https：/ / doi.org/ 10.1103 / PhysRevB.94.041411

【35] JダノンとユウVナザロフ。 強力なスピン軌道結合の存在下でのパウリのスピン遮断。 フィジカル レビュー B、80 (4): 041301、2009. 10.1103/PhysRevB.80.041301。
https：/ / doi.org/ 10.1103 / PhysRevB.80.041301

【36] S・ナジ・ペルゲ、SM・フロロフ、JWW・ファン・ティルブルフ、J・ダノン、ユウ・V・ナザロフ、R・アルグラ、EPAM・バッカーズ、LP・コウウェンホーフェン。 スピン遮断に対するスピン軌道と超微細相互作用の影響を解きほぐす。 フィジカル レビュー B、81 (20): 201305、2010. 10.1103/PhysRevB.81.201305。
https：/ / doi.org/ 10.1103 / PhysRevB.81.201305

【37] ルオユ・リー、フェイ・E・ハドソン、アンドリュー・S・ズラック、アレクサンダー・R・ハミルトン。 パウリによるシリコン二重量子ドットの重い正孔のスピン遮断。 Nano Letters、15 (11): 7314–7318、2015。10.1021/acs.nanolett.5b02561。
https：/ / doi.org/ 10.1021 / acs.nanolett.5b02561

【38] FNM フローニング、MJ ランチッチ、B ヘテニ、S ボスコ、MK レーマン、アン リー、エリック PAM バッカーズ、フロリス アルノウド ズワーネンブルク、ダニエル ロス、DM ズンビュール 他Ge/Si ナノワイヤ量子ドットにおける強力なスピン軌道相互作用と正孔スピンの g 因子繰り込み。 フィジカル レビュー リサーチ、3 (1): 013081、2021. 10.1103/ PhysRevResearch.3.013081。
https：/ / doi.org/ 10.1103 / PhysRevResearch.3.013081

【39] TH・シュトゥーフとユウ・V・ナザロフ。 53 つの離散状態を介した時間依存の共鳴トンネリング。 フィジカル レビュー B、3 (1050): 1996、10.1103。53.1050/PhysRevB.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevB.53.1050

【40] 何開明、張祥宇、任少清、孫建。 画像認識のための深層残差学習。 コンピューター ビジョンとパターン認識に関する IEEE 会議議事録、770 ～ 778 ページ、2016 年。10.1109/ CVPR.2016.90。
https：/ / doi.org/ 10.1109 / CVPR.2016.90

【41] TorchVision のメンテナおよび貢献者。 トーチビジョン: Pytorch のコンピューター ビジョン ライブラリ。 https:/ / github.com/ pytorch/ vision、2016 年。
https:/ / github.com/ pytorch/ vision

【42] ヤン・ルカン、レオン・ボットー、ヨシュア・ベンジオ、パトリック・ハフナー。 勾配ベースの学習を文書認識に適用します。 IEEE 議事録、86 (11): 2278–2324、1998。10.1109/ 5.726791。
https：/ / doi.org/ 10.1109 / 5.726791

【43] ディーデリク・P・キングマとジミー・バー。 アダム: 確率的最適化の手法。 arXiv プレプリント arXiv:1412.6980、2014. 10.48550/ arXiv.1412.6980。
https：/ / doi.org/ 10.48550 / arXiv.1412.6980
arXiv：1412.6980

【44] アダム・パスケ、サム・グロス、フランシスコ・マッサ、アダム・レーラー、ジェームズ・ブラッドベリ、グレゴリー・チャナン、トレヴァー・キリーン、ゼミング・リン、ナタリア・ギメルシャイン、ルカ・アンティガ、アルバン・デスメゾン、アンドレアス・コップフ、エドワード・ヤン、ザカリー・デヴィート、マーティン・レゾン、アリカン・テジャニ、ササンク・チラムクルシー、ブノワ・シュタイナー、ルー・ファン、ジュンジエ・バイ、ソウミス・チンタラ。 PyTorch: 命令型スタイルの高性能深層学習ライブラリ。 H. Wallach、H. Larochelle、A. Beygelzimer、F. d'Alché-Buc、E. Fox、および R. Garnett 編集者、Advances in Neural Information Processing Systems 32、8024 ～ 8035 ページ。 Curran Associates, Inc.、2019. 10.48550/arXiv.1912.01703。
https：/ / doi.org/ 10.48550 / arXiv.1912.01703